视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
Wild3R: 从无约束稀疏照片集合进行前馈式3D高斯泼溅
机构 * The University of Tokyo（东京大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出Wild3R，一种针对无约束稀疏照片集合的前馈式3D高斯泼溅方法，通过引入包含多样光照和瞬态物体的WildCity数据集，学习跨视角外观一致性并移除瞬态内容，性能优于现有前馈方法，与基于逐场景优化的方法相当。
Comments Project page: https://furuschool.github.io/wild3r-page/
看见重要之处：基于公共随机性的感知包装器用于3D高斯泼溅
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Chung Cheng University（国立中正大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 针对3D高斯泼溅在内存受限和率失真优化管道中高频纹理合成困难的问题，提出一种2D感知包装器，利用伪随机高斯噪声和Wasserstein失真监督，以内容与视角相关的方式增强渲染输出，显著提升感知质量并压缩模型大小。
Comments 18 pages, 9 figures
GaussTrace：基于证据的LLM推理的3D高斯泼溅模型溯源分析
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出GaussTrace框架，通过属性统计分析和假设驱动的编辑模拟，结合大语言模型链式推理，构建3D高斯泼溅模型的有向溯源图，无需训练或编辑历史。
Comments Accepted by ICML2026
VG²GT: 体素-高斯泼溅视觉几何基础变换器
机构 * East China University of Science and Technology（东华大学） ； Shanghai Open University（上海开放大学） ； Shanghai Xiaoyuan Innovation Center（上海小元创新中心）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 提出VG²GT，利用冻结的视觉基础模型、多尺度可微体素模块和体素特征直接回归高斯原语参数，通过随机实体体渲染监督深度图，实现几何精确的高斯场景重建，在多个数据集上达到最优性能。
LEGS: 在具身高斯泼溅世界中免遥操作微调VLA用于人形机器人全身操控
机构 * Stanford University（斯坦福大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.RO
AI总结 提出LEGS混合模拟器，通过程序化运动基元生成器和两阶段颜色校准，无需遥操作即可合成训练数据，使VLA策略在真实人形机器人操控任务中达到或超越遥操作训练效果。
Comments https://legsvla.github.io/
多对象3D高斯泼溅场景的单步修复方法基准测试
机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 针对3D高斯泼溅场景中的对象移除与修复任务，比较了2D修复器在3D一致性上的表现，发现基于重建的修复器优于生成扩散模型，且从头初始化场景比微调现有场景效果更好，同时引入了一个带真实数据的新多对象场景。
Comments Accepted as an extended abstract to the CVEU Workshop at CVPR 2026
利用深度估计增强热高斯泼溅
机构 * Technical University of Munich（技术大学慕尼黑） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与人工智能研究所） ； Human-Centered Computing and Extended Reality Lab（以人为本计算与扩展现实实验室） ； TUM University Hospital（技术大学慕尼黑医院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 提出一种仅使用热红外图像和深度估计的单模态方法TDg，通过热到深度高斯泼溅推导辐射场，在渲染质量和训练时间上优于多模态基线。
Comments 8 pages, 4 figures. Accepted and will be published in ISPRS proceedings (ISPRS Congress 2026)
Aes3D: 3D高斯泼溅中的美学评估
机构 * The University of Sydney（悉尼大学） ； The University of Hong Kong（香港大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 针对3D高斯泼溅场景缺乏美学评估的问题，提出首个系统框架Aes3D，包含专用数据集Aesthetic3D和轻量级模型Aes3DGSNet，直接预测场景级美学分数，无需渲染多视图图像。
TideGS: 通过外存优化训练超过十亿个3D高斯溅射基元
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 针对大规模3D高斯溅射训练的内存瓶颈，提出TideGS外存训练框架，通过SSD-CPU-GPU层次化管理和三种协同技术，在单GPU上实现超过十亿高斯基元的训练并达到最优重建质量。
Comments Accepted to ICML 2026 as Spotlight. Website: https://sponge-lab.github.io/TideGS
TrackRef3D: 面向开放世界3D高斯泼溅分割的多视角一致跟踪-标注方法
机构 * East China Normal University, Shanghai, China（华东师范大学，上海，中国） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Electronic Science and Technology of China, Chengdu, China（电子科技大学，成都，中国）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出TrackRef3D全自动流水线，通过多视角一致跟踪-标注范式解耦目标发现与语义定位，无需人工标注实现开放世界3D高斯泼溅分割。
CodecSplat: 用于前馈式3D高斯泼溅的超紧凑潜在编码
机构 * Sun Yat-sen University（中山大学） ； Peking University（北京大学） ； Pengcheng Laboratory（鹏城实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出CodecSplat框架，通过将压缩集成到前馈式高斯生成流水线中，利用结构化中间特征表示实现超紧凑场景编码，显著降低存储和传输开销。
HumanSplatHMR: 闭合人体网格恢复与高斯点绘肖像之间的循环
机构 * University of Michigan（密歇根大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出HumanSplatHMR方法，通过闭合几何姿态估计与可微渲染之间的循环，改进人体姿态恢复和高斯点绘肖像的生成，提升在新视角和新姿态下的渲染质量。
Comments Project page: https://scottyehengz.github.io/HumanSplat/
利用张量核心加速3D高斯散射
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.GR
AI总结 本文提出TensorGS框架，通过将3D高斯散射的主导渲染计算转换为张量核心兼容的矩阵运算，并引入跨瓷砖分组以提高高斯重用率，从而在保持图像质量的同时提升端到端渲染性能1.65倍。
基于控制屏障函数的3D高斯点云场中冲突感知与控制
机构 * Department of Mechanical Engineering and Mechanics, Lehigh University（机械工程与力学系，莱恩大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.RO
AI总结 本文提出了一种基于控制屏障函数的冲突感知与控制框架，用于在3D高斯点云场环境中安全导航并获取信息以减少地图不确定性，通过统一的安全关键和感知感知二次规划程序解决安全与感知目标的冲突。
Comments Project website: https://sircesoc.github.io/Conflict_Aware_Active_Perception/
OP2GS: 带双不透明度的物体感知3D高斯散射
机构 * Center for Machine Vision and Signal Analysis, University of Oulu, Finland（奥卢大学机器视觉与信号分析中心，芬兰） ； Aalto University, Finland（阿尔托大学，芬兰）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 OP2GS通过引入双不透明度机制，为每个原始体素添加显式实例身份和专用实例不透明度σ*，以解决3D高斯散射在物体层面身份缺失的问题，从而提升开放词汇场景理解的性能。
Comments Under review
AdaptSplat: 为前馈3D高斯点划法适应视觉基础模型
机构 * Ke Holdings Inc.（凯控股公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出AdaptSplat，通过在通用架构中引入一个仅含1.5M参数的轻量级适配器，有效提升了前馈3D高斯点划法在跨领域泛化和高频几何保真度方面的性能。
GSCompleter: 一种无需蒸馏的插件，用于在几秒钟内进行基于度量的3D高斯溅射完成
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Shanghai Innovation Institute（上海创新研究院） ； Chongqing Key Laboratory of Precision Optics, Chongqing Institute of East China Normal University（重庆精密光学重点实验室，东华大学重庆研究院） ； Shanghai Key Laboratory of Computer Software Evaluating and Testing（上海计算机软件评测测试重点实验室） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出了一种无需蒸馏的GSCompleter插件，通过稳定的'生成-注册'流程实现基于度量的3D高斯溅射完成，提高了完成质量和效率，并在三个基准上取得了新的最先进的结果。
P2GS: 基于物理先验的高斯点云法用于光度一致的城市重建
机构 * Chubu University（名古屋大学） ； Turing Inc.（图灵公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出P2GS，一种基于物理先验的高斯点云法，用于解决自动驾驶中由于异质相机管道和动态户外照明导致的光度不一致问题，通过联合分解视图不变的线性HDR光场、每视图曝光尺度和色调映射函数，提升光度一致性与光照一致性。
Comments Accepted CVPR2026 main
GSDrive: 通过多模式未来轨迹探查与3D高斯点散布环境强化驾驶策略
机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（斯克尔科维科学与技术研究院智能空间机器人实验室） ； Research Center for Intelligent Computing Systems, SKLP, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所智能计算系统研究中心，SKLP） ； Department of Electrical and Electronic Engineering, The University of Hong Kong, China（香港大学电子与电气工程系） ； SuZhou Automotive Research Institute, Tsinghua University（清华大学苏州汽车研究院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.RO
AI总结 GSDrive通过多模式轨迹探查和3D高斯点散布环境，结合模仿学习与强化学习，提升端到端自动驾驶的训练效果与鲁棒性。
Comments 2nd version
HarmoGS：通过冲突感知梯度和谐化实现野外鲁棒的3D高斯点云
机构 * Sun Yat-sen University（中山大学） ； Northeastern University（东北大学） ； Guangdong Province Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部机器智能与先进计算重点实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出HarmoGS框架，通过图像空间监督和梯度优化解决野外3D高斯点云中瞬时干扰和光照导致的跨视图不一致问题，提升重建质量。
PairDropGS: 基于配对 Dropout 引起的一致性正则化的稀疏视角高斯点云法
机构 * School of Computer Science, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳校区计算机科学学院，中国） ； Pengcheng Laboratory, Shenzhen, China（鹏城实验室，中国） ； Smart Coding Institute, Pengcheng Laboratory, Shenzhen, China（鹏城实验室智能编码研究所，中国） ； School of Computer Science, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学计算机科学学院，中国）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出PairDropGS，通过配对Dropout引起的一致性正则化改进稀疏视角高斯点云法，提升训练稳定性与重建质量，同时保持方法的简洁性和易用性。
Comments 11 pages,8 figures
SkySplat: 多时序稀疏卫星图像上的通用3D高斯点云生成
机构 * School of Remote Sensing and Information Engineering, Wuhan University（武汉大学遥感与信息工程学院） ； Technology Innovation Center for Collaborative Applications of Natural Resources Data in GBA, Ministry of Natural Resources（粤港澳大湾区自然资源数据协同应用技术创新中心，自然资源部） ； Department of Geography and Resource Management, The Chinese University of Hong Kong（香港中文大学地理与资源管理系） ； China Railway Siyuan Survey and Design Group Co., LTD（中国铁路syuan调查设计集团有限公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 SkySplat通过整合RPC模型提升稀疏卫星图像的3D重建效率，采用自监督框架和跨自我一致性模块，实现86倍速度提升和更精确的重建结果。
Comments AAAI 2026. Code is available at https://github.com/NanCheng2001/SkySplat-main
ReorgGS：3D高斯散点的等效分布重新组织
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 ReorgGS通过重新组织3D高斯散点的分布，提升梯度可访问性并减少参数耦合，从而改善模型拟合质量与渲染效率。
SatSurfGS: 基于2D高斯散射的通用稀疏视图卫星表面重建
机构 * Faculty of Geosciences and Engineering, Southwest Jiaotong University, Chengdu, P.R. China（地质科学与工程学院，西南交通大学，成都，中华人民共和国）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出SatSurfGS方法，通过构建粗到细的高斯属性预测框架，解决稀疏视图卫星表面重建中的多视图匹配可靠性问题，提升重建精度和泛化能力。
为3D高斯散射实现129fps全高清实时加速器
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.GR
AI总结 本文提出一种低功耗低成本的3D高斯散射硬件加速器，结合迭代高斯剪枝与微调、渐进球谐函数度缩减和所有球谐函数系数及颜色的向量量化，实现全高清实时渲染，并在面积、吞吐量和能效方面优于现有方案。
Journal ref IEEE Transactions on Visualization and Computer Graphics, 2026
EnerGS: 基于部分几何先验的能量场能量基于高斯点散射
机构 * University of California, Los Angeles, California, USA（加州大学洛杉矶分校） ； University of Cambridge, Cambridge, UK（剑桥大学） ； Technical University of Munich, Munich, Germany（慕尼黑技术大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 EnerGS通过建模部分可观测几何为连续能量场，提升大规模户外场景中高斯点散射的光度质量和几何稳定性，同时缓解过拟合问题。
Flow4DGS-SLAM：基于光流的4D高斯点划法SLAM
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出基于光流的4D高斯点划法SLAM框架，通过光流引导实现动态环境的高效重建与姿态估计，结合时间一致性模型提升训练效率和动态重建质量。
时空降质感知的3D高斯点散布用于逼真水下场景重建
机构 * School of Astronautics Beihang University Beijing China（航天学院 北航 北京 中国） ； School of Artificial Intelligence Beihang University Beijing China（人工智能学院 北航 北京 中国） ； Zhongguancun Academy Beijing China（中关村学院 北京 中国） ； Beihang University School of Astronautics Beijing China（北航 航天学院 北京 中国） ； Beihang University（北航） ； Zhongguancun Academy（中关村学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出MarineSTD-GS框架，通过建模时空降质实现逼真水下场景重建，引入内在高斯和降质高斯，结合时空降质建模模块，改进几何和外观估计，实验表明其在处理时空降质和合成新视角方面优于现有方法。
Comments 12 pages, 10 figures, 6 tables. Author version of the paper published in Proceedings of ACM Multimedia 2025
Journal ref Proceedings of the 33rd ACM International Conference on Multimedia (ACM MM 2025), 2025
WildSplatter: 无约束图像中基于馈送的3D高斯散射与外观控制
机构 * NAIST（名古屋大学信息科学研究所） ； Ritsumeikan University（立命馆大学） ； Kyoto University（京都大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出WildSplatter，一种无需姿态信息的3D高斯散射模型，通过无约束图像学习3D高斯和外观嵌入，实现快速重建和光照变化下的外观控制。
Comments Project page: https://github.com/yfujimura/WildSplatter
RMGS-SLAM：基于3D高斯散射的实时多传感器SLAM
机构 * Advanced Robotics Centre, National University of Singapore（新加坡国立大学先进机器人中心） ； School of Aeronautics and Astronautics, Shanghai Jiao Tong University（上海交通大学航空宇航学院） ； College of Computer Science, Sichuan University（四川大学计算机学院） ； Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工联合研究技术联盟）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.RO
AI总结 本文提出一种实时多传感器SLAM框架，结合激光雷达、惯性导航和视觉数据，通过高斯散射实现高精度定位与真实感映射，解决了大规模环境中的实时SLAM挑战。
Comments The manuscript has been improved, with refined content and updated and corrected experimental results
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈