3D 视觉

ExtraGS: Enhancing Endoscopic View Extrapolation via Diffusion-Guided 3D Gaussian Splatting

ExtraGS：通过扩散引导的3D高斯点渲染增强内窥镜视图外推

Cheng-Tai Hsieh, Jiwei Shan, Han Fang, Jianshu Hu, Tao Ni, Lijun Han, Yutong Ban, Shing Shin Cheng, Hesheng Wang

机构 * The School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, and the Shanghai Key Laboratory of Navigation and Location-Based Services（上海交通大学自动化与智能感知学院以及上海市导航与位置服务重点实验室） ； Global College, Shanghai Jiao Tong University（上海交通大学密西根学院） ； Shanghai Ninth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属第九人民医院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 研究针对传统内窥镜视野局限及神经渲染外推有伪影问题，提出ExtraGS框架，通过不确定性引导虚拟相机采样、扩散模型细化视图及置信加权微调策略，增强内窥镜视图外推，在新视图合成中达先进性能。

AsySplat: Efficient Asymmetric 3D Gaussian Splatting for Long-Sequence Scene Modeling

AsySplat：用于长序列场景建模的高效非对称3D高斯点云渲染

Yingji Zhong, Dave Zhenyu Chen, Fuzhao Ou, Youyu Chen, Zhihao Li, Lanqing Hong, Dan Xu

机构 * HKUST（香港科技大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； CityU（城市大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 研究针对长序列场景建模中3D高斯点云渲染的冗余计算问题，提出非对称架构解耦几何与外观建模，通过双边连接交互，减少计算冗余，提高参数效率，在32视图960P输入上大幅提升效率并超越零样本性能。

Comments The project page is at https://zhongyingji.github.io/asysplat/

On the Design of Mixture-of-Experts for Dynamic Gaussian Splatting

关于动态高斯点云的专家混合模型设计

In-Hwan Jin, Hyeongju Mun, Joonsoo Kim, Kugjin Yun, Kyeongbo Kong

机构 * Pusan National University（釜山国立大学） ； Electronics and Telecommunications Research Institute (ETRI)（电子和电信研究所） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 研究动态3D高斯表示的多变形建模问题，提出变形专家混合（MoDE）和动态高斯点云专家混合（MoE-GS）两种方法，通过不同集成约束实现多变形建模，为该领域提供替代策略并阐明集成约束对变形专家设计及行为的影响。

Comments IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI, 2026)

GLC-SLAM: Gaussian Splatting SLAM with Efficient Loop Closure

GLC-SLAM：基于高效循环闭合的高斯点云SLAM

Ziheng Xu, Qingfeng Li, Chen Chen, Xuefeng Liu, Jianwei Niu

机构 * Beihang University（北航大学） ； Hangzhou Innovation Institute of Beihang University（北航杭州创新研究院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.RO

AI总结 GLC-SLAM通过全局优化和高效循环闭合解决大规模环境中的SLAM漂移问题，提升密集建图性能。

Journal ref Expert Systems with Applications (2026)

SA-ResGS: Self-Augmented Residual 3D Gaussian Splatting for Next Best View Selection

SA-ResGS：用于下一个最佳视图选择的自增强残差3D高斯点云绘制

Kim Jun-Seong, Tae-Hyun Oh, Eduardo Pérez-Pellitero, Youngkyoon Jang

机构 * POSTECH（POSTECH大学） ； KAIST（韩国科学技术院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Rivian 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；point cloud(abstract)；分类 cs.CV

AI总结 提出SA-ResGS框架，通过生成自增强点云稳定不确定性量化，增强不确定性感知监督。采用残差学习策略应对高斯分布监督不足问题，贡献包括物理视图选择策略、不确定性感知残差监督方案等，实验表明其性能优于基线。

Comments Accepted at ECCV 2026. Project page: https://saresgs.github.io/

Improved 3D Gaussian Splatting of Unknown Spacecraft Structure Using Space Environment Illumination Knowledge

利用空间环境照明知识改进未知航天器结构的3D高斯点扩散

Tae Ha Park, Simone D'Amico

机构 * Nara Space Technology Inc.（那拉航天科技公司） ； Dept. of Aeronautics & Astronautics, Stanford University（航空航天系，斯坦福大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.CV

AI总结 本文提出一种新流程，通过捕捉 rendezvous 和 proximity operations (RPO) 期间的图像序列，恢复未知目标航天器的3D结构。利用太阳位置先验知识提升3DGS的光照质量，以提高下游姿态估计任务的性能。

Comments Presented at 2025 IEEE International Conference on Space Robotics (iSpaRo)

Journal ref 2025 International Conference on Space Robotics (iSpaRo)

SPFSplatV2: Efficient Self-Supervised Pose-Free 3D Gaussian Splatting from Sparse Views

SPFSplatV2: 基于稀疏视图的高效自监督无姿态3D高斯泼溅

Ranran Huang, Krystian Mikolajczyk

机构 * Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电气与电子工程系） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出SPFSplatV2，一种从稀疏多视图图像进行3D高斯泼溅的前馈框架，无需真实姿态，通过共享特征提取、掩码注意力机制和重投影损失实现高效姿态估计和新视图合成，在域内外均达到最先进性能。

Monte Carlo Energy Aggregation for Mobile 3D Gaussian Splatting

移动端3D高斯泼溅的蒙特卡洛能量聚合

Xiaobiao Du, YuAn Wang, Hao Li, Bosheng Wang, Xun Sun, Xin Yu

机构 * University of Technology Sydney（悉尼技术大学） ； Baidu Inc.（百度公司） ； Australian Institute for Machine Learning（澳大利亚机器学习研究所） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 针对移动端3D高斯泼溅中高阶球谐函数带来的计算和存储开销问题，提出Flux-GS方法，通过蒙特卡洛能量聚合和属性条件增强模块实现低阶表示下的高质量渲染，并采用多视图密度控制减少冗余高斯体。

Comments ECCV 2026, Project Page:https://xiaobiaodu.github.io/flux-gs-project/

Shell-Supervised Gaussian Splatting for Urban Real-to-Sim Reconstruction

壳监督高斯溅射用于城市真实到仿真重建

Yuan Yang, Peijun Lu, Fangzhou Lu, Sai Fan, Siqi Yan, Chenyuan Zhang, Haobo Liang, Yichen Wang

机构 * Hong Kong Center for Construction Robotics（香港建设机器人中心） ； Tsinghua University（清华大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 提出壳监督高斯溅射框架，利用外部立面结构壳作为几何监督，通过掩码门控损失优化高斯重建，提升城市立面几何一致性。

Comments 10 pages main paper, 2 pages supplementary material

RefGlass-GS: A UAV-Enabled Fusion Framework for Photorealistic, Semantic and Interactive Digitization of Reflective Glass Facades via Gaussian Splatting

RefGlass-GS：一种通过高斯泼溅实现反射玻璃幕墙逼真、语义和交互式数字化的无人机融合框架

Zhenyu Liang, Xiao Zhang, Boyu Wang, Zhaolun Liang, Ang Li, Jeff Chak Fu Chan, Mingzhu Wang, Jack C. P. Cheng

机构 * Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科技大学土木与环境工程系） ； Department of Civil and Environmental Engineering, University of Maryland（马里兰大学土木与环境工程系） ； Department of the Built Environment, National University of Singapore（新加坡国立大学环境与建筑系） ； Department of Architecture and Civil Engineering, City University of Hong Kong（香港城市大学建筑与土木工程系） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出RefGlass-GS框架，结合最大后验估计分割玻璃面板、无人机视角规划优化、反射MLP与延迟着色改进高斯泼溅，实现反射玻璃幕墙的高质量数字化，在面板分割、视角合成和建模质量上显著优于现有方法。

OT-UVGS: Revisiting UV Mapping for Gaussian Splatting as a Capacity Allocation Problem

OT-UVGS：重新审视作为容量分配问题的UV映射用于高斯点扩散

Byunghyun Kim

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract)；分类 cs.GR

AI总结 本文提出OT-UVGS，将UV映射视为固定UV预算下的容量分配问题，通过最优传输启发的方法提升UV利用率，改善PSNR、SSIM和LPIPS等指标。

Comments Accepted to Eurographics 2026 Short Papers

Journal ref Eurographics 2026 - Short Papers, The Eurographics Association, 2026, 4 pages

ViewSplat: View-Adaptive 3D Gaussian Splatting for Feed-Forward Synthesis

ViewSplat: 用于前馈合成的视图自适应3D高斯散射

Moonyeon Jeong, Seunggi Min, Suhyeon Lee, Hongje Seong

机构 * University of Seoul（首尔市立大学） ； Korea Electronics Technology Institute（韩国电子技术研究院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 ViewSplat通过视图自适应的3D高斯散射方法提升未置位图像的视图合成精度，采用视图依赖的残差更新机制，实现高保真度的实时渲染。

Comments Accepted to ECCV 2026

SatSplatDiff: Geometry-preserving generative refinement for high-fidelity satellite Gaussian Splatting

SatSplatDiff: 用于高保真卫星高斯泼溅的几何保持生成式精化

Jiyong Kim, Shuang Song, Ronjgun Qin

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 提出SatSplatDiff方法，通过单目深度监督、多尺度几何精化和阴影引导的生成式精化，在保持几何一致性的同时提升卫星高斯泼溅的视觉保真度，在IARPA2016和DFC2019数据集上实现几何MAE降低18%、视觉保真度提升28-45%。

Comments 23 pages, 15 figures

Renderable Partial Representations for Dynamic Gaussian Splatting under Incomplete Delivery

不完整交付下动态高斯溅射的可渲染部分表示

Faruk Alpay, Levent Sarioglu, Yaser Hadri

专题命中 Gaussian Splatting ：Gaussian Splatting(title)；NeRF(abstract,abstract_cn)；分类 cs.GR

AI总结 针对动态高斯表示在交互式渲染中因部分交付导致的退化问题，提出将基元组织为独立寻址的时空簇，通过训练部分依赖图并最小化期望失真、尾部失真等，实现不完整状态仍可直接渲染，并在实验上优于名义层序。

Comments 19 pages, 8 figures, 3 tables. Code, tests, configurations, pinned environment, and measurement records (including the partial-state oracle atlas) are provided as ancillary files

Fi-Gaussian: Frequency-Aware Implicit Gaussian Splatting for Single Image Dehazing

Fi-Gaussian：面向单图像去雾的频率感知隐式高斯泼溅

Yuhan Chen, Ying Fang, Guofa Li, Wenxuan Yu, Yicui Shi, Kunyang Huang, Wenbo Chu, Keqiang Li

机构 * College of Mechanical and Vehicle Engineering, Chongqing University（重庆大学机械与车辆工程学院） ； Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电气与计算机工程系） ； National Innovation Center of Intelligent and Connected Vehicles（国家智能网联汽车创新中心） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；point cloud(abstract)；分类 cs.CV

AI总结 提出Fi-Gaussian网络，利用频率感知隐式高斯泼溅模块解耦高低频信息并自适应聚合，结合物理散射重归一化机制，实现单图像去雾的SOTA性能。

BEAST3D: Animal behavioral analysis and neural encoding from multi-view video via Gaussian splatting

BEAST3D: 通过高斯泼溅从多视角视频进行动物行为分析与神经编码

Yanchen Wang, Lenny Aharon, Wangshu Zhu, Kyle Daruwalla, Linghua Zhang, Jiaru Zou, Selmaan Chettih, Helen Hou, Liam Paninski, Matthew R Whiteway

机构 * Columbia University（哥伦比亚大学） ； Cold Spring Harbor（冷泉港） ； Stanford University（斯坦福大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title)；3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出BEAST3D自监督预训练框架，利用未标注的多视角视频通过3D高斯泼溅重建和动物分割，学习3D视觉表征，有效应用于新视角合成、多视角姿态估计和神经编码。

GSV3D: Gaussian Splatting-based Geometric Distillation with Stable Video Diffusion for Single-Image 3D Object Generation

GSV3D: 基于高斯溅射的几何蒸馏与稳定视频扩散用于单图像3D物体生成

Ye Tao, Jiawei Zhang, Yahao Shi, Dongqing Zou, Bin Zhou

机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（虚拟现实技术与系统国家重点实验室，北京航空航天大学） ； SenseTime Research（商汤科技研究院） ； PBVR 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D generation(abstract)；分类 cs.CV

AI总结 提出一种结合2D扩散模型隐式3D推理能力与高斯溅射几何蒸馏的方法，通过高斯溅射解码器将SV3D潜变量输出转换为显式3D表示，实现多视图一致性和高质量3D生成。

DeblurSplat: SfM-free 3D Gaussian Splatting with Event Camera for Robust Deblurring

DeblurSplat：基于事件相机的无SfM三维高斯泼溅鲁棒去模糊方法

Pengteng Li, Yunfan Lu, Pinhao Song, Weiyu Guo, Huizai Yao, F. Richard Yu, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； KU Leuven（卢森堡大学） ； Carleton University（卡尔顿大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；point cloud(abstract)；分类 cs.CV

AI总结 提出首个无需运动恢复结构的去模糊三维高斯泼溅方法，利用密集立体模块和事件流实现高质量新视图合成与高效渲染。

Comments Accepted by TMM 2026

DelowlightSplat: Feed-Forward Gaussian Splatting for Lowlight 3D Scene Reconstruction

DelowlightSplat: 面向低光照3D场景重建的前馈高斯泼溅

Fuzhen Jiang, Zengtian Xie, Zhuoran Li

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Zhuhai College of Science（珠海科技学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 提出DelowlightSplat，一种低光照感知的前馈高斯泼溅框架，通过轻量级低光照适配器和成本体积多视图推理，从稀疏有噪声图像中直接预测干净3D高斯，实现高质量新视角合成。

RiGS: Rigid-aware 4D Gaussian Splatting from a Single Monocular Video

RiGS: 从单目视频中的刚性感知4D高斯泼溅

Chenyu Wu, Wanhua Li, Zhu-Tian Chen, Hanspeter Pfister

机构 * Harvard University（哈佛大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； University of Minnesota - Twin Cities（明尼苏达大学-双城分校） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出RiGS，通过静态、刚性和瞬态三种高斯原语分别建模不同时间尺度的运动，并利用目标动态掩码和场景流引导实现单目视频动态场景重建，在新视角合成任务上达到最优性能。

SplAttN: Bridging 2D and 3D with Gaussian Soft Splatting and Attention for Point Cloud Completion

SplAttN: 通过高斯软溅射和注意力在2D和3D之间架桥以实现点云补全

Zhaoyang Li, Zhichao You, Tianrui Li

机构 * School of Computing and Artificial Intelligence（计算与人工智能学院） ； Southwest Jiaotong University（西南交通大学） ； Chengdu, China（中国成都） 纠错

专题命中 Gaussian Splatting ：point cloud(title,abstract)；Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出SplAttN方法，通过高斯软溅射和注意力机制解决点云补全中2D和3D模态连接问题，改进了传统硬投影导致的跨模态熵塌陷问题，实现了更有效的跨模态连接学习。

Comments Accepted as a Spotlight paper at ICML 2026; camera-ready version

PanoPlane: Plane-Aware Panoramic Completion for Sparse-View Indoor 3D Gaussian Splatting

PanoPlane：基于平面感知的稀疏视角室内3D高斯散点完成

Adil Qureshi, Dongki Jung, Jaehoon Choi, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 PanoPlane通过全景场景完成重建封闭房间几何，利用360度全景完成条件生成过程，通过Layout Anchored Attention Steering机制引导扩散模型注意力至检测到的平面表面，实现基于几何一致性的表面外推，提升稀疏视角下的新型视图合成质量。

VDEGaussian: Video Diffusion Enhanced 4D Gaussian Splatting for Dynamic Urban Scenes Modeling

VDEGaussian：基于视频扩散的4D高斯点云用于动态城市场景建模

Yuru Xiao, Zihan Lin, Chao Lu, Deming Zhai, Kui Jiang, Wenbo Zhao, Wei Zhang, Junjun Jiang, Huanran Wang, Xianming Liu

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出一种结合视频扩散的4D高斯点云方法，解决动态场景建模中快速移动物体建模难题，通过时间一致性先验和不确定性蒸馏提升新型视角合成效果。

Light 'em Up: Enabling Few-Shot Low-Light 3D Gaussian Splatting with Multi-Scale Explicit Retinex Illumination Decoupling

点亮它们：通过多尺度显式Retinex照明解耦实现少样本低光3D高斯点溅射

YuHao Yin, Zongji Wang, Yuanben Zhang, Biqing Li, Jiesong Bai, Junyi Liu

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； Key Laboratory of Target Cognition and Application Technology (TCAT)（目标认知与应用技术重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 本文提出MERID-GS框架，通过多尺度显式Retinex照明解耦和3D高斯点溅射，实现低光环境下少样本高质量360度视图合成，同时提升跨场景泛化能力与视图一致性。

Comments 19 pages, 5 figures. Code available at https://github.com/YhuoyuH/MERID-GS

SPAGS: Sparse-View Articulated Object Reconstruction from Single State via Planar Gaussian Splatting

SPAGS：基于单一状态的稀疏视角关节物体重建（通过平面高斯溅射）

Di Wu, Liu Liu, Xueyu Yuan, Wenxiao Chen, Lijun Yue, Liuzhu Chen, Yiming Tang, Meng Wang

机构 * Hefei University of Technology（合肥工业大学） ； Tencent RoboticsX（腾讯机器人院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出一种无需多视角观测的关节物体重建方法，通过平面高斯溅射实现稀疏视角下的高精度重建，结合视觉-语言模型实现开放词汇部分分割与参数估计。

Comments 10 pages, 7 figures

MedGS: Gaussian Splatting for Multi-Modal 3D Medical Imaging

MedGS：用于多模态3D医学影像的高斯点散射

Kacper Marzol, Ignacy Kolton, Weronika Smolak-Dyżewska, Joanna Kaleta, Żaneta Świderska-Chadaj, Marcin Mazur, Mirosław Dziekiewicz, Tomasz Markiewicz, Przemysław Spurek

机构 * Jagiellonian University, Poland（雅盖隆大学，波兰） ； Warsaw University of Technology, Poland（华沙理工大学，波兰） ； IDEAS Research Institute, Poland（IDEAS研究所，波兰） ； Military Institute of Medicine, Poland（军事医学研究所，波兰） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出MedGS，一种利用内镜成像独特性质的3D重建框架，通过物理逼真重照明模型提升重建质量，实现更准确的临床应用。

GS4City: Hierarchical Semantic Gaussian Splatting via City-Model Priors

GS4City: 通过城市模型先验实现层次化语义高斯点云

Qilin Zhang, Jinyu Zhu, Olaf Wysocki, Benjamin Busam, Boris Jutzi

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； CV4DT, University of Cambridge（剑桥大学CV4DT） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.CV

AI总结 GS4City通过整合城市模型先验，实现层次化语义高斯点云，有效整合建筑语义，优于现有2D驱动的3DGS方法，提升城市重建的语义查询能力和结构感知能力。

Naka-GS: A Bionics-inspired Dual-Branch Naka Correction and Progressive Point Pruning for Low-Light 3DGS

Naka-GS：一种生物启发的双分支Naka校正和渐进点修剪用于低光3DGS

Runyu Zhu, SiXun Dong, Zhiqiang Zhang, Qingxia Ye, Zhihua Xu

机构 * China University of Mining and Technology-Beijing（中国矿业大学（北京）） 纠错

专题命中 Gaussian Splatting ：3DGS(title)；Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出Naka-GS框架，通过双分支Naka校正和渐进点修剪提升低光条件下3DGS的光度恢复与几何初始化，提高重建质量与稳定性。

MonoEM-GS: Monocular Expectation-Maximization Gaussian Splatting SLAM

MonoEM-GS: 单目期望-最大化高斯点云SLAM

Evgenii Kruzhkov, Sven Behnke

机构 * Autonomous Intelligent Systems group, Computer Science Institute VI – Intelligent Systems and Robotics – and the Center for Robotics and the Lamarr Institute for Machine Learning and Artificial Intelligence, University of Bonn（波恩大学自主智能系统组、计算机科学研究所VI——智能系统与机器人学——以及机器人中心与拉马尔机器学习和人工智能研究所） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；point cloud(abstract)；分类 cs.RO

AI总结 MonoEM-GS通过整合几何预测到全局高斯点云表示中，解决视点依赖性和噪声问题，结合期望-最大化方法稳定几何并采用ICP对齐估计姿态，支持多模式特征参数化实现开放集分割等下游任务。

LoBE-GS: Load-Balanced and Efficient 3D Gaussian Splatting for Large-Scale Scene Reconstruction

LoBE-GS：负载均衡且高效的3D高斯点散射用于大规模场景重建

Sheng-Hsiang Hung, Ting-Yu Yen, Wei-Fang Sun, Simon See, Shih-Hsuan Hung, Hung-Kuo Chu

机构 * National Tsing Hua University（国立清华大学） ； NVIDIA AI Technology Center (NVAITC)（NVIDIA AI技术中心（NVAITC）） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.CV

AI总结 LoBE-GS通过负载均衡的KD树分区和优化切线，提升大规模3DGS场景重建效率，实现两倍更快的端到端训练时间，同时保持重建质量并支持无法用传统3DGS处理的场景。