3D 视觉

Retrieve What's Missing: Coverage-Maximizing Retrieval for Consistent Long Video Generation

检索缺失内容：面向一致长视频生成的覆盖最大化检索

Minseok Joo, Dogyun Park, Taehoon Lee, Kyujin Lee, Hyunwoo J. Kim

机构 * Korea University（韩国大学） ； KAIST（韩国科学技术院） 纠错

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

AI总结 提出基于深度的覆盖最大化检索增强生成框架COVRAG，利用预训练3D先验构建轻量级覆盖图作为记忆证据，通过迭代检索最大化残差覆盖来提升长视频生成的几何一致性。

Comments 19 pages, 10 figures, 5 tables

Geometry-Aware Implicit Memory for Video World Models

几何感知隐式记忆用于视频世界模型

Zhengxuan Wei, Xu Guo, Xinghui Li, Xunzhi Xiang, Min Wei, Yiran Zhu, Qiulin Wang, Xintao Wang, Pengfei Wan, Xiangwang Hou, Qi Fan

机构 * School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Kling Team, Kuaishou Technology（快手技术 Kling 团队） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出GIM-World框架，通过轻量级Transformer编码器将可变长度历史压缩为固定大小的记忆令牌，并利用相机可查询的几何头在训练期间从冻结的基础模型中蒸馏3D场景结构，从而在长时程视频生成中保持几何和视觉一致性。

Comments Project page: https://gim-world.github.io/

PerBite: A Curated Diagnostic Workflow for Bite-Aware Food Volume Estimation

PerBite: 一种用于咬合感知食物体积估计的精选诊断工作流

Ahmad AlMughrabi, Farid Al-Areqi, David Fernández Gómez, Umair Haroon, Marc Bolaños, Ricardo Marques, Petia Radeva

机构 * University of Barcelona（巴塞罗那大学） ； LogMeal ； Universitat Pompeu Fabra（庞培法布拉大学） 纠错

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

AI总结 提出PerBite工作流，通过分割、三维重建、尺度校准和网格后处理等步骤，从餐前餐后状态估计食物体积，在MetaFood挑战中排名第一。

DisFlow: Scene Flow from Distance Field for Object Pose, Velocity Tracking, and Dynamic Object Reconstruction

DisFlow: 基于距离场的场景流用于物体姿态、速度跟踪和动态物体重建

Lan Wu, Sheila Sutjipto, Jennifer Wakulicz, Teresa Vidal-Calleja

机构 * Robotics Institute, University of Technology Sydney（技术悉尼大学机器人研究所） ； School of Engineering, University of Western Australia（西澳大学工程学院） 纠错

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

AI总结 提出DisFlow框架，利用高斯过程隐式曲面表示从距离场估计场景流，实现6自由度动态物体姿态估计、运动跟踪和表面重建。

Generative Diffusion Priors for 3D Mapping of the Dark Universe

用于暗宇宙三维映射的生成扩散先验

Brandon Zhao, Diana Scognamiglio, Olivier Doré, Katherine L. Bouman

机构 * Department of Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室） ； Department of Physics, Duke University（杜克大学物理系） ； Cahill Center for Astronomy and Astrophysics, California Institute of Technology（加州理工学院卡希尔天文与天体物理中心） 纠错

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

AI总结 利用扩散模型学习宇宙模拟中的先验分布，结合物理正向模型解决弱引力透镜三维暗物质反问题，显著提升重建精度并生成统计一致的后验样本。

Comments Accepted to CVPR 2026 (Highlight)

SurGe: Improved Surface Geometry in Point Maps

SurGe: 改进点图中的表面几何

Karim Knaebel, Gonzalo Martin Garcia, Christian Schmidt, Ilya Fradlin, Lucas Nunes, Daan de Geus, Bastian Leibe

机构 * RWTH Aachen University（亚琛RWTH大学） ； Eindhoven University of Technology（埃因霍温技术大学） 纠错

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

AI总结 针对前馈3D重建方法中局部表面几何不准确的问题，提出点图法线度量、点梯度匹配损失和邻域注意力解码器（NAD）来改善局部表面方向预测，在多个零样本单目几何基准上取得最优平均排名。

Comments Project page at https://vision.rwth-aachen.de/surge

Feature-Optimized Vision for Adaptive 3D Scene Reconstruction

面向自适应3D场景重建的特征优化视觉

Eric Liang

机构 * Oracle 纠错

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

AI总结 提出一种自适应特征优化视觉前端，通过评分纹理、可重复性、独特性、预期三角化角度和空间覆盖来分配每视图特征预算，以最大化有效轨迹并降低重建RMSE。

VolFill: Single-View Amodal 3D Scene Reconstruction with Volumetric Flow Matching

VolFill: 基于体素流匹配的单视图非模态3D场景重建

Tuan Duc Ngo, Chuang Gan, Evangelos Kalogerakis

机构 * UMass Amherst（马萨诸塞大学阿姆赫斯特分校） ； TU Crete（希腊技术大学） 纠错

专题命中 三维重建 ：spatial understanding(abstract)；分类 cs.CV

AI总结 提出VolFill框架，利用混合3D VAE和潜在扩散Transformer从单张RGB图像生成完整3D场景结构，在SCRREAM和NRGB-D数据集上显著优于现有方法。

FRUC: Feedforward Dynamic Scene Reconstruction from Uncalibrated Collaborative Driving Views

FRUC：来自未标定协作驾驶视图的前馈动态场景重建

Yihang Tao, Yu Guo, Zhengru Fang, Haonan An, Yuguang Fang

机构 * Hong Kong JC STEM Lab of Smart City City University of Hong Kong（香港JC STEM实验室，城市大学） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 提出FRUC框架，基于前馈3D高斯泼溅和视觉几何Transformer，从未标定的多车协作视图实现动态场景的一次性、免标定重建，通过自中心因果遮挡场和零初始化残差去噪实现非破坏性几何补充。

Unified Panoramic Geometry Estimation via Multi-View Foundation Models

统一全景几何估计：基于多视角基础模型

Vukasin Bozic, Isidora Slavkovic, Dominik Narnhofer, Nando Metzger, Denis Rozumny, Konrad Schindler, Nikolai Kalischek

机构 * ETH Zürich（苏黎世联邦理工学院） ； Google（谷歌） 纠错

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

AI总结 提出PaGeR框架，利用预训练3D基础模型，从单张全景图像中统一预测尺度不变深度、度量深度、表面法线和天空掩码，实现360度场景重建。

ROOM: A Physics-Based Continuum Robot Simulator for Photorealistic Medical Datasets Generation

ROOM: 基于物理的连续体机器人模拟器，用于生成逼真的医学数据集

Salvatore Esposito, Matías Mattamala, Daniel Rebain, Francis Xiatian Zhang, Kevin Dhaliwal, Mohsen Khadem, Subramanian Ramamoorthy

机构 * University of Edinburgh, UK（爱丁堡大学，英国） ； University of British Columbia, Canada（不列颠哥伦比亚大学，加拿大） 纠错

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

AI总结 提出ROOM模拟框架，利用患者CT扫描生成多模态支气管镜训练数据，验证其在姿态估计和深度估计任务中的有效性。

Journal ref International Conference on Robotics and Automation 2026

G3T Up! Gravity Aligned Coordinate Frames Simplify Pointmap Processing

G3T 崛起！重力对齐的坐标框架简化点图处理

Bharath Raj Nagoor Kani, Noah Snavely

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 提出G3T模型，通过预测重力对齐的点图而非相机中心点图，利用场景结构先验减少旋转自由度，提升3D重建精度。

Comments Project Page: https://g3t-paper.github.io/

Global Structure-from-Motion Meets Feedforward Reconstruction

全局运动恢复结构与前馈重建的结合

Linfei Pan, Johannes Schönberger, Marc Pollefeys

机构 * ETH Zurich（苏黎世联邦理工学院） ； Meta Reality Labs（Meta现实实验室） ； Microsoft（微软公司） 纠错

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

AI总结 提出一种结合经典SfM和前馈重建优势的新流水线，在多种场景下实现最先进的重建结果。

Comments CVPR 2026, Highlight

TriSplat: Simulation-Ready Feed-Forward 3D Scene Reconstruction

TriSplat: 面向仿真的前馈式3D场景重建

Weijie Wang, Zimu Li, Jinchuan Shi, Zeyu Zhang, Botao Ye, Marc Pollefeys, Donny Y. Chen, Bohan Zhuang

机构 * Zhejiang University（浙江大学） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心） ； Microsoft（微软） ； Monash University（莫纳什大学） 纠错

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

AI总结 提出TriSplat，一种前馈式重建网络，使用有向三角形图元表示场景，直接从稀疏视图图像预测并导出可直接用于仿真的网格场景。

Comments Project Page: https://lhmd.top/trisplat, Code: https://github.com/ziplab/TriSplat

Towards 3D heart mesh generation using contactless radar imaging and physics-informed neural network

基于非接触式雷达成像和物理信息神经网络的3D心脏网格生成

Jinye Li, Chenxi Fu, Minghang Zheng, Yang Liu, Xiahai Zhuang, Qingchao Chen

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Fudan University（复旦大学） ； Peking University（北京大学） 纠错

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

AI总结 提出SAR2Mesh框架，通过粗到细的网格变形过程，结合几何感知特征投影和物理信息雷达损失，从合成孔径雷达图像重建高保真3D心脏几何结构。

DexSIM: Real-time Dexterous Simulation with Unified Causal Video Diffusion

DexSIM: 具有统一因果视频扩散的实时灵巧仿真

Adam Lee

机构 * UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出DexSIM框架，通过两阶段训练（双向视频扩散和自回归滚动训练）实现实时、长时一致的灵巧操作仿真，在像素相似度、运动保真度和手部投影精度上超越基线。

Comments World Model @ ICLR 2026

GenRecon: Bridging Generative Priors for Multi-View 3D Scene Reconstruction

GenRecon: 桥接生成先验的多视图3D场景重建

Katharina Schmid, Nicolas von Lützow, Jozef Hladký, Angela Dai, Matthias Nießner

机构 * Technical University of Munich（慕尼黑技术大学） ； Computing Systems Lab, Huawei Technologies（华为技术有限公司计算系统实验室） 纠错

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

AI总结 提出一种将多视图RGB图像重建与强生成3D先验紧密结合的方法，通过条件3D生成和投影条件机制实现高保真、多视图一致的场景级重建，性能优于现有方法16%。

Comments Project page: https://kasothaphie.github.io/GenRecon/

Droneulator: A Portable UAV Simulator for Agricultural Workflows with RotorPy and Godot 4

Droneulator: 一种基于RotorPy和Godot 4的农业工作流便携式无人机模拟器

Jacob Swindell, Michael Lowen, Marija Popovic, Riccardo Polvara

机构 * Lincoln Centre for Autonomous Systems (L-CAS), University of Lincoln, Lincoln, UK（林肯自主系统中心（L-CAS）、林肯大学、林肯，英国） ； Faculty of Aerospace Engineering, MAVLab, Delft University of Technology (TU Delft), Delft, Netherlands（航空航天工程学院、MAVLab、代尔夫特理工大学（TU Delft）、代尔夫特，荷兰） 纠错

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

AI总结 提出一种结合RotorPy动力学与Godot 4渲染的便携式无人机模拟器Droneulator，支持PX4控制、WebSocket命令和Zenoh/ROS~2管道，实现农业无人机数据采集、局部规划和强化学习实验的统一验证。

UfM*: Uncertainty from Motion* for DNN Depth Estimation Using Gaussians

UfM*：基于高斯分布的运动不确定性用于DNN深度估计

Soumya Sudhakar, Sertac Karaman, Vivienne Sze

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 提出UfM*算法，利用紧凑高斯混合模型高效计算多视图不一致性，实现单次推理的不确定性估计，在资源受限机器人上达到实时性能。

Comments 18 pages, 15 figures

GazePrior: Zero-Shot AR/VR Eye Tracking via Learned 3D Gaze Reconstruction

GazePrior: 通过学习的3D注视重建实现零样本AR/VR注视跟踪

Corentin Dumery, David Colmenares, Alexander Fix, Pascal Fua, Ali Behrooz, Jogendra Kundu

机构 * Meta Reality Labs（Meta现实实验室） ； EPFL（苏黎世联邦理工学院） 纠错

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

AI总结 本文提出GazePrior，一种数据驱动的3D注视先验模型，用于在无需额外数据收集的情况下实现高质量的AR/VR注视跟踪，通过合成数据提高模型的准确性和鲁棒性。

Comments Project page: https://corentindumery.github.io/projects/gazeprior.html

PolycubeNet: A Dual-latent Diffusion Model for Polycube-Based Hexahedral Mesh Generation

PolycubeNet: 一种基于多立方体的双潜在扩散模型用于六面体网格生成

Lu He, Qitao Deng, Junjiang Deng, Liangbin Deng, Yanjun Liang, Wenting Yang, Guoqiang Wang, Na Lei

机构 * Dalian University of Technology（大连理工大学） ； Jiangxi University of Science and Technology（江西理工大学） ； School of Mathematical Sciences, Guangxi Minzu University（广西民族大学数学与计算机科学学院） ； Caohejing Hi-Tech Park Development Co., Ltd.（曹家京高科技园发展有限公司） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 三维重建 ：point cloud(abstract)；分类 cs.GR

AI总结 本文提出了一种基于条件扩散模型的端到端框架，用于生成基于多立方体的六面体网格，通过双潜在条件扩散架构有效解耦了计算复杂度与输入输出分辨率，提高了生成效率和鲁棒性。

Motion-Uncertainty-Aware Next-Best-View Planning for Moving Object Reconstruction

考虑运动不确定性的移动物体重建最佳下视角规划

Karen Li, Mattia Mantovani, Robert J. Wood, Lorenzo Sabattini, Stephanie Gil

机构 * Harvard University（哈佛大学） ； University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学） 纠错

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

AI总结 本文提出了一种考虑运动不确定性的最佳下视角规划框架，用于重建未知的刚体目标，该框架利用噪声的平面位置测量和移动机器人深度观测，通过固定滞后高斯过程平滑器估计和预测目标状态，从而生成候选视角并提高重建完整性。

Comments This paper is accepted for publication for Robotics: Science and Systems (RSS) 2026

VolTA-3D: Self-Supervised Learning for Brain MRI using 3D Volumetric Token Alignment

VolTA-3D: 基于3D体积分块对齐的脑MRI自监督学习

Amy Makawana, Abhijeet Parida, Marius George Linguraru, Julia Ive, Syed Muhammad Anwar

机构 * Institute of Health Informatics（健康信息学研究所） ； Sheikh Zayed Institute for Pediatric Surgical Innovation（谢赫扎耶德儿童外科创新研究所） ； School of Medicine and Health Sciences（医学与健康科学学院） 纠错

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

AI总结 本文提出VolTA-3D，一种用于脑MRI自监督学习的3D视觉Transformer框架，通过联合对齐全局类风格标记和局部块标记，增强体积分块表示的可迁移性，从而在多个下游任务中表现出更好的泛化能力和鲁棒性。

Comments Accepted at EMBC 2026

SCARED-C: Corrected Camera Poses for Endoscopic Depth Estimation

SCARED-C：用于内窥镜深度估计的修正相机姿态

John J. Han, Adam Schmidt, Max Allan, Jie Ying Wu, Omid Mohareri

机构 * Vanderbilt University（范德比大学） ； Intuitive Surgical, Inc.（Intuitive Surgical公司） 纠错

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

AI总结 SCARED-C通过修正相机姿态，将可靠RGB-D配对数从35增加到17135，采用COLMAP和尺度恢复步骤提升内窥镜深度估计的精度与可靠性。

OffsetAxis: UDF Mesh Reconstruction via Offset-Volume Medial Axis Extraction

OffsetAxis：通过偏移体积医学轴提取实现UDF网格重建

Qijia Huang, Pierre Kraemer, Dominique Bechmann

专题命中 三维重建 ：point cloud(abstract)；分类 cs.GR

AI总结 本文提出OffsetAxis方法，通过偏移体积医学轴提取实现UDF网格重建，支持开放、非 manifold 和曲线状几何，采用变分医学轴采样优化，生成结构一致的网格。

DP-SfM: Dual-Pixel Structure-from-Motion without Scale Ambiguity

DP-SfM：无尺度模糊的双像素结构从运动

Lilika Makabe, Kohei Ashida, Hiroaki Santo, Fumio Okura, Yasuyuki Matsushita

机构 * Graduate School of Information Science and Technology, The University of Osaka（信息科学与技术研究生院，大阪大学） 纠错

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

AI总结 本文提出DP-SfM方法，利用双像素传感器的模糊特性自动解决尺度模糊问题，无需参考物体或先验校准，通过深度图与模糊核优化实现绝对尺度估计。

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026

TurboVGGT: Fast Visual Geometry Reconstruction with Adaptive Alternating Attention

TurboVGGT: 基于自适应交替注意力的快速视觉几何重建

David Huang, Guile Wu, Chengjie Huang, Bingbing Liu, Dongfeng Bai

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） ； Foundation Model Department, Huawei（华为基础模型部门） 纠错

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

AI总结 本文提出TurboVGGT，通过自适应稀疏全局注意力和帧注意力实现高效多视图3D重建，在保持重建质量的同时提升效率。

Comments Technical Report

VGGT-360: Geometry-Consistent Zero-Shot Panoramic Depth Estimation

VGGT-360：几何一致的零样本全景深度估计

Jiayi Yuan, Haobo Jiang, De Wen Soh, Na Zhao

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 VGGT-360通过利用VGGT基础模型的内在3D一致性，提出一种无需训练的零样本全景深度估计框架，整合三个模块实现全景到3D到深度的统一流程，提升估计精度和鲁棒性。

Fast and Robust Mesh Simplification for Generated and Real-World 3D Assets

快速且稳健的网格简化用于生成和现实世界的3D资产

Kunal Bhosikar, Preet Savalia, Lokender Tiwari, Brojeshwar Bhowmick

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

AI总结 本文提出了一种针对现代3D资产的全面网格简化流程，通过引入新的多项式误差公式，实现了快速且稳健的网格简化，保留精细几何结构和高质量外观，适用于大规模真实世界数据集。

Comments The IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshop on 3D Geometry Generation for Scientific Computing (3D4S) 2026 (Best Paper Award Runner-up)

sketch2symm: Symmetry-aware sketch-to-shape generation via semantic bridging

sketch2symm: 通过语义桥梁实现的对称感知草图到形状生成

Yan Zhou, Mingji Li, Xiantao Zeng, Jie Lin, Yuexia Zhou

机构 * School of Electronic Information Engineering, Foshan University, Guangdong, China（佛山大学电子信息工程学院） ； School of Computer Science and Artificial Intelligence, Foshan University, Guangdong, China（佛山大学计算机科学与人工智能学院） 纠错

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

AI总结 本文提出Sketch2Symm方法，通过语义桥梁增强稀疏草图表示，并利用对称约束作为几何先验，提升草图到3D形状的重建性能。