3D 视觉

Sonar-MASt3R: Real-Time Opti-Acoustic Fusion in Turbid, Unstructured Environments

Sonar-MASt3R：在浑浊、无结构环境中实时优化声学融合

Amy Phung, Richard Camilli

机构 * Applied Ocean Physics and Engineering, Woods Hole Oceanographic Institution, Deep Submergence Laboratory, Woods Hole, MA, USA（应用海洋物理与工程，伍兹霍尔海洋研究所，深潜实验室，马萨诸塞州伍兹霍尔，美国） ； Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院，剑桥，马萨诸塞州，美国） 纠错

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

AI总结 本文提出Sonar-MASt3R方法，通过实时提取光学相机数据的密集对应关系并与声学3D重建的几何线索结合，提升在浑浊环境中的鲁棒性。

Comments This paper has been accepted for publication in ICRA 2026. Copyright IEEE

Cylindrical Mechanical Projector for Omnidirectional Fringe Projection Profilometry

圆柱形机械投影仪用于全方位光带投影轮廓测量

Mincheol Choi, Gaeun Kim, Jae-Sang Hyun

机构 * Department of Mechanical Engineering, Yonsei University（延世大学机械工程系） 纠错

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

AI总结 本文提出基于圆柱形机械投影仪的新型3D重建方法，通过旋转台和带有ON/OFF槽的圆柱形图案生成器实现多频相移光带的全方位投影，结合多波长解包裹算法和准校准技术，实现高精度3D重建。

Towards Spatio-Temporal World Scene Graph Generation from Monocular Videos

从单目视频生成时空世界场景图

Rohith Peddi, Saurabh, Shravan Shanmugam, Likhitha Pallapothula, Yu Xiang, Parag Singla, Vibhav Gogate

机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Indian Institute of Technology Delhi（印度理工学院德里） 纠错

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

AI总结 本文提出World Scene Graph Generation任务，通过ActionGenome4D数据集，引入三种方法解决未观测物体推理问题，推动视频场景理解向世界中心、时间持久和可解释的方向发展。

Comments https://github.com/rohithpeddi/WorldSGG

LongStream: Long-Sequence Streaming Autoregressive Visual Geometry

LongStream: 长序列流式自回归视觉几何

Chong Cheng, Xianda Chen, Tao Xie, Wei Yin, Weiqiang Ren, Qian Zhang, Xiaoyang Guo, Hao Wang

机构 * HKUST (GZ)（香港科技大学（广州）） ； Horizon Robotics ； ZJU（浙江大学） ； CSU（中国科学技术大学） 纠错

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

AI总结 LongStream通过抛弃首帧锚点、引入正交尺度学习和缓存一致性训练，解决长序列流式3D重建中的姿态漂移和注意力偏差问题，实现千帧级稳定重建。

Comments CVPR2026 accepted

High-Fidelity Medical Shape Generation via Skeletal Latent Diffusion

通过骨骼潜在扩散实现高保真的医学形状生成

Guoqing Zhang, Jingyun Yang, Siqi Chen, Anping Zhang, Yang Li

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

AI总结 本文提出了一种骨骼潜在扩散框架，通过结合结构先验实现高效高保真医学形状生成，并构建了大规模MedSDF数据集以提升生成质量与效率。

Comments 11 pages, 5 figures, journal

TopGen: Learning Structural Layouts and Cross-Fields for Quadrilateral Mesh Generation

TopGen：学习四边形网格生成的结构布局和交叉字段

Yuguang Chen, Xinhai Liu, Xiangyu Zhu, Yiling Zhu, Zhuo Chen, Dongyu Zhang, Chunchao Guo

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

AI总结 TopGen通过同时预测结构布局和交叉字段，实现高效且稳健的四边形网格生成，提供直观可编辑的基础以提升几何保真度和拓扑合理性。

Comments 14 pages, 9 figures

ScanDP: Generalizable 3D Scanning with Diffusion Policy

ScanDP: 可泛化的3D扫描与扩散策略

Itsuki Hirako, Ryo Hakoda, Yubin Liu, Matthew Hwang, Yoshihiro Sato, Takeshi Oishi

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

AI总结 ScanDP提出一种基于扩散策略的高效3D扫描框架，通过占据网格映射和混合方法提升鲁棒性和泛化能力，实现对多样化物体的高效扫描。

Comments 8 pages, 7 figures, 5 tables. Project Page: https://treeitsuki.github.io/ScanDP/

DynamicVGGT: Learning Dynamic Point Maps for 4D Scene Reconstruction in Autonomous Driving

DynamicVGGT: 为自动驾驶中的4D场景重建学习动态点图

Zhuolin He, Jing Li, Guanghao Li, Xiaolei Chen, Jiacheng Tang, Siyang Zhang, Zhounan Jin, Feipeng Cai, Bin Li, Jian Pu, Jia Cai, Xiangyang Xue

机构 * Fudan University（复旦大学） ； Huawei（华为） ； Yinwang Intelligent Technology（依文智能技术） ； Shanghai Innovation Institute（上海创新研究院） ； CUHK（香港中文大学） 纠错

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

AI总结 DynamicVGGT通过联合预测当前和未来点图，结合Motion-aware Temporal Attention模块和动态3D高斯点散射头，实现了自动驾驶中4D动态场景的高精度重建。

DogWeave: High-Fidelity 3D Canine Reconstruction from a Single Image via Normal Fusion and Conditional Inpainting

DogWeave: 通过法线融合与条件修复从单张图像实现高保真3D犬只重建

Shufan Sun, Chenchen Wang, Zongfu Yu

机构 * University of Wisconsin--Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 DogWeave通过法线融合与条件修复技术，从单张图像实现高保真3D犬只重建，优于现有方法。

They See Me Rolling: High-Speed Event Vision-Based Tactile Roller Sensor for Large Surface Inspection

他们能看到我滚动：基于高速事件视觉的触觉滚轮传感器用于大表面检测

Akram Khairi, Hussain Sajwani, Abdallah Mohammad Alkilany, Laith AbuAssi, Mohamad Halwani, Islam Mohamed Zaid, Ahmed Awadalla, Dewald Swart, Abdulla Ayyad, Yahya Zweiri

机构 * Advanced Research and Innovation Center（先进研究与创新中心） ； Khalifa University（卡利法大学） ； Department of Aerospace Engineering（航空航天工程系） ； Research and Development（研发部） ； Strata Manufacturing PJSC（斯特拉制造公司） 纠错

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

AI总结 本文提出了一种基于高速事件视觉的触觉滚轮传感器，实现高速连续高分辨率的大面积表面检测，扫描速度达0.5m/s，精度达100微米以内，且通过多参考贝叶斯融合策略提升准确性。

Comments Accepted to IEEE T-RO - Project Page: https://akramekhairi.github.io/TheySeeMeRolling/

LangSurf: Language-Embedded Surface Gaussians for 3D Scene Understanding

LangSurf: 语言嵌入的表面高斯用于3D场景理解

Hao Li, Minghan Qin, Zhengyu Zou, Diqi He, Xinhao Ji, Bohan Li, Bingquan Dai, Dingewn Zhang, Junwei Han

机构 * Brain and Artificial Intelligence Lab, Northwestern Polytechnical University（脑科学与人工智能实验室，西北工业大学） ； Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学） ； Peking University（北京大学） ； School of Artifical Intelligence, Chongqing University of Posts and Telecommunications（人工智能学院，重庆邮电大学） 纠错

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

AI总结 LangSurf通过语言嵌入的表面高斯实现3D场景理解，提升2D和3D分割精度，扩展了下游任务如去除和编辑。

Comments \url{https://langsurf.github.io}

CanoVerse: 3D Object Scalable Canonicalization and Dataset for Generation and Pose

CanoVerse: 3D对象可扩展规范化的数据集用于生成和姿态

Li Jin, Yuchen Yang, Weikai Chen, Yujie Wang, Dehao Hao, Tanghui Jia, Yingda Yin, Zeyu Hu, Runze Zhang, Keyang Luo, Li Yuan, Long Quan, Xin Wang, Xueying Qin

机构 * SDU（1 南开大学） ； LIGHTSPEED（2 LIGHTSPEED） ； UNC Chapel Hill（3 匹兹堡大学柴尔德斯分校） ； HKUST（4 香港理工大学） ； PKU（5 北京大学） 纠错

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

AI总结 CanoVerse通过大规模规范3D数据集提升3D生成稳定性，实现跨模态检索与零样本点云方向估计

Optimizing Multi-Modal Models for Image-Based Shape Retrieval: The Role of Pre-Alignment and Hard Contrastive Learning

优化多模态模型用于基于图像的形状检索：预对齐和硬对比学习的作用

Paul Julius Kühn, Cedric Spengler, Michael Weinmann, Arjan Kuijper, Saptarshi Neil Sinha

机构 * Fraunhofer IGD（弗劳恩霍夫图像研究中心） ； Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 本文提出通过预对齐和硬对比学习优化多模态模型，提升基于图像的形状检索性能。

SurgCUT3R: Surgical Scene-Aware Continuous Understanding of Temporal 3D Representation

SurgCUT3R: 术场景感知的连续时间3D表示理解

Kaiyuan Xu, Fangzhou Hong, Daniel Elson, Baoru Huang

机构 * The Hamlyn Centre for Robotic Surgery, Imperial College London（机器人手术中心，帝国理工学院伦敦分校） ； S-Lab, College of Computing and Data Science, Nanyang Technological University（S实验室， computing and Data Science学院，南洋理工大学） ； Department of Computer Science, University of Liverpool（计算机科学系，利物浦大学） 纠错

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

AI总结 SurgCUT3R通过数据生成、混合监督和分层推理框架，解决手术场景中3D重建的准确性和效率问题，实现稳健的重建性能。

Three-dimensional reconstruction and segmentation of an aggregate stockpile for size and shape analyses

三维重建与堆料堆的分割用于尺寸和形状分析

Erol Tutumluer, Haohang Huang, Jiayi Luo, Issam Qamhia, John M. Hart

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

AI总结 本文提出了一种基于移动设备的3D成像方法，用于现场快速获取堆料颗粒的3D尺寸和形状信息，以提高道路建设材料的质量控制效率。

Comments 7 pages, 4 figures, Proceedings of the 20th International Conference on Soil Mechanics and Geotechnical Engineering

Quantized Visual Geometry Grounded Transformer

量化视觉几何基础变换器

Weilun Feng, Haotong Qin, Mingqiang Wu, Chuanguang Yang, Yuqi Li, Xiangqi Li, Zhulin An, Libo Huang, Yulun Zhang, Michele Magno, Yongjun Xu

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全国家重点实验室，计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） ； City College of New York, City University of New York, USA（纽约城市学院，纽约城市大学，美国） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出QuantVGGT，首个针对大规模VGGT的量化框架，通过双平滑细粒度量化和噪声过滤多样化采样技术，在保持高精度的同时实现显著的内存减少和加速。

Comments Accepted by ICLR 2026

Spectral Probing of Feature Upsamplers in 2D-to-3D Scene Reconstruction

特征上采样器在2D到3D场景重建中的频谱探测

Ling Xiao, Yuliang Xiu, Yue Chen, Guoming Wang, Toshihiko Yamasaki

机构 * Hokkaido University（北海道大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出频谱诊断框架，通过六个指标评估特征上采样器对3D重建的影响，发现频谱一致性比空间细节更关键。

Make VLM Recognize Visual Hallucination on Cartoon Character Image with Pose Information

使VLM在卡通角色图像上通过姿态信息识别视觉幻觉

Bumsoo Kim, Wonseop Shin, Kyuchul Lee, Yonghoon Jung, Sanghyun Seo

机构 * Chung-Ang University（Chung-Ang 大学） ； Coupang（韩国Coupang） 纠错

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

AI总结 本文提出基于姿态信息的VLM幻觉检测方法，通过上下文学习提升识别准确率，实验表明在卡通角色图像中幻觉检测效果提升50%-80%。

Comments Accepted at WACV 2025, Project page: https://gh-bumsookim.github.io/Cartoon-Hallucinations-Detection/. (Fixed typos)

FaceCam: Portrait Video Camera Control via Scale-Aware Conditioning

FaceCam: 通过尺度感知条件化实现人像视频相机控制

Weijie Lyu, Ming-Hsuan Yang, Zhixin Shu

机构 * University of California, Merced（加州大学梅尔塞德斯分校） ； Adobe Research（Adobe研究） 纠错

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

AI总结 FaceCam通过尺度感知条件化方法，提升单目人像视频的相机控制能力与视觉质量。

Comments Accepted by CVPR 2026. Project page: https://weijielyu.github.io/FaceCam

UltraDexGrasp: Learning Universal Dexterous Grasping for Bimanual Robots with Synthetic Data

UltraDexGrasp: 为双臂机器人学习通用灵巧抓取

Sizhe Yang, Yiman Xie, Zhixuan Liang, Yang Tian, Jia Zeng, Dahua Lin, Jiangmiao Pang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） 纠错

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

AI总结 UltraDexGrasp通过合成数据训练出高效抓取策略，实现双臂机器人在多种物体上的高成功率抓取。

Comments Published at International Conference on Robotics and Automation (ICRA) 2026

SGR3 Model: Scene Graph Retrieval-Reasoning Model in 3D

SGR3模型：三维场景图检索-推理模型

Zirui Wang, Ruiping Liu, Yufan Chen, Junwei Zheng, Weijia Fan, Kunyu Peng, Di Wen, Jiale Wei, Jiaming Zhang, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Shenzhen University（深圳大学） ； Hunan University（湖南大学） 纠错

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

AI总结 SGR3模型通过多模态大语言模型与检索增强生成技术，实现无需训练的三维场景图生成，提升场景关系推理能力。

STAvatar: Soft Binding and Temporal Density Control for Monocular 3D Head Avatars Reconstruction

STAvatar: 基于软绑定与时间密度控制的单目3D头部人偶重建

Jiankuo Zhao, Xiangyu Zhu, Zidu Wang, Zhen Lei

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； CAIR, HKISI, Chinese Academy of Sciences（中国科学院计算技术研究所） ； SCSE, FIE, M.U.S.T（M.U.S.T） 纠错

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

AI总结 STAvatar通过软绑定与时间密度控制方法，实现了单目视频中高保真3D头部人偶的重建，尤其在细粒度细节和遮挡区域的重建上表现优异。

Comments Accepted to CVPR 2026. Project page: https://jiankuozhao.github.io/STAvatar/

Point2Act: Efficient 3D Distillation of Multimodal LLMs for Zero-Shot Context-Aware Grasping

Point2Act: 多模态大语言模型的高效3D蒸馏用于零样本情境感知抓取

Sang Min Kim, Hyeongjun Heo, Junho Kim, Yonghyeon Lee, Young Min Kim

机构 * Seoul National University（首尔国立大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 Point2Act通过多模态大语言模型高效蒸馏实现零样本情境感知抓取，生成空间定位响应以支持实际操作任务。

Comments Accepted to ICRA 2026

Neural Electromagnetic Fields for High-Resolution Material Parameter Reconstruction

神经电磁场用于高分辨率材料参数重建

Zhe Chen, Peilin Zheng, Wenshuo Chen, Xiucheng Wang, Yutao Yue, Nan Cheng

机构 * Xidian University（西安电子科技大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

专题命中 三维重建 ：NeRF(abstract)；分类 cs.CV

AI总结 NEMF通过非侵入式物理反演构建功能数字孪生，实现高精度材料参数重建与物理模拟。

Comments 10 pages, 5 figures

MERG3R: A Divide-and-Conquer Approach to Large-Scale Neural Visual Geometry

MERG3R: 一种用于大规模神经视觉几何的分而治之方法

Leo Kaixuan Cheng, Abdus Shaikh, Ruofan Liang, Zhijie Wu, Yushi Guan, Nandita Vijaykumar

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 MERG3R通过分而治之的方法提升大规模神经视觉几何重建的准确性、内存效率和可扩展性。

Comments Project page: https://leochengkx.github.io/MERG3R/

physfusion: A Transformer-based Dual-Stream Radar and Vision Fusion Framework for Open Water Surface Object Detection

physfusion: 一种基于Transformer的双流雷达与视觉融合框架用于开放水域表面目标检测

Yuting Wan, Liguo Sun, Jiuwu Hao, Zao Zhang, Pin LV

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 PhysFusion通过物理引导雷达编码器和Transformer融合模块，实现开放水域表面目标的高效检测，取得高精度检测结果。

UNCLE-Grasp: Uncertainty-Aware Grasping of Leaf-Occluded Strawberries

UNCLE-Grasp: 有不确定性意识的叶片遮挡草莓抓取

Malak Mansour, Ali Abouzeid, Zezhou Sun, Qinbo Sun, Dezhen Song, Abdalla Swikir

机构 * Department of Robotics, Mohamed bin Zayed University of Artificial Intelligence（机器人系，Mohamed bin Zayed人工智能大学） 纠错

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

AI总结 UNCLE-Grasp通过建模遮挡和形状补全的几何不确定性，提出了一种在部分遮挡下可靠抓取草莓的方法，通过多假设评估和保守置信界标准提升抓取可靠性。

Affine Correspondences in Stereo Vision: Theory, Practice, and Limitations

立体视觉中的仿射对应关系：理论、实践与局限性

Levente Hajder

机构 * L. Hajder Faculty of Informatics, E\"otv\"os Lor\' ； University, P\'azm\'any P\'eter stny. 1/C, Budapest, H-1117, Hungary 纠错

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

AI总结 本文研究了仿射变换在立体视觉中的应用，提出新的局部仿射变换估计方法，并通过实验验证了其在3D重建中的精度与有效性。

Neural Operator-Grounded Continuous Tensor Function Representation and Its Applications

神经运算机基础的连续张量函数表示及其应用

Ruoyang Su, Xi-Le Zhao, Sheng Liu, Wei-Hao Wu, Yisi Luo, Michael K. Ng

机构 * School of Mathematical Sciences, University of Electronic Science and Technology of China（电子科技大学数学科学学院） ； School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院） ； Department of Mathematics, Hong Kong Baptist University（香港 Baptist 大学数学系） 纠错

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

AI总结 本文提出神经运算机基础的连续张量函数表示NO-CTR，通过连续非线性模式-n运算符提升复杂数据表示能力，并在多种数据集上验证其优越性。

RnG: A Unified Transformer for Complete 3D Modeling from Partial Observations

RnG：一种统一的Transformer，用于从有限观测中完整建模3D结构

Mochu Xiang, Zhelun Shen, Xuesong Li, Jiahui Ren, Jing Zhang, Chen Zhao, Shanshan Liu, Haocheng Feng, Jingdong Wang, Yuchao Dai

机构 * Northwestern Polytechnical University（西北工业大学） ； Baidu Inc.（百度公司） ； Australian National University（澳大利亚国立大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） 纠错

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

AI总结 RnG提出了一种统一的Transformer模型，通过隐式3D表示实现从有限观测中完整重建3D结构并生成新视角。

Comments Accepted to CVPR 2026