StyleAvatar3D: Leveraging Image-Text Diffusion Models for High-Fidelity 3D Avatar Generation
专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV
Comments Project page: https://github.com/icoz69/StyleAvatar3D
视觉与机器人
3D 视觉
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
1. 3D生成 447 篇
ZeroAvatar: Zero-shot 3D Avatar Generation from a Single Image
专题命中 3D生成 ：NeRF(abstract)；分类 cs.CV
NAP: Neural 3D Articulation Prior
专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV
Comments project page: https://www.cis.upenn.edu/~leijh/projects/nap
LatentAvatar: Learning Latent Expression Code for Expressive Neural Head Avatar
专题命中 3D生成 ：NeRF(abstract)；分类 cs.CV
Comments Accepted by SIGGRAPH 2023
Instruct 3D-to-3D: Text Instruction Guided 3D-to-3D conversion
专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV
Comments Project page: https://sony.github.io/Instruct3Dto3D-doc/
Zero-Shot Text-to-Parameter Translation for Game Character Auto-Creation
专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV
Comments Accepted in CVPR 2023
PartInteractor: Intent-Driven Part-Aware 3D Authoring for Continuous Co-Creation in XR
PartInteractor：面向XR中持续协同创作的意图驱动、部件感知的三维创作工具
专题命中 3D生成 ：3D generation(abstract)
AI总结 PartInteractor是支持语音、草图、图像输入的部件感知三维创作框架，将语义部件层级作为可操控单元，提升生成后控制与意图一致性，助力XR中持续人机协同创作。
Comments Accepted to ACM UIST 2026
Atomic Design Transformer: Scaffold-Conditioned 3D Molecule Generation via xTB-Reward Reinforcement Learning
原子设计变换器：通过xTB奖励强化学习实现支架条件下的3D分子生成
专题命中 3D生成 ：3D generation(abstract)
AI总结 研究提出原子设计变换器ADT用于3D分子生成，通过自回归和令牌化实现SE(3)不变性，以xTB拓扑保留率评估。先预训练模型，再用RLVR强化学习提升性能，还提出逆运动学变换器，实现了直接3D分子生成。
AvAtar: Learning to Align via Active Optimal Transport
AvAtar: 通过主动最优输运学习对齐
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Florida（佛罗里达大学） ； Arizona State University（亚利桑那州立大学）
专题命中 3D生成 ：point cloud(abstract)
AI总结 提出AvAtar框架，利用主动学习策略通过熵正则化最优输运的梯度影响量化候选点信息量，并采用伴随状态法高效求解，以提升对齐性能。
Comments Published as a conference paper at ICML 2026
CoGen3D: An Agentic Human-AI Co-Design Pipeline for 3D Asset Generation for Virtual Reality
CoGen3D：用于虚拟现实3D资产生成的智能人机协同设计管道
机构 * Nanjing University of Information Science and Technology（南京信息工程大学） ； Japan Advanced Institute of Science and Technology（日本科学技术大学） ； The University of Sydney（悉尼大学） ； University of Copenhagen（哥本哈根大学） ； TU Dortmund University（多特蒙德技术大学） ； Research Center Trustworthy Data Science and Security（可信数据科学与安全研究中心）
专题命中 3D生成 ：3D generation(abstract)
AI总结 研究针对虚拟现实3D资产创作需建模专业知识的问题，引入CoGen3D智能人机协同设计管道，经用户研究评估，发现其可促进创作、改变情感反应，推动创作从技术执行转向协作空间设计。
Atomic Design Transformer: xTB-Validated 3D Molecule Generation from Scaffolds
原子设计变换器：基于xTB验证的从骨架生成3D分子
专题命中 3D生成 ：3D generation(abstract)
AI总结 提出SE(3)不变的原子设计变换器(ADT)，通过自回归逐原子放置和局部坐标编码实现不变性，引入xTB验证率(XVR)评估分子拓扑保持，在QM9和GEOM-Drugs上达到竞争性能。
Comments I have to make a major revision
HandMade: Spatial Prompting for Generative 3D Creation with Part-Labeled VR Sketches
HandMade: 基于部分标注的VR草图的空间提示生成式3D创作
专题命中 3D生成 ：3D generation(abstract)
AI总结 提出HandMade工作流，结合VR 3D草图和语言进行开放域3D资产生成，将粗粒度部分标注的3D草图作为空间提示，通过多视图部分引导和结构化提示实现空间布局与语言描述的协同创作。
Comments 15 pages, 5 figures, 1 table
MUSE: Benchmarking Manufacturable, Functional, and Assemblable Text-to-CAD Generation
MUSE: 面向可制造、功能性和可装配的文本到CAD生成的基准测试
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Curvature Flow Co., Limited（曲率流有限公司）
专题命中 3D生成 ：3D generation(abstract)
AI总结 提出MUSE基准，通过三阶段评估协议（代码检查、几何检查、设计意图对齐）和基于规则的语言模型评判，衡量文本到CAD生成模型在功能、制造和装配方面的实际设计质量。
Comments 26 pages
SpatialPrompt: XR-Based Spatial Intent Expression as Executable Constraints for AI Generative 3D Design
SpatialPrompt: 基于扩展现实的空问意图表达作为AI生成3D设计的可执行约束
专题命中 3D生成 ：3D generation(abstract)
AI总结 SpatialPrompt通过XR系统将空间草图转化为可控的3D生成约束，支持协作创作中的迭代优化与同步生成，提升生成效率与反馈清晰度。
Journal ref Proc. DIS Companion 2026, 4 pages
Rollback-Free Stable Brick Structures Generation
无需回滚的稳定砖块结构生成
机构 * University of Buffalo（布法罗大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； Microsoft（微软） ； University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
专题命中 3D生成 ：3D generation(abstract)
AI总结 本文提出一种强化学习方法，通过训练时的策略优化而非测试时的纠正，实现稳定砖块结构的高效生成，提升生成质量和推理速度。
PILOT: One Physics-Integrated Generation Framework to Unify 2D and 3D Radio Map Construction
PILOT：一个整合物理的生成框架，统一2D和3D无线电地图构建
专题命中 3D生成 ：3D generation(abstract)
AI总结 PILOT通过整合物理模型，采用波前序列替代传统栅格扫描，提升2D和3D无线电地图构建的精度与效率，实现更低的NMSE和更快的推理速度。
Comments 13 pages, 15 figures
MolSculpt: Sculpting 3D Molecular Geometries from Chemical Syntax
MolSculpt：从化学语法雕刻3D分子几何
机构 * AI for Science (AI4S)-Preferred Program, Peking University Shenzhen Graduate School, China（人工智能科学（AI4S）优选计划，北京大学深圳研究生院，中国） ； Faculty of Materials Science, Shenzhen MSU-BIT University, Shenzhen, China（材料科学学院，深圳MSU-BIT大学，中国）
专题命中 3D生成 ：3D generation(abstract)
AI总结 MolSculpt通过整合1D化学知识与3D生成过程，实现了从化学语法到精确3D分子几何的高效生成。
Say It, See It: A Systematic Evaluation on Speech-Based 3D Content Generation Methods in Augmented Reality
专题命中 3D生成 ：3D generation(abstract)
Comments Accepted to ISMAR 2025 UNAI Workshop
Acquiring and Adapting Priors for Novel Tasks via Neural Meta-Architectures
专题命中 3D生成 ：3D generation(abstract)
Comments arXiv admin note: text overlap with arXiv:2310.17075
Score Distillation Sampling for Audio: Source Separation, Synthesis, and Beyond
机构 * NVIDIA ； MIT（麻省理工学院）
专题命中 3D生成 ：3D generation(abstract)
Comments See the project website at https://research.nvidia.com/labs/toronto-ai/Audio-SDS/
SemlaFlow -- Efficient 3D Molecular Generation with Latent Attention and Equivariant Flow Matching
专题命中 3D生成 ：3D generation(abstract)
Comments AISTATS 2025
NExT-Mol: 3D Diffusion Meets 1D Language Modeling for 3D Molecule Generation
专题命中 3D生成 ：3D generation(abstract)
Comments ICLR 2025, 10 pages
Atlas3D: Physically Constrained Self-Supporting Text-to-3D for Simulation and Fabrication
专题命中 3D生成 ：3D generation(abstract)
Comments Project Page: https://yunuoch.github.io/Atlas3D/
From Efficient Multimodal Models to World Models: A Survey
专题命中 3D生成 ：3D generation(abstract)
Goal-oriented Semantic Communications for Avatar-centric Augmented Reality
专题命中 3D生成 ：point cloud(abstract)
MicroLib: A library of 3D microstructures generated from 2D micrographs using SliceGAN
专题命中 3D生成 ：3D generation(abstract)
Comments 10 pages, 4 figures
Radiation hardness of small-pitch 3D pixel sensors up to a fluence of $3\times10^{16}$ n$_{\mathrm{eq}}$/cm$^2$
专题命中 3D生成 ：3D generation(abstract)
Comments 21 pages
Journal ref 2018 JINST 13 P09009
