视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
Flash-Mono: 基于前馈加速的高斯点云单目SLAM
机构 * Fudan University（复旦大学） ； ShanghaiTech University（上海科技大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.RO
AI总结 Flash-Mono通过前馈预测前端和高效隐藏状态模块，解决了单目高斯点云SLAM在时间效率、几何精度和多视角一致性方面的不足，实现10倍速度提升和高质量渲染。
Journal ref International Conference on Learning Representations, 2026
FaCT-GS：基于高斯点撒的快速可扩展CT重建
机构 * Technical University of Denmark（丹麦技术大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出FaCT-GS框架，通过优化体素化和光栅化流程，实现快速且可扩展的CT重建，比现有方法快4-13倍，适用于不同投影尺寸。
TRiGS：用于可扩展4D高斯点分布的时序刚体运动
机构 * Sogang University（西江大学） ； Pusan National University（釜山国立大学） ； POSTECH（浦项科技大学） ； Seoul National University（首尔国立大学） ； Electronics and Telecommunications Research Institute（电子通信研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 TRiGS通过统一的连续几何变换解决4D高斯点分布中时间碎片化问题，实现对复杂非线性动态的稳定建模，支持扩展视频序列的高效渲染。
Comments Project page: https://wwwjjn.github.io/TRiGS-project_page/
ARGS：通过并行渐进下一尺度预测实现自动回归高斯点撒
机构 * South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Lightspeed
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出ARGS框架，通过并行生成多尺度高斯表示，实现3D物体生成的高效下一尺度预测，提升结构一致性与视觉保真度。
MotionScale：通过可扩展的4D高斯点划法重建动态场景的外观、几何和运动
机构 * National University of Singapore（新加坡国立大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出MotionScale框架，通过可扩展的4D高斯点划法实现动态场景的高保真重建，解决复杂环境中3D几何和时间一致运动的恢复问题。
Comments Accepted to CVPR 2026
基于特征高斯点云的层次视觉重定位
机构 * Southern University of Science and Technology（南方科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出SplatHLoc框架，利用特征高斯点云进行层次视觉重定位，通过自适应视角检索和混合特征匹配提升重定位精度与鲁棒性。
Comments Accepted to CVPR 2026
基于射线分组的放松刚性方法用于动态高斯点云渲染
机构 * GIST（光州科学技术院） ； Yonsei Univ.（延世大学） ； SNU（首尔大学） ； DGIST（大邱庆北科学技术院） ； NAVER AI Lab（NAVER AI实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出基于射线分组的放松刚性方法，通过保持高斯点云在时间上的局部几何结构，提升动态3D场景重建的物理合理性与时间一致性。
Comments 24 pages, 7 figures
IDESplat: 迭代深度概率估计用于通用的3D高斯散射
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 IDESplat通过迭代深度概率估计提升3D高斯散射的通用性，利用多级DPBU单元消除单一 warp 的不稳定性，实现更精确的高斯均值预测。
FilterGS: 无遍历并行过滤与自适应收缩用于大规模LoD 3D高斯点扩散
机构 * Beijing Institute of Technology（北京理工大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 FilterGS通过并行过滤机制和自适应高斯收缩策略，解决大规模LoD 3D高斯点扩散中遍历效率低和冗余高斯-瓷砖对的问题，实现高效渲染。
F4Splat：面向前馈3D高斯点绘制的预测密集化
机构 * KAIST（韩国国立科学技术院） ； Korea University（韩国大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出F4Splat，通过面向前馈3D高斯点绘制的预测密集化方法，引入基于密集度指导的分配策略，实现自适应的空间复杂度和多视角重叠的高斯点分配，减少冗余并提升重建质量。
Comments Project Page: $\href{https://mlvlab.github.io/F4Splat}{\text{this http URL}}$
IDSplat：实例分解的3D高斯点云法用于驾驶场景
机构 * Zenseact ； Chalmers University of Technology（瑞典查尔姆斯理工大学） ； University of Amsterdam（阿姆斯特丹大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 IDSplat通过实例分解和可学习运动轨迹重建动态驾驶场景，无需人工标注，实现场景分离与泛化。
3DSceneEditor: 基于高斯散射的可控3D场景编辑
机构 * D Optical Metrology unit, Fondazione Bruno Kessler（3D光学测绘单元，布鲁诺·凯斯勒基金会） ； Department of Information Engineering and Computer Science, University of Trento（信息工程与计算机科学系，特伦托大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出3DSceneEditor，通过高斯散射实现高效精准的3D场景编辑，整合实例分割模型与CLIP实现语义对齐，支持对象添加、重定位等操作，实验表明其在精度和效率上优于现有方法。
Comments Accepted by WACV 2026, Project Page: https://ziyangyan.github.io/3DSceneEditor
面向相机的跨视角对齐用于指称3D高斯点云分割
机构 * East China Normal University（东华师范大学） ； Tsinghua University（清华大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出CaRF框架，通过引入CAM和GCLA模块，实现3D高斯点云中跨视角指称的一致性对齐，提升分割性能。
Comments Accepted to ICME 2026
Remove360: 3D高斯散射中物体移除后残差的基准测试
机构 * CTU in Prague, Czech Republic（布拉格CTU，捷克共和国）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出Remove360数据集和评估框架，用于量化3D高斯散射中物体移除后的语义残差，揭示几何移除与语义擦除之间的差距，强调隐私保护移除方法的必要性。
OnlinePG: 在线开放词汇全景映射与3D高斯点云分裂
机构 * State Key Lab of CAD & CG（CAD与CG国家重点实验室） ； VIVO BlueImage Lab（VIVO BlueImage实验室） ； HKUST（香港科技大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出OnlinePG，通过在线全景映射结合3D高斯点云分裂实现开放词汇场景理解，解决现有方法在实时性和实例级理解上的不足。
Comments CVPR 2026
Inst4DGS：基于多视频标签排列学习的实例分解4D高斯点划法
机构 * University of Maryland, College Park, USA（马里兰大学学院公园分校）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出Inst4DGS，通过引入视频标签排列潜在变量，解决多视角视频中实例标签不一致的问题，实现实例分解与跟踪，并在渲染和分割质量上达到最优。
通过高斯点撒技术参数化数据集
机构 * The School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳校区计算机科学与技术学院） ； Institute of Perceptual Intelligence, Pengcheng Laboratory（感知智能研究院，鹏城实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出GSDD，一种基于高斯点撒的数据集参数化技术，通过高效存储结构提升数据集压缩效率，增强多样性并提升蒸馏性能。
Comments 19 pages; Code is available on https://github.com/j-cyoung/GSDatasetDistillation
M^3：密集匹配与多视角基础模型结合的单目高斯点云SLAM
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Zhejiang University（浙江大学） ； Beijing Institute of Technology（北京理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出M^3，结合多视角基础模型与单目高斯点云SLAM，通过引入匹配头提升密集对应关系，增强跟踪稳定性，在多种基准上取得优异的位姿估计和场景重建性能。
Comments Project page: https://city-super.github.io/M3/
GATS: 基于高斯意识的时间缩放变换器的不变四维时空点云表示
机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； Xi’an Jiaotong University（西安交通大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室）
专题命中 Gaussian Splatting ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出GATS框架，通过不确定性引导的高斯卷积和时间缩放注意力模块，解决四维点云视频中时间尺度偏差和分布不确定性问题，提升鲁棒性和精度。
NavGSim: 高保真度高斯点扩散模拟器用于大规模导航
机构 * Peking University（北京大学） ； Galbot ； BAAI（中国人工智能研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.RO
AI总结 NavGSim基于高斯点扩散框架，生成高保真度大规模导航环境，通过高斯点扩散切片技术提取可导航区域，提供多GPU支持的API，提升视觉-语言-动作模型的场景理解能力。
S2GS：流式语义高斯点云用于在线场景理解和重建
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 S2GS提出一种严格因果的增量3D高斯语义场框架，通过分离几何与语义的双主干设计，实现在线场景重建与理解，显著提升长视界可扩展性。
Comments 10 pages, 7 figures
UPGS：面向动态场景模糊的统一姿态感知高斯点分布
专题命中 Gaussian Splatting ：Gaussian Splatting(title)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出统一优化框架，通过将相机姿态作为可学习参数与3DGS属性结合，实现端到端优化，提升动态去模糊的重建质量和姿态估计精度。
GT2-GS：基于几何的纹理迁移用于高斯点扩散
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 本文提出GT2-GS框架，通过几何感知损失和自适应细粒度控制模块，提升高斯点扩散中纹理迁移的质量与可控性，使结果更符合人类视觉感知。
Comments Accepted to AAAI 2026
RetimeGS: 4D高斯点云的连续时间重建
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 RetimeGS通过显式定义3D高斯的时序行为，解决4D高斯点云在连续时间下重建时的时序混叠问题，实现流畅且一致的渲染效果。
Comments Accepted to CVPR2026
ReSplat: 学习递归高斯点散射
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 ReSplat通过递归高斯点散射方法，利用渲染误差反馈信号实现高效3D重建，减少高斯点数量并提升渲染速度，取得最佳性能。
Comments Project page: https://haofeixu.github.io/resplat/ Code: https://github.com/cvg/resplat
Mango-GS: 通过多帧节点引导的4D高斯散射提升动态场景重建的空间-时间一致性
机构 * School of Software, Tsinghua University（清华大学软件学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 Mango-GS通过多帧节点引导的4D高斯散射方法，提升动态场景重建的空间-时间一致性，实现高保真重建与实时渲染。
Splat2Real：基于物理AI的新型视角缩放与3D高斯点云技术
机构 * Department of Mechanical Engineering, State University of New York（纽约州立大学机械工程系）
专题命中 Gaussian Splatting ：Gaussian Splatting(title)；3DGS(abstract)；分类 cs.CV
AI总结 Splat2Real通过CN-Coverage策略提升物理AI在新型视角下的鲁棒性，实现更稳定的深度预训练和下游控制代理性能。
P-GSVC：面向可扩展图像和视频的分层渐进二维高斯散射
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 P-GSVC通过分层渐进二维高斯散射框架，实现图像和视频的可扩展高斯表示，联合训练策略提升重建质量达2.6 dB。
Comments MMSys 2026; Project Website: see https://longanwang-cs.github.io/PGSVC-webpage/
LagMemo: 语言3D高斯点云记忆用于多模态开放词汇多目标视觉导航
机构 * Key Laboratory of Machine Perceptions (MOE), School of Intelligence Science and Technology, Peking University（机器感知重点实验室（教委）、智能科学与技术学院、北京大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.RO
AI总结 LagMemo通过语言3D高斯点云记忆实现多模态开放词汇多目标视觉导航，有效提升多目标定位性能
GS-2M: 基于多视角光照变化的材质感知高保真网格重建
机构 * Norwegian University of Science and Technology（挪威科学与技术大学） ； Carl Zeiss AG（蔡司股份公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 GS-2M通过多视角光照变化的粗糙度监督策略，实现高保真网格重建，有效应对高反射表面的挑战。
Comments This is the author's version of a paper accepted to Eurographics 2026, to appear in Computer Graphics Form. The final version will be available via Wiley
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