3D 视觉

Rethinking Road Surface 3D Reconstruction and Pothole Detection: From Perspective Transformation to Disparity Map Segmentation

Rui Fan, Umar Ozgunalp, Yuan Wang, Ming Liu, Ioannis Pitas

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV、cs.RO

3D Object Detection on Point Clouds using Local Ground-aware and Adaptive Representation of scenes' surface

Arun CS Kumar, Disha Ahuja, Ashwath Aithal

专题命中 三维重建 ：point cloud(title)；分类 cs.CV、cs.RO

Dense 3D Reconstruction for Visual Tunnel Inspection using Unmanned Aerial Vehicle

Ramanpreet Singh Pahwa, Kennard Yanting Chan, Jiamin Bai, Vincensius Billy Saputra, Minh N. Do, Shaohui Foong

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV、cs.RO

Comments 8 pages, 12 figures

Journal ref IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2019

Sparse2Dense: From direct sparse odometry to dense 3D reconstruction

Jiexiong Tang, John Folkesson, Patric Jensfelt

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV、cs.RO

Comments Accepted to ICRA 2019 (RA-L option), video demo available at https://www.youtube.com/watch?v=3pbSHX72JC8&t=22s

Full 3D Reconstruction of Transparent Objects

Bojian Wu, Yang Zhou, Yiming Qian, Minglun Gong, Hui Huang

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV、cs.GR

Comments Accepted to SIGGRAPH 2018

Meshed Up: Learnt Error Correction in 3D Reconstructions

Michael Tanner, Stefan Saftescu, Alex Bewley, Paul Newman

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV、cs.RO

Comments Accepted for the International Conference on Robotics and Automation (ICRA) 2018

BundleFusion: Real-time Globally Consistent 3D Reconstruction using On-the-fly Surface Re-integration

Angela Dai, Matthias Nießner, Michael Zollhöfer, Shahram Izadi, Christian Theobalt

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV、cs.GR

Virtual Rephotography: Novel View Prediction Error for 3D Reconstruction

Michael Waechter, Mate Beljan, Simon Fuhrmann, Nils Moehrle, Johannes Kopf, Michael Goesele

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV、cs.GR

Comments 10 pages, 12 figures, paper was submitted to ACM Transactions on Graphics for review

Pano Popups: Indoor 3D Reconstruction with a Plane-Aware Network

Marc Eder, Pierre Moulon, Li Guan

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV；3D vision(comments)

Comments 2019 International Conference on 3D Vision (3DV). IEEE, 2019

Real2Edit2Real: Generating Robotic Demonstrations via a 3D Control Interface

Real2Edit2Real：通过3D控制界面生成机器人演示

Yujie Zhao, Hongwei Fan, Di Chen, Shengcong Chen, Liliang Chen, Xiaoqi Li, Guanghui Ren, Hao Dong

机构 * CFCS, School of Computer Science, Peking University（计算机学院，北京大学） ； PKU-AgiBot Lab（北大AgiBot实验室） ； AgiBot 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV、cs.GR、cs.RO

AI总结 本文提出Real2Edit2Real框架，通过3D可编辑性与2D视觉数据结合，减少重复数据收集，提升空间泛化能力，实验表明其数据效率提升显著。

Comments Accepted to CVPR 2026

FusionSense: Bridging Common Sense, Vision, and Touch for Robust Sparse-View Reconstruction

Irving Fang, Kairui Shi, Xujin He, Siqi Tan, Yifan Wang, Hanwen Zhao, Hung-Jui Huang, Wenzhen Yuan, Chen Feng, Jing Zhang

专题命中 三维重建 ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV、cs.GR、cs.RO

Zero-1-to-3: Zero-shot One Image to 3D Object

Ruoshi Liu, Rundi Wu, Basile Van Hoorick, Pavel Tokmakov, Sergey Zakharov, Carl Vondrick

专题命中 三维重建 ：3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.GR、cs.RO

Comments Website: https://zero123.cs.columbia.edu/

Seeing through boxes: Non-Line-of-Sight 3D Reconstruction from Radar Signals

透视箱子：基于雷达信号的非视距三维重建

Jiachen Lu, Hailan Shanbhag, Haitham Al Hassanieh

机构 * École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑校区） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 提出统一视距与非视距神经几何重建框架GeRaF 2.0，利用外部视距几何约束引导射频信号传播，实现稳定训练和物理一致的重建，在射频几何重建中达到新最优。

Comments Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

Convolutional Neural Shading for High-Quality 3D Reconstruction from Multi-View Images

用于从多视图图像高质量三维重建的卷积神经着色

Juheon Hwang, Taewan Kim, Heeseok Oh, Jiwoo Kang

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 该研究提出卷积神经着色（CNS）方法，通过卷积神经着色器和细节位移网络解决现有三维重建方法的单点信息局限，提升了多视图图像三维重建的质量。

Journal ref Multimedia Systems, vol. 31, no. 4, pp. 296, July 2025

MSVS-VAE: Multi-Scale Anchored VecSet for High-Fidelity 3D Reconstruction

MSVS-VAE：用于高保真3D重建的多尺度锚定向量集

Dehao Hao, Kaiyi Zhang, Tanghui Jia, Xiangjun Gao, Dongyu Yan, Weikai Chen, Zeyu Hu, Lingting Zhu, Yingda Yin, Runze Zhang, Li Yuan, Xin Wang, Long Quan

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lightspeed Studios（光速工作室） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 研究针对高保真3D重建中VAE的瓶颈问题，提出MSVS-VAE。通过分层点洗牌上采样 densify 锚定向量集潜在特征，用AVS-Conv取代全局交叉注意力，引入多尺度查询解码融合特征，实验表明其性能优于现有方法，解码速度和紧凑性有显著提升。

Targeted Structure Completion for Sparse-View 3D Reconstruction in Autonomous Driving

自动驾驶中稀疏视图3D重建的目标结构完成

Guoqing Wang, Pin Tang, Xiangxuan Ren, Liping Hou, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, Institute of AI, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Central Research Institute, Huawei（华为中央研究院） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 针对自动驾驶稀疏视图3D重建难题，提出FocusGS框架，通过解耦结构完成与确定性区域，集中计算于几何模糊区域，设计模块优化高斯查询，提升效率质量平衡。

Comments Accepted by ECCV2026

PRISM: Feed-Forward Single-Image 3D Reconstruction via Geometric Warp-Residual Modeling

PRISM: 基于几何扭曲残差建模的前馈式单图像三维重建

Zhijie Zheng, Xinhao Xiang, Jiawei Zhang

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 提出PRISM前馈框架，将多视角潜在预测分解为无参数几何先验和可学习残差校正，无需扩散采样，推理时间仅36秒/场景，重建质量与扩散方法相当。

$R^3$: 3D Reconstruction via Relative Regression

$R^3$: 通过相对回归进行3D重建

Congrong Xu, Huachen Gao, Xingyu Chen, Yuliang Xiu, Jun Gao, Anpei Chen

机构 * University of Michigan（密歇根大学） ； Westlake University（西雅图大学） ； NVIDIA Research（英伟达研究） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 提出一种基于相对回归的3D重建方法$R^3$，使用轻量级MLP预测置信度加权的相对约束，以支持全上下文离线重建和因果有界内存流式重建。

HyDAR-Pano3D: A Hybrid Disentangled Anatomical Recovery Framework for Panoramic-to-3D Reconstruction

HyDAR-Pano3D: 一种用于全景到3D重建的混合解耦解剖恢复框架

Yaoyao Yue, Jérôme Schmid, Xiaoshuang Li, Eduardo Delamare, Jinman Kim

机构 * School of Computer Science, the University of Sydney（悉尼大学计算机科学学院） ； Geneva School of Health Sciences, HES-SO University of Applied Sciences and Arts Western Switzerland（日内瓦健康科学学院，HES-SO应用科学和艺术西瑞士大学） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系） ； Sydney Dental School, Faculty of Medicine and Health, The University of Sydney（悉尼牙科学院，医学与健康学院，悉尼大学） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 本文提出HyDAR-Pano3D框架，通过解耦解剖恢复问题来解决全景影像到CBCT重建中的模糊问题，实验表明其在PSNR、SSIM和Dice评分上均优于基线方法，能够有效恢复临床相关的解剖结构。

Comments 10 pages

Quality-guided UAV Surface Exploration for 3D Reconstruction

基于质量引导的无人机表面探索用于3D重建

Benjamin Sportich, Kenza Boubakri, Olivier Simonin, Alessandro Renzaglia

机构 * Inria（法国国家信息与自动化技术研究所） ； INSA Lyon（里昂国立应用科学学院） ； CITI（信息与通信技术研究所） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.RO

AI总结 本文提出了一种新的模块化Next-Best-View规划框架，通过使用重建质量目标来指导探索规划，以提高3D重建的效率和质量。

CARD: A Multi-Modal Automotive Dataset for Dense 3D Reconstruction in Challenging Road Topography

CARD: 一种用于复杂道路地形密集3D重建的多模态汽车数据集

Gasser Elazab, Frank Neuhaus, Tilman Koß, Malte Splietker, Aditya Date, Michael Unterreiner, Maximilian Jansen, Olaf Hellwich

机构 * CARIAD SE（CARIAD公司） ； Technische Universität Berlin（柏林技术大学） ； Vision & Robotics GmbH（视觉与机器人技术有限公司） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 CARD数据集通过提供连续序列中的近密3D地面真实信息，解决了现有数据集在复杂道路地形下深度估计和补全的不足，支持更精确的几何和感知任务评估。

Comments Accepted at CVPR 2026 (Highlight). Project page: https://card.content.cariad.digital

Generalizable Sparse-View 3D Reconstruction from Unconstrained Images

可泛化稀疏视角3D重建从无约束图像

Vinayak Gupta, Chih-Hao Lin, Shenlong Wang, Anand Bhattad, Jia-Bin Huang

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 本文提出GenWildSplat框架，通过学习几何先验在无场景优化情况下实现稀疏视角户外3D重建，利用外观适配器和语义分割处理光照和遮挡，实现跨不同光照和遮挡模式的泛化。

Comments Project Page: https://genwildsplat.github.io/

SyncFix: Fixing 3D Reconstructions via Multi-View Synchronization

SyncFix：通过多视图同步修复3D重建

Deming Li, Abhay Yadav, Cheng Peng, Rama Chellappa, Anand Bhattad

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Virginia（弗吉尼亚大学） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 SyncFix通过多视图同步在扩散过程中修复3D重建的语义和几何不一致，利用联合潜在桥接匹配问题提升重建质量，即使在无干净参考图像时也能生成高质量结果。

Comments Project website: https://syncfix.github.io/

TOSC: Task-Oriented Shape Completion for Open-World Dexterous Grasp Generation from Partial Point Clouds

TOSC：面向任务的形状补全用于从部分点云生成开放世界灵巧抓取

Weishang Wu, Yifei Shi, Zhiping Cai

专题命中 三维重建 ：point cloud(title)；分类 cs.RO

AI总结 本文提出面向任务的形状补全方法，通过生成任务导向的接触区域完成方案，提升开放世界中灵巧抓取的性能，改进抓取位移和 Chamfer 距离。

Comments Accepted to AAAI 2026

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(13), 10781-10789 (2026)

FF3R: Feedforward Feature 3D Reconstruction from Unconstrained views

FF3R：从无约束视角实现前馈特征三维重建

Chaoyi Zhou, Run Wang, Feng Luo, Mert D. Pesé, Zhiwen Fan, Yiqi Zhong, Siyu Huang

机构 * Microsoft（微软） ； Clemson University（克莱姆森大学） ； Texas A&M University（德克萨斯A&M大学） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 FF3R提出一种无需标注的前馈框架，统一处理几何与语义推理，解决全局语义不一致和局部结构不一致问题，实验显示其在视图合成、语义分割和深度估计中表现优异。

Comments CVPR 2026 Findings. Project Page: https://chaoyizh.github.io/ff3r_project/

A Semi-Automated Framework for 3D Reconstruction of Medieval Manuscript Miniatures

一种用于中世纪手稿微型画三维重建的半自动化框架

Riccardo Pallotto, Pierluigi Feliciati, Tiberio Uricchio

机构 * University of Macerata（马切拉塔大学） ； University of Pisa（比萨大学） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 本文提出一种半自动化框架，将中世纪手稿中的二维微型画转换为适用于扩展现实、触觉3D打印和网络可视化三维数字模型，通过评估七种图像到3D方法，发现体积扩展与几何保真度之间的权衡。

Confidence-Driven Facade Refinement of 3D Building Models Using MLS Point Clouds

基于MLS点云的3D建筑模型置信度驱动 facade 精细处理

Xiaoyu Huang

机构 * Technical University of Munich（慕尼黑工业大学） 纠错

专题命中 三维重建 ：point cloud(title)；分类 cs.CV

AI总结 本文提出一种利用粗略模型作为几何先验的自动细化框架，通过表面匹配和二进制整数优化提升建筑立面精度，实验表明能有效校正立面偏差，减少云到网格RMSE约36%。

UniRecGen: Unifying Multi-View 3D Reconstruction and Generation

UniRecGen：统一多视图3D重建与生成

Zhisheng Huang, Jiahao Chen, Cheng Lin, Chenyu Hu, Hanzhuo Huang, Zhengming Yu, Mengfei Li, Yuheng Liu, Zekai Gu, Zibo Zhao, Yuan Liu, Xin Li, Wenping Wang

机构 * Macau University of Science and Technology（澳门科技大学） ； Xidian University（西安电子科技大学） ； ShanghaiTech University（上海科技大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of California, Irvine（加利福尼亚大学尔湾分校） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 UniRecGen融合了高效重建与生成模型，通过共享空间协作学习提升多视图3D模型的完整性和一致性，实验显示其在稀疏观测下生成更精确稳定的3D模型。

DRoPS: Dynamic 3D Reconstruction of Pre-Scanned Objects

DRoPS: 动态物体预扫描的动态3D重建

Narek Tumanyan, Samuel Rota Bulò, Denis Rozumny, Lorenzo Porzi, Adam Harley, Tali Dekel, Peter Kontschieder, Jonathon Luiten

机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； Meta Reality Labs（Meta现实实验室） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 本文提出DRoPS方法，利用动态物体的预扫描作为几何和外观先验，通过网格结构模型和CNN参数化运动，提升渲染质量和3D跟踪精度。

Comments Project page: https://drops-dynamics.github.io/

PE3R: Perception-Efficient 3D Reconstruction

PE3R：感知高效的3D重建

Jie Hu, Shizun Wang, Xinchao Wang

机构 * xML Lab, National University of Singapore（新加坡国立大学xML实验室） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 PE3R提出一种无需调优的框架，通过集成多视图几何与2D语义先验，实现跨场景的高效3D语义重建，提升推理速度并取得新的SOTA精度。

Comments Accepted to CVPR 2026