3D 视觉

ImprovedVBGS: Real-time Continual Variational Bayes Gaussian Splatting

改进的 VBGS：实时连续变分贝叶斯高斯点云融合

Damani Mguni-Coker

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

AI总结 针对实时重建需求，改进的 VBGS 框架通过空间截断变分推理和改进重新分配，加速连续重建。在 NeRF 合成数据集上，RTX 3070 Ti 实现平均每帧延迟大幅降低，加速 1680 倍，且保持重建质量。

Comments 5 pages, 4 figure. Technical Report. This work introduces ImprovedVBGS, accelerated continual learning for 3D Gaussian Splatting based Reconstruction. Code available at [https://github.com/damanimc/ImprovedVBGS](https://github.com/damanimc/ImprovedVBGS)

UniWorld-View: Large-Baseline View Synthesis via Video Diffusion Models

UniWorld-View：基于视频扩散模型的大基线视图合成

Haiyang Zhou, Wangbo Yu, Chaoran Feng, Xunyu Zhou, Yonghong Tian, Li Yuan

机构 * Peking University（北京大学） ； Rabbitpre AI 纠错

专题命中 Gaussian Splatting ：NeRF(abstract,abstract_cn)；Gaussian Splatting(abstract,abstract_cn)；3DGS(abstract,abstract_cn)；point cloud(abstract)

AI总结 UniWorld-View 是结合显式 3D 指导与视频扩散建模的统一框架，可从单目输入实现可控大基线新视图合成，在基准测试中展现出优异的可控性、几何一致性与视觉保真度。

Comments Project Homepage: https://zhouhyocean.github.io/uniworld-view/ Code: https://github.com/PKU-YuanGroup/UniWorld-View

Embodied Multimodal Grounding for Open-Vocabulary Mobile Manipulation via Semantic 3D Gaussian Splatting

基于语义三维高斯溅射的开放词汇移动操作具身多模态定位

Huosen Ou, Dongni Song, Yuncong Wang, Tao Zhou, Yiding Ji

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Midea Group（美的集团） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文针对家庭场景开放词汇移动操作的目标定位问题，提出整合Semantic-3DGS的具身多模态框架，经50次真实机器人试验，在长 horizon、杂乱场景等任务中优于PointVLA等基线方法，提升了操作鲁棒性。

Comments 9 pages, 11 figures. Accepted to ACM Multimedia 2026 (MM '26)

GaussLite: Online Task-Conditioned 3D Gaussian Splatting for Real-Time Robotic Mapping

GaussLite：面向实时机器人建图的任务条件化3D高斯泼溅

Annika Thomas, Mason Peterson, Jonathan P. How

机构 * Aerospace Controls Laboratory, MIT（麻省理工学院航空航天控制实验室） 纠错

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

AI总结 提出GaussLite，一种任务驱动的3DGS建图系统，通过自然语言任务规范调节表示密度，利用LLM解析器提取目标并实时生成像素级相关性掩码，在有限资源下实现实时建图，ROI PSNR提升约2.72 dB。

LocusGS: Spatially Grounded Tokens for Feed-Forward 3D Gaussian Splatting

LocusGS：用于前馈三维高斯溅射的空间锚定令牌

Wenyu Li, Sidun Liu, Tongrui Hu, Peng Qiao, Yong Dou

机构 * National University of Defence Technology（国防科技大学） 纠错

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

AI总结 LocusGS为前馈3DGS的高斯查询添加三维锚定状态，提升查询空间连贯性，在相同高斯预算下改善新视图合成的渲染质量。

JSGS: JPEG State-Guided Supervision for 3D Gaussian Splatting from Mixed-Quality Views

JSGS：基于混合质量视图的3D高斯溅射的JPEG状态引导监督

Jinhua Cui, Anhong Wang, Kai Hu, Donghan Bu, Peihao Li, Tammam Tillo, Hao Jing, Shiao Xu

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

AI总结 针对混合质量JPEG图像损坏3D高斯溅射（3DGS）跨视图高斯更新的问题，提出JSGS方法，利用JPEG量化表构建观测算子并结合块差异正则化，在7个场景和3种设置下获最优指标且渲染速度约150 FPS。

EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams

EvTrajGS：基于无姿态事件流的精确高效3D高斯溅射（Gaussian Splatting）方法

Zixuan Chen, Jiakai Zhang, Junhao Dong, Guangcong Wang, Jianhuang Lai, Yew-Soon Ong, Xiaohua Xie

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Guangdong Province Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education（机器智能与先进计算教育部重点实验室） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Computing and Information Technology, Great Bay University（大湾区大学计算与信息技术学院） 纠错

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

AI总结 本文提出EvTrajGS框架，针对无姿态事件流实现精确高效的3D高斯溅射，通过连续时间轨迹参数化、时间耦合姿态更新及损失加权事件采样，在提升重建与姿态精度的同时降低计算开销，性能优于现有方法。

DynActiveGS: Active Gaussian Splatting for Dynamic Scene Reconstruction

DynActiveGS：面向动态场景重建的主动高斯溅射方法

Hongbo Duan, Pengting Luo, Chengzhi Zhao, Yuanhao Chiang, Fangming Liu, Xueqian Wang

机构 * Tsinghua University, Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Huawei Technologies Ltd（华为技术有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） 纠错

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

AI总结 DynActiveGS是基于3DGS的动态感知主动重建框架，通过分解不确定性实现动态场景的鲁棒主动重建，在多指标上优于现有基线。

Comments Accepted to ACM Multimedia 2026

AtlasLC: Fast Codec-Ready Compression of Object-Centric 3D Gaussian Splatting

AtlasLC：适用于编解码器的以对象为中心的3D高斯溅射的快速压缩

ByungHyun Kim, Jinwoo Jeon, Woontack Woo

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

AI总结 本文提出AtlasLC，一种无源码无训练的以对象为中心的3DGS压缩管线，可减少压缩时间并优化部署相关指标，助力构建可扩展的XR资产库。

Comments Accepted to IEEE ISMAR 2026 (TVCG)

QIRF Quantum-Inspired Non-Orthogonal Function-Space Compression for 3D Gaussian Splatting

用于3D高斯点云的量子启发式非正交函数空间压缩

Shizeng Jiang, Hao Zhang, Xuerui Ma, Ying Hu, Tao Zhang

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

AI总结 研究针对3D高斯点云存储和渲染成本高的问题，提出量子启发式非正交函数空间压缩方法QIRF，通过构建矩阵、广义特征分解等操作减少高斯数量和存储，提升渲染速度，且保持重建质量，揭示了非正交函数空间冗余的重要性。

GeoGS-SLAM: Online Monocular Reconstruction Using Gaussian Splatting with Geometric Priors

GeoGS-SLAM：使用带几何先验的高斯点云的在线单目重建

Ruilan Gao, Letian Jin, Yu Zhang

机构 * State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University（工业控制技术国家重点实验室，浙江大学控制科学与工程学院） ； Key Laboratory of Collaborative Sensing and Autonomous Unmanned Systems of Zhejiang Province（浙江省协同感知与自主无人系统重点实验室） 纠错

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

AI总结 研究提出GeoGS-SLAM在线单目密集重建系统，结合3DGS地图表示与几何先验。利用前馈模型预测先验，通过采样扩展地图，粗到细优化姿态和地图，纳入回环检测与姿态图优化，实验表明其在质量、精度和实时性上优于现有方法。

StereoSplat+: Feed-Forward Stereo Gaussian Splatting with Diffusion-Assisted Progressive Inference

StereoSplat+：具有扩散辅助渐进推理的前馈立体高斯点云渲染

Zihua Liu, Masatoshi Okutomi

机构 * Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 研究从单目立体观察恢复高质量3DGS场景的问题，提出StereoSplat+框架，包含StereoSplat估计器及扩散增强单步渐进推理方案，实验表明该方法提升了新视图渲染质量和几何精度，优于现有前馈3DGS基线。

Comments 8 pages, accepted as a conference paper for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2026)

GeoGS-SLAM: Geometry-Only Gaussian Splatting for Dense Monocular SLAM

GeoGS-SLAM：用于密集单目 SLAM 的仅几何高斯点云法

Lipu Zhou, Yaoyun Kang, Junxiang Pang, Shengkai Sun, Tingting Bao, Kehan Wang

机构 * School of Instrument Science and Opto-electronics Engineering, Beihang University（仪器科学与光电工程学院，北京航空航天大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；novel view synthesis(abstract)

AI总结 研究针对密集视觉 SLAM 问题，提出仅几何高斯点云法（GeoGS）及基于此的 GeoGS-SLAM 系统。该方法仅保留空间参数减少基元参数，专注几何重建，通过有效训练框架和地图更新策略，提升在线映射效率与几何重建质量。

Rendering-Aware Bayesian 3D Gaussian Splatting with Native Uncertainty and Adaptive Complexity Control

具有原生不确定性和自适应复杂度控制的渲染感知贝叶斯3D高斯点云渲染

Gaoxiang Jia, Vikram Appia, Junzhou Huang, Xinlei Wang

机构 * Advanced Micro Devices, Inc.（超威半导体公司） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校） 纠错

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

AI总结 研究针对3D高斯点云渲染标准训练管道的不足，引入渲染感知贝叶斯3DGS框架，通过特定后验跟踪高斯几何，有可选扩展及明确训练计划。实验表明该框架在主动视图选择等任务中表现出色，能提供原生预测不确定性，提升相关指标。

Comments 26 pages, 4 figures, 24 tables including appendix. Preprint

Sparse-View Surface Reconstruction using Gaussian Splatting through High-Confidence Depth Propagation with Normal Priors

通过具有法线先验的高置信度深度传播，使用高斯点云进行稀疏视图曲面重建

Liang Han, Bangcai Wei, Junsheng Zhou, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom（中国电信） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；novel view synthesis(abstract)

AI总结 研究稀疏视图的3D重建难题，提出基于3D高斯点云的方法，用法线引导深度传播扩展深度信息，引入异常深度边缘感知正则化处理深度不连续，实验表明该方法优于现有技术。

Comments Accepted by ECCV 2026

AnchorSplat: Fast and Structure Consistent Detail Synthesis for Gaussian Splatting

AnchorSplat：用于高斯泼溅的快速且结构一致的细节合成

Dexu Zhu, Jiangnan Shao, Xiaofeng Wang, Junxian Duan, Jie Cao, Zheng Zhu, Huaibo Huang

机构 * MAIS&NLPR, CASIA（中国科学院自动化研究所模式识别国家重点实验室） ； GigaAI ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出AnchorSplat，一种端到端3D原生深度网络，通过点锚机制实现几何一致性，无需原始多视图图像，在3DGS-SR基准上实现比优化方法快10^5倍的细节合成。

Comments Accepted by ECCV2026. Code: https://github.com/zhude233/AnchorSplat

X-Splat: Gaussian Splatting for 3D CBCT Generation from Single Panoramic Radiograph

X-Splat：基于高斯泼溅的从单张全景X光片生成3D CBCT

Tomasz Szczepański, Szymon Płotka, Michal K. Grzeszczyk, Tomasz Trzciński, Arkadiusz Sitek

机构 * Sano Centre for Computational Medicine（桑诺计算医学中心） ； Jagiellonian University（雅盖隆大学） ； Warsaw University of Technology（华沙技术大学） ； Research Institute IDEAS（IDEAS研究 institute） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 提出X-Splat，首个利用高斯泼溅从单张全景X光片生成CBCT样3D牙科体积的方法，通过已知采集几何初始化可学习高斯原语，结合Beer-Lambert重投影和多视角训练监督，优于NeRF和GAN基线。

Comments 19 pages, 6 figures, including appendix. Under review

Pocket-SLAM: Rendering-Area-Aware Pruning for Memory-Efficient 3DGS-SLAM

Pocket-SLAM：面向内存高效的3DGS-SLAM的渲染区域感知剪枝

Leshu Li, Jie Peng, Yang Zhao

机构 * University of Minnesota, Twin Cities（明尼苏达大学双城分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 提出一种渲染区域感知的剪枝策略，根据高斯点对有效渲染区域的贡献进行选择性移除，在EuRoC和KITTI数据集上实现超过60%的内存减少和2倍以上的FPS提升，同时保持定位与建图精度。

Comments 2026 IEEE International Conference on Robotics and Automation(ICRA)

Temporally Aware Densification for Dynamic 3D Gaussian Splatting

面向动态3D高斯泼溅的时间感知致密化

Vikram Sandu, Mayurdeep Pathak, Rajiv Soundararajan

机构 * Indian Institute of Science（印度科学研究所） 纠错

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

AI总结 提出Visibility-Aware Densification框架，通过时间可见性、自适应阈值和时间偏移扭曲，改进动态3DGS的致密化，提升动态区域重建质量。

Splaxel: Efficient Distributed Training of 3D Gaussian Splatting for Large-scale Scene Reconstruction via Pixel-level Communication

Splaxel：通过像素级通信实现大规模场景重建的高效分布式3D高斯泼溅训练

Wenqi Jia, Zhewen Hu, Ying Huang, Yu Gong, Stavros Kalafatis, Yuke Wang, Wei Niu, Chengming Zhang, Ang Li, Sheng Di, Yuede Ji, Bo Fang, Miao Yin

机构 * Independent Researcher（独立研究者） ； Rice University（里士满大学） ； University of Georgia（佐治亚大学） ； University of Houston（休斯顿大学） ； University of Washington（华盛顿大学） ； Argonne National Labs（阿贡国家实验室） 纠错

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

AI总结 提出Splaxel框架，通过像素级局部渲染与全局组合替代高斯同步，在保持数学一致性的同时稳定通信开销，结合可见性预测和冲突消除策略，实现大规模3DGS分布式训练加速7.6倍。

Comments 17 pages, 25 figures

EmoZone-Talker: Regional Semantic Control of Audio-Driven 3DGS Talking Heads via Facial Action Units

EmoZone-Talker: 基于面部动作单元的音频驱动3DGS说话人头部的区域语义控制

Tingting Chen, Shaojun Wang, Huaye Zhang, Diqiong Jiang, Chenglizhao Chen

机构 * China University of Petroleum (East China)（中国石油大学（华东）） 纠错

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

AI总结 提出EmoZone-Talker框架，通过区域解耦和时序建模解决音频与表情信号的冲突，实现精细、可解释的面部表情控制。

Scene-Adaptive Nonlinear Tone Curves for Pseudo Ground-Truth Generation in Low-Light 3D Gaussian Splatting

面向低光照3D高斯泼溅的场景自适应非线性色调曲线伪地面真值生成

Mingzhe Lyu, Jinqiang Cui, Hong Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；novel view synthesis(abstract)

AI总结 针对低光照3D重建中伪地面真值生成问题，提出场景自适应非线性色调曲线框架，通过两种曲线（ASE和AP3）替代线性增益，在三个基准上PSNR提升最高4.34dB。

Liquid Neural Networks as a Drop-in Continuous-Time Deformation Field for Dynamic 3D Gaussian Splatting

液态神经网络作为动态3D高斯泼溅的即插即用连续时间变形场

Mingzhao Li, Arghya Pal, Guan Yuan Tan

机构 * Monash University（莫纳什大学） 纠错

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

AI总结 提出用液态神经网络（LNN）的闭式连续时间（CfC）单元替代MLP，构建显式连续时间变形场，在动态场景重建中匹配或超越MLP基线，尤其擅长高频关节运动。

GeoFovea-GS: Geometry-Aware Cross-Layer Gaussian Splatting for Wireless Aerial VR

GeoFovea-GS：用于无线空中VR的几何感知跨层高斯点渲染

Zeyi Ren, Wencheng Yan, Jiawen Zhang, Jintao Yan, Sheng Zhou, Zhisheng Niu

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)

AI总结 针对无线空中VR中高分辨率视图生成和传输受限，3DGS有几何误差问题，本文提出GeoFovea-GS框架，开发失真度量，将渲染与传输联合选择设为跨层优化问题并设计调度器，实验证明其能降成本提渲染质量。

Comments 7 pages, 5 figures

TopoGS: Planar Reconstruction via Topology-aware 3D Gaussian Splatting

TopoGS：通过拓扑感知3D高斯点云进行平面重建

Shanshan Pan, Jiale Chen, Yilin Liu, Hui Huang

机构 * Shenzhen University（深圳大学） ； Autodesk Research（欧特克研究院） 纠错

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

AI总结 研究旨在从原始图像提取结构化3D表示，提出TopoGS框架，通过提取多视图图像的2D拓扑关系，将高斯基元锚定到结构元素，联合优化平面参数等，在ScanNet++数据集上达最优性能，生成高质量3D模型。

Comments European Conference on Computer Vision (Proceedings of ECCV 2026); Project page: https://vcc.tech/research/2026/TopoGS

LEGS: Laplacian-Enhanced Gaussian Splatting with a Nonlinear Weighted Loss

LEGS: 拉普拉斯增强的高斯泼溅与非线性加权损失

Yongfei Guo, Qizhou Huo, Xuan Sun, Yuanhao Gong

机构 * Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences（中国科学院长春光学精密机械与物理研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 提出LEGS方法，利用二阶拉普拉斯结构引导和非线性权重函数改进高斯泼溅的损失函数，在保持渲染管线不变的情况下提升结构感知优化，在Tanks&Temples和Mip-NeRF360数据集上PSNR最高提升1.68 dB。

GS-CPE: Unified 6-Degree-of-Freedom Camera Pose Estimation via 3D Gaussian Splatting

GS-CPE：基于3D高斯溅射的统一6自由度相机位姿估计

Huaiyuan Weng, Chul Min Yeum, Su-Min Kang

机构 * University of Waterloo（滑铁卢大学） ； Soongsil University（崇实大学） 纠错

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

AI总结 该研究提出GS-CPE框架，通过由粗到细策略统一几何粗位姿估计与3D高斯溅射精调，在多数据集上实现最优视觉定位性能，兼顾精度与泛化能力。

Comments 8 pages, accepted at IROS 2026

CasDeblurGS: Cascaded 2D-to-3D Multi-View Consistency for 3D Gaussian Splatting from Two Blurry Images

CasDeblurGS：用于从两张模糊图像重建3D高斯溅射的级联2D到3D多视图一致性方法

Haeyun Choi, Minhyuk Jang, I-Gil Kim

机构 * University of Virginia（弗吉尼亚大学） ； KT R&D Center（KT研发中心） 纠错

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

AI总结 CasDeblurGS是一种级联框架，仅用两张已知内参的运动模糊图像即可重建连贯3D场景，在Deblur-NeRF场景上PSNR较基线提升1.19dB和2.11dB，渲染与几何一致性均改善。

Comments Accepted to the ECCV 2026 MUSTCV Workshop. Project page: https://haeyun-choi.github.io/Cascaded2D3D_page/

Exploration Matters for Escaping the Blur Trap in 3D Gaussian Splatting

探索对于摆脱3D高斯点渲染中的模糊陷阱至关重要

Chengbo Wang, Guozheng Ma, Jinhong Wu, Tie Ji, Yizhen Lao

机构 * Hunan University（湖南大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 研究3D高斯点渲染中模糊陷阱问题，通过数学分析确定其两种类型，提出随机播种和随机分割策略减轻模糊陷阱，经实验验证可有效克服该问题，实现高质量渲染。

Comments Project page: https://chengbo-wang.github.io/ExploreGS/

SPARE-GS: Structural Parsimony and Resource Efficiency for 3D Gaussian Splatting

SPARE-GS：用于3D高斯点云的结构简约与资源高效性

Zhang Chen, Shuai Wan, Fuzheng Yang, Jiazhi Xia, Weiyao Lin, Junhui Hou

机构 * School of Electronics and Information, Northwestern Polytechnical University（西北工业大学电子信息学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Telecommunication Engineering, Xidian University（西安电子科技大学通信工程学院） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； Department of Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电气工程系） 纠错

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

AI总结 研究针对3D高斯点云训练效率和表示紧凑性问题，提出SPARE-GS框架，通过将结构演化公式化并动态调整基元分布，实现减少高斯数量、训练时间，提升PSNR及下游处理效率，证明全局结构预算调节的广泛适用性。