3D 视觉

GaussianVTON: 3D Human Virtual Try-ON via Multi-Stage Gaussian Splatting Editing with Image Prompting

Haodong Chen, Yongle Huang, Haojian Huang, Xiangsheng Ge, Dian Shao

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

Comments On-going work

I3DGS: Improve 3D Gaussian Splatting from Multiple Dimensions

Jinwei Lin

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

Comments 16 pages

VR-GS: A Physical Dynamics-Aware Interactive Gaussian Splatting System in Virtual Reality

Ying Jiang, Chang Yu, Tianyi Xie, Xuan Li, Yutao Feng, Huamin Wang, Minchen Li, Henry Lau, Feng Gao, Yin Yang, Chenfanfu Jiang

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

GS-LRM: Large Reconstruction Model for 3D Gaussian Splatting

Kai Zhang, Sai Bi, Hao Tan, Yuanbo Xiangli, Nanxuan Zhao, Kalyan Sunkavalli, Zexiang Xu

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

Comments Project webpage: https://sai-bi.github.io/project/gs-lrm/

SAGS: Structure-Aware 3D Gaussian Splatting

Evangelos Ververas, Rolandos Alexandros Potamias, Jifei Song, Jiankang Deng, Stefanos Zafeiriou

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

Comments 15 pages, 8 figures, 3 tables

CoGS: Controllable Gaussian Splatting

Heng Yu, Joel Julin, Zoltán Á. Milacski, Koichiro Niinuma, László A. Jeni

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

Comments CVPR 2024

LangSplat: 3D Language Gaussian Splatting

Minghan Qin, Wanhua Li, Jiawei Zhou, Haoqian Wang, Hanspeter Pfister

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

Comments CVPR 2024. Project Page: https://langsplat.github.io

SA-GS: Scale-Adaptive Gaussian Splatting for Training-Free Anti-Aliasing

Xiaowei Song, Jv Zheng, Shiran Yuan, Huan-ang Gao, Jingwei Zhao, Xiang He, Weihao Gu, Hao Zhao

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

Comments Project page: https://kevinsong729.github.io/project-pages/SA-GS/ Code: https://github.com/zsy1987/SA-GS

DrivingGaussian: Composite Gaussian Splatting for Surrounding Dynamic Autonomous Driving Scenes

Xiaoyu Zhou, Zhiwei Lin, Xiaojun Shan, Yongtao Wang, Deqing Sun, Ming-Hsuan Yang

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

Texture-GS: Disentangling the Geometry and Texture for 3D Gaussian Splatting Editing

Tian-Xing Xu, Wenbo Hu, Yu-Kun Lai, Ying Shan, Song-Hai Zhang

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

HumanGaussian: Text-Driven 3D Human Generation with Gaussian Splatting

Xian Liu, Xiaohang Zhan, Jiaxiang Tang, Ying Shan, Gang Zeng, Dahua Lin, Xihui Liu, Ziwei Liu

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

Comments Accepted by CVPR 2024, camera-ready version. Project Page: https://alvinliu0.github.io/projects/HumanGaussian

CG3D: Compositional Generation for Text-to-3D via Gaussian Splatting

Alexander Vilesov, Pradyumna Chari, Achuta Kadambi

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

LucidDreamer: Domain-free Generation of 3D Gaussian Splatting Scenes

Jaeyoung Chung, Suyoung Lee, Hyeongjin Nam, Jaerin Lee, Kyoung Mu Lee

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

Comments Project page: https://luciddreamer-cvlab.github.io/

Dynamic Gaussian Splatting from Markerless Motion Capture can Reconstruct Infants Movements

R. James Cotton, Colleen Peyton

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

LatentAM: Real-Time, Large-Scale Latent Gaussian Attention Mapping via Online Dictionary Learning

LatentAM：通过在线字典学习实现实时、大规模的潜在高斯注意力映射

Junwoon Lee, Yulun Tian

机构 * Robotics Department, University of Michigan（密歇根大学机器人系） 纠错

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

AI总结 LatentAM通过在线字典学习实现实时、大规模的潜在高斯注意力映射，提升机器人感知的特征重建保真度与实时性

Comments 8 pages, 7 figures. Accepted for RA-L. Homepage: https://junwoonlee.github.io/projects/LatentAM/ Code: https://github.com/UMich-SSI-Lab/latentam

Head Avatars with Dynamic Explicit Hair

具有动态显式头发的头部头像

Vanessa Sklyarova, Haonan Chen, Berna Kabadayi, Tobias Kirschstein, Zicong Fan, Xi Wang, Gerard Pons-Moll, Matthias Nießner, Marc Pollefeys, Michael J. Black, Justus Thies

机构 * ETH Zürich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Tübingen AI Center（图宾根人工智能中心） ； Technical University of Munich（慕尼黑工业大学） ； Technical University of Darmstadt（达姆施塔特工业大学） ； Microsoft（微软） 纠错

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

AI总结 该研究提出DynHair方法，用于跟踪和建模人类头部头像的动态头发。通过结构化3D高斯喷绘重建头像，利用基于头部角速度等的时间网络建模发丝动态变形，经联合优化获得可控头发动力学的动画头像，实验展现了最优性能。

Comments Project page: https://dynhair.is.tue.mpg.de/

G$^2$SR: Geometric Methods for Fast and Memory-Efficient Gaussian-based Surface Reconstruction

G$^2$SR：基于几何方法的快速且内存高效的高斯曲面重建

Dasong Gao, Vivienne Sze, Sertac Karaman

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

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

AI总结 研究少视图曲面重建问题，提出G2SR方法，利用跨视图2D平铺对应关系，通过轻量级神经前端和解析后端，实现快速且内存高效的高斯曲面重建，在多个数据集上几何精度高且内存占用小。

Comments 8 pages, 3 figures

NanoGS: Training-Free Gaussian Splat Simplification

NanoGS: 无训练高斯点简化

Butian Xiong, Rong Liu, Tiantian Zhou, Meida Chen, Zhiwen Fan, Andrew Feng

机构 * USC Institute for Creative Technologies（USC创意科技研究所） ； Texas A\&M University（德克萨斯农工大学） 纠错

专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出NanoGS，一种无需训练的高斯点简化框架，通过局部成对合并实现紧凑表示，保留场景结构与外观，适用于现有高斯点模型，运行高效且易于集成。

2DGH: 2D Gaussian-Hermite Splatting for High-quality Rendering and Better Geometry Features

2DGH: 二维高斯-埃尔米特泼溅用于高质量渲染和更好的几何特征

Ruihan Yu, Tianyu Huang, Jingwang Ling, Feng Xu

机构 * Department of Physics, Tsinghua University（清华大学物理系） ； School of Software and BNRist, Tsinghua University（清华大学软件学院与北京信息科学与技术国家研究中心） 纠错

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

AI总结 提出高斯-埃尔米特核作为新基元，增强各向异性和变形能力，在几何重建和新视角合成上优于传统高斯泼溅。

Comments 12 pages, 11 figures

Journal ref IEEE Transactions on Visualization and Computer Graphics, vol. 32, no. 2, pp. 1513-1524, Feb. 2026

L2D2-GS: Learning to Densify for Feedforward Dynamic Gaussian Scene Reconstruction

L2D2-GS: 学习致密化以实现前馈动态高斯场景重建

Zetian Song, Chenming Wu, Junnan Liu, Chitian Sun, Liangliang He, Hangjun Ye, Jiaqi Zhang, Siwei Ma, Wen Gao

机构 * Xiaomi EV, Beijing（小米电动车，北京） 纠错

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

AI总结 提出L2D2-GS框架，将可泛化重建转化为迭代优化与致密化过程，通过自监督致密化策略和几何正则化机制，实现动态城市场景的高保真重建，在PandaSet和Waymo数据集上达到SOTA。

Leveraging 2D Priors and SDF Guidance for Dynamic Urban Scene Rendering

利用2D先验和SDF引导进行动态城市场景渲染

Siddharth Tourani, Jayaram Reddy, Akash Kumbar, Satyajit Tourani, Nishant Goyal, Madhava Krishna, N. Dinesh Reddy, Muhammad Haris Khan

机构 * IIIT Hyderabad（海得拉尔印度理工学院） ； MBZUAI（穆罕默德·本·拉希德智能研究院） ； University of Heidelberg（海德堡大学） ； VLM Run ； IIT Kharagpur（克达尔理工学院） 纠错

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

AI总结 本文提出结合2D对象无关先验与SDF表示的方法，用于动态城市场景渲染，无需LiDAR数据，提升几何精度和变形建模能力。

Comments Accepted at ICCV-2025, project page: https://dynamic-ugsdf.github.io/

Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2025

F-RNG: Feed-Forward Relightable Neural Gaussians

F-RNG: 前馈可重光照神经高斯

Guangming Fu, Jiahui Fan, Jian Yang, Miloš Hašan, Beibei Wang

机构 * Nankai University（南开大学） ； Nanjing University（南京大学） ； NVIDIA 纠错

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

AI总结 提出前馈框架F-RNG，利用现有大型重建模型和内在分解模型先验，从稀疏视图直接生成可重光照的3D高斯资产，实现快速高质量重光照。

POINav: Benchmarking and Enhancing Final-Meters Arrival in Real-World Vision-Language Navigation

POINav: 在真实世界视觉语言导航中基准测试与增强最终米级到达

Ruiyan Gong, Meisheng Zhang, Yuxiang Zhao, Mingchao Sun, Yanfen Shen, Zedong Chu, Zhining Gu, Wei Guo, Xiaolong Cheng, Qiming Li, Kangning Niu, Yanqing Zhu, Xiaolong Wu, Tianlun Li, Mu Xu

机构 * Amap CV Lab, Alibaba Group（阿里集团阿里的Amap视觉实验室） 纠错

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

AI总结 针对真实世界POI导航的“最后几米”挑战，提出首个闭环评估基准POINav-Bench，并设计脑-动作框架结合70K真实标志-入口数据对，实现高保真度导航。

Comments 25 pages, 9 figures

3DEditSafe: Defending 3D Editing Pipelines from Unsafe Generation

3DEditSafe: 防御3D编辑流程中的不安全生成

Nicole Meng, Zheyuan Liu, Meng Jiang, Yingjie Lao

机构 * Tufts University（塔夫茨大学） ； University of Notre Dame（诺特大学） 纠错

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

AI总结 本文提出3DEditSafe框架，通过安全正则化约束不安全语义传播，减少3D编辑中的不安全内容生成，揭示安全与质量的权衡。

Confidence-Based Mesh Extraction from 3D Gaussians

基于置信度的3D高斯体网格提取

Lukas Radl, Felix Windisch, Andreas Kurz, Thomas Köhler, Michael Steiner, Markus Steinberger

机构 * Graz University of Technology, Austria（奥地利格拉茨理工大学） ； Huawei Technologies, Austria（奥地利华为技术） 纠错

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

AI总结 本文提出基于置信度的3D高斯体网格提取方法，通过自监督置信框架平衡光度和几何监督，提升表面提取效率与精度。

Comments Project Page: https://r4dl.github.io/CoMe/

R3D2: Realistic 3D Asset Insertion via Diffusion for Autonomous Driving Simulation

R3D2：通过扩散实现自动驾驶模拟中的真实3D资产插入

William Ljungbergh, Bernardo Taveira, Wenzhao Zheng, Adam Tonderski, Chensheng Peng, Fredrik Kahl, Christoffer Petersson, Michael Felsberg, Kurt Keutzer, Masayoshi Tomizuka, Wei Zhan

机构 * Zenseact ； Linköping University（林哈尔大学） ； Chalmers University（查尔姆斯理工大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 R3D2是一种轻量级单步扩散模型，用于在现有场景中实时生成真实3D资产，通过训练学习真实集成，提升自动驾驶模拟的真实性。

Geometric-Photometric Event-based 3D Gaussian Ray Tracing

几何-光度事件基于的3D高斯射线追踪

Kai Kohyama, Yoshimitsu Aoki, Guillermo Gallego, Shintaro Shiba

机构 * Keio University（庆应义塾大学） ； Technische Universität Berlin（柏林工业大学） ； Science of Intelligence Excellence Cluster（智能科学卓越集群） ； Einstein Center Digital Future（爱因斯坦数字未来中心） ； Robotics Institute Germany（德国机器人研究所） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出GPERT框架，通过分离事件渲染与快照渲染，解决事件基于3DGS的精度与时间分辨率平衡问题，实现高精度3D重建。

Comments 15 pages, 12 figures, 5 tables

Journal ref IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Denver, 2026

ExCellGen: Fast, Controllable, Photorealistic 3D Scene Generation from a Single Real-World Exemplar

ExCellGen：从单个真实世界示例快速、可控地生成逼真3D场景

Clément Jambon, Changwoon Choi, Dongsu Zhang, Olga Sorkine-Hornung, Young Min Kim

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；3D generation(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出ExCellGen框架，通过3DGS重建输入场景并训练GCA生成稀疏体素体积，实现快速可控的3D场景生成，生成速度达0.5-2秒，支持交互式创作。

Gaussian Mesh Renderer for Lightweight Differentiable Rendering

轻量可微渲染的高斯网格渲染器

Xinpeng Liu, Fumio Okura

机构 * The University of Osaka（大阪大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.GR

AI总结 提出一种轻量可微网格渲染器，利用3DGS高效光栅化过程，实现更平滑的梯度优化，提升视图合成的效率与质量。

Comments IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026). GitHub: https://github.com/huntorochi/Gaussian-Mesh-Renderer

COSMOS: Coherent Supergaussian Modeling with Spatial Priors for Sparse-View 3D Splatting

COSMOS: 基于空间先验的相干超高斯建模用于稀疏视角3D点划

Chaeyoung Jeong, Kwangsu Kim

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

AI总结 COSMOS通过引入3D结构先验和超高斯分组，改进稀疏视角下的3D点划重建，提升泛化能力和稳定性。