3D 视觉

Layer-Wise Anomaly Detection in Directed Energy Deposition using High-Fidelity Fringe Projection Profilometry

使用高保真条纹投影 profilometry 进行定向能量沉积的层间异常检测

Guanzhong Hu, Wenpan Li, Rujing Zha, Ping Guo

机构 * Department of Mechanical Engineering, Northwestern University（西北大学机械工程系） 纠错

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

AI总结 本文提出了一种基于条纹投影的高精度方法，用于逐层检测定向能量沉积过程中的表面异常，实现了微米级的重建精度和自动化的缺陷识别。

Comments 28 pages, 17 figures

Reconstruction Guided Few-shot Network For Remote Sensing Image Classification

基于重建的少样本网络用于遥感图像分类

Mohit Jaiswal, Naman Jain, Shivani Pathak, Mainak Singha, Nikunja Bihari Kar, Ankit Jha, Biplab Banerjee

机构 * Dept. of CSE, The LNMIIT Jaipur（计算机科学与工程系，拉贾斯坦邦理工学院Jaipur） ； CSRE, IIT Bombay（印度理工学院博伊斯分校计算机科学与工程研究所） 纠错

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

AI总结 RGFS-Net通过引入掩码图像重建任务提升遥感图像少样本分类性能，实现对未见类别的泛化和已见类别的保持，有效提高低数据下的分类准确性。

Comments Accepted at InGARSS 2025

GM-MoE: Low-Light Enhancement with Gated-Mechanism Mixture-of-Experts

GM-MoE：基于门控机制的专家混合网络用于低光照增强

Minwen Liao, Hao Bo Dong, Xinyi Wang, Kurban Ubul, Yihua Shao, Ziyang Yan

机构 * Xinjiang University（新疆大学） ； Harbin University of Commerce（哈尔滨商业大学） ； Changchun University of Science and Technology（长春理工大学） ； University of Science and Technology Beijing（北京科技大学） ； University of Trento（特伦托大学） 纠错

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

AI总结 GM-MoE通过门控机制混合专家网络实现低光照图像增强，提升图像质量与泛化能力。

SARA: Scene-Aware Reconstruction Accelerator

SARA：场景感知重建加速器

Jee Won Lee, Hansol Lim, Minhyeok Im, Dohyeon Lee, Jongseong Brad Choi

机构 * Department of Mechanical Engineering, State University of New York, Korea, Incheon, South Korea（纽约州立大学机械工程系） ； Department of Mechanical Engineering, State University of New York, Stony Brook, NY, United States（纽约州立大学石溪分校机械工程系） ； Department of Computer Science, State University of New York, Korea, Incheon, South Korea（纽约州立大学计算机科学系） ； Department of Computer Science, State University of New York, Stony Brook, NY, United States（纽约州立大学石溪分校计算机科学系） 纠错

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

AI总结 SARA通过几何驱动的配对选择方法，在减少配对数量的同时提升重建精度，实现高效且准确的结构从运动处理。

Comments This work has been submitted to the 2026 International Conference on Pattern Recognition (ICPR) for possible publication

PCF-Grasp: Converting Point Completion to Geometry Feature to Enhance 6-DoF Grasp

PCF-Grasp: 将点完成转换为几何特征以增强6自由度抓取

Yaofeng Cheng, Fusheng Zha, Wei Guo, Pengfei Wang, Chao Zeng, Lining Sun, Chenguang Yang

机构 * State Key Laboratory of Robotics and System at Harbin Institute of Technology（哈尔滨工业大学机器人系统国家重点实验室） ； Lanzhou University of Technology（兰州理工大学） ； Department of Computer Science（计算机科学系） ； University of Liverpool（利物浦大学） 纠错

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

AI总结 PCF-Grasp通过将点完成转换为几何特征，提升6自由度抓取的准确性和效率，实验显示其在真实环境中的成功率比现有方法高17.8%。

Journal ref IEEE Transactions on Systems, Man, and Cybernetics: Systems ( Volume: 56, Issue: 1, January 2026)

MOSAIC-GS: Monocular Scene Reconstruction via Advanced Initialization for Complex Dynamic Environments

MOSAIC-GS：通过先进初始化进行复杂动态环境的单目场景重建

Svitlana Morkva, Maximum Wilder-Smith, Michael Oechsle, Alessio Tonioni, Marco Hutter, Vaishakh Patil

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

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

AI总结 MOSAIC-GS通过先进初始化实现复杂动态环境的单目场景重建，结合多种几何线索和刚性运动约束，提高重建效率与质量。

Mesh4D: 4D Mesh Reconstruction and Tracking from Monocular Video

Mesh4D: 从单目视频中进行4D网格重建与跟踪

Zeren Jiang, Chuanxia Zheng, Iro Laina, Diane Larlus, Andrea Vedaldi

机构 * VGG, University of Oxford（视觉研究院、牛津大学） ； Nanyang Technological University（南洋理工大学） ； Naver Labs Europe（Naver欧洲实验室） 纠错

专题命中 三维重建 ：novel view synthesis(abstract)；分类 cs.CV

AI总结 Mesh4D通过紧凑的潜在空间和潜在扩散模型，实现从单目视频中高效重建动态物体的4D网格和运动。

Comments 15 pages, 8 figures, project page: https://mesh-4d.github.io/

Pixel-Perfect Visual Geometry Estimation

像素级视觉几何估计

Gangwei Xu, Haotong Lin, Hongcheng Luo, Haiyang Sun, Bing Wang, Guang Chen, Sida Peng, Hangjun Ye, Xin Yang

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Xiaomi EV（小米电动车） 纠错

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

AI总结 本文提出像素级视觉几何模型，通过生成建模技术实现高质量无飞像素点云，提升单目和视频深度估计的性能和准确性。

Comments Code: https://github.com/gangweix/pixel-perfect-depth

InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields

InfiniDepth：基于神经隐式场的任意分辨率和细粒度深度估计

Hao Yu, Haotong Lin, Jiawei Wang, Jiaxin Li, Yida Wang, Xueyang Zhang, Yue Wang, Xiaowei Zhou, Ruizhen Hu, Sida Peng

机构 * Zhejiang University（浙江大学） ； Li Auto（利汽车） ； Shenzhen University（深圳大学） 纠错

专题命中 三维重建 ：novel view synthesis(abstract)；分类 cs.CV

AI总结 InfiniDepth通过神经隐式场实现任意分辨率和细粒度深度估计，提升深度估计性能和新视角合成质量。

Comments 19 pages, 13 figures

PhysSFI-Net: Physics-informed Geometric Learning of Skeletal and Facial Interactions for Orthognathic Surgical Outcome Prediction

PhysSFI-Net：基于物理的几何学习用于正颌手术结果预测的颅面和面部相互作用

Jiahao Bao, Huazhen Liu, Yu Zhuang, Leran Tao, Xinyu Xu, Yongtao Shi, Mengjia Cheng, Yiming Wang, Congshuang Ku, Ting Zeng, Yilang Du, Siyi Chen, Shunyao Shen, Suncheng Xiang, Hongbo Yu

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

AI总结 PhysSFI-Net通过结合物理指导的几何深度学习，实现高精度的正颌手术术后面部形态预测，优于现有方法。

Comments 29 pages, 8 figures

UniSH: Unifying Scene and Human Reconstruction in a Feed-Forward Pass

UniSH：在单次前向传递中统一场景和人体重建

Mengfei Li, Peng Li, Zheng Zhang, Jiahao Lu, Chengfeng Zhao, Wei Xue, Qifeng Liu, Sida Peng, Wenxiao Zhang, Wenhan Luo, Yuan Liu, Yike Guo

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 UniSH通过统一前馈框架实现场景和人体的联合重建，利用野外数据提升泛化能力，实现高保真度的3D重建。

AdaGaR: Adaptive Gabor Representation for Dynamic Scene Reconstruction

AdaGaR：自适应Gabor表示用于动态场景重建

Jiewen Chan, Zhenjun Zhao, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University（阳明交通大学） ； University of Zaragoza（巴塞罗那大学） 纠错

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

AI总结 AdaGaR通过自适应Gabor表示和时间曲率正则化，实现动态场景重建的高精度与稳定性，展现优异的性能和泛化能力。

Comments Project page: https://jiewenchan.github.io/AdaGaR/

Subsecond 3D Mesh Generation for Robot Manipulation

亚秒级机器人操作用3D网格生成

Qian Wang, Omar Abdellall, Tony Gao, Xiatao Sun, Daniel Rakita

机构 * Office of Naval Research（海军研究办公室） 纠错

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

AI总结 本研究提出了一种亚秒级3D网格生成系统，通过集成开放词汇分割、加速扩散生成和稳健点云注册，实现高保真网格的快速生成，用于机器人感知与规划。

Comments In submission

DriveExplorer: Images-Only Decoupled 4D Reconstruction with Progressive Restoration for Driving View Extrapolation

DriveExplorer: 基于图像的解耦4D重建与渐进修复用于驾驶视角外推

Yuang Jia, Jinlong Wang, Jiayi Zhao, Chunlam Li, Shunzhou Wang, Wei Gao

机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology（广东省级超高清沉浸媒体技术重点实验室） ； School of Electronic and Computer Engineering（电子与计算机工程学院） ； Shenzhen Graduate School, Peking University（北京大学深圳研究生院） 纠错

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

AI总结 DriveExplorer通过图像解耦和渐进修复实现驾驶视角外推，利用4D高斯框架和扩散模型提升重建质量。

Memorization in 3D Shape Generation: An Empirical Study

三维形状生成中的记忆现象：一项实证研究

Shu Pu, Boya Zeng, Kaichen Zhou, Mengyu Wang, Zhuang Liu

机构 * Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文通过实证研究探讨了3D生成模型中记忆现象的影响因素，并提出减少记忆的策略以提升生成多样性。

MGCA-Net: Multi-Graph Contextual Attention Network for Two-View Correspondence Learning

MGCA-Net：多图上下文注意网络用于双视图对应学习

Shuyuan Lin, Mengtin Lo, Haosheng Chen, Yanjie Liang, Qiangqiang Wu

机构 * College of Cyber Security, Jinan University, Guangzhou, China（广州大学网络安全学院） ； Chongqing Key Laboratory of Image Cognition, College of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing, China（重庆邮电大学计算机科学与技术学院） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室） ； Department of Computer Science, City University of Hong Kong, Hong Kong, China（香港城市大学计算机科学系） 纠错

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

AI总结 MGCA-Net通过多图上下文注意网络提升双视图对应学习的鲁棒性，有效增强局部和全局几何关系捕捉能力。

3D Scene Change Modeling With Consistent Multi-View Aggregation

基于一致多视角聚合的3D场景变化建模

Zirui Zhou, Junfeng Ni, Shujie Zhang, Yixin Chen, Siyuan Huang

机构 * Tsinghua University（清华大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） 纠错

专题命中 三维重建 ：3DGS(abstract)；分类 cs.CV

AI总结 SCaR-3D通过一致多视角聚合实现3D场景变化检测，结合2D差分与投票修剪模块，提升变化前后的状态分离能力，并引入CCS3D数据集和持续重建策略，实现高精度高效的变化检测。

Depth Anything in $360^\circ$: Towards Scale Invariance in the Wild

360度深度估计：迈向野外的尺度不变性

Hualie Jiang, Ziyang Song, Zhiqiang Lou, Rui Xu, Minglang Tan

机构 * Insta360 Research（Insta360研究院） 纠错

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

AI总结 DA360通过学习ViT主干的位移参数，实现全景深度估计的尺度不变性，显著提升室内和户外深度估计性能。

Comments https://insta360-research-team.github.io/DA360

Medical Scene Reconstruction and Segmentation based on 3D Gaussian Representation

基于3D高斯表示的医学场景重建与分割

Bin Liu, Wenyan Tian, Huangxin Fu, Zizheng Li, Zhifen He, Bo Li

机构 * Nanchang Hangkong University（南昌航空大学） ； Guilin University Of Electronic Technology（桂林电子科技大学） 纠错

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

AI总结 本文提出基于3D高斯和三平面表示的医学图像重建方法，解决传统方法在稀疏切片中的结构不连续和细节丢失问题，提升重建效率和图像质量。

Comments 14 pages, 3 figures

Visual Autoregressive Modelling for Monocular Depth Estimation

单目深度估计的视觉自回归建模

Amir El-Ghoussani, André Kaup, Nassir Navab, Gustavo Carneiro, Vasileios Belagiannis

机构 * Friedrich-Alexander University Erlangen-Nuremberg, Germany（埃朗根-纽伦堡弗里德里希-亚历山大大学） ； Technical University of Munich, Germany（慕尼黑技术大学） ； University of Surrey, United Kingdom（萨里大学） 纠错

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

AI总结 本文提出基于视觉自回归先验的单目深度估计方法，通过自回归阶段和分类器自由引导实现高效深度估计，适用于室内和户外场景。

Event-based high temporal resolution measurement of shock wave motion field

基于事件的高时间分辨率冲击波运动场测量

Taihang Lei, Banglei Guan, Minzu Liang, Pengju Sun, Jing Tao, Yang Shang, Qifeng Yu

机构 * College of Aerospace Science and Engineering, National University of Defense Technology（航空航天学院，国防科技大学） ； Hunan Provincial Key Laboratory of Image Measurement and Vision Navigation（湖南省图像测量与视觉导航重点实验室） ； College of Science, National University of Defense Technology（科学学院，国防科技大学） 纠错

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

AI总结 本文提出基于事件相机的高时间分辨率冲击波运动场测量方法，通过极坐标系统和迭代斜率分析实现高精度测量，实验结果表明其在速度测量上的精度优于传统方法。

SAM 3D for 3D Object Reconstruction from Remote Sensing Images

SAM 3D用于从遥感图像中进行3D物体重建

Junsheng Yao, Lichao Mou, Qingyu Li

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； MedAI Technology（MedAI技术） 纠错

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

AI总结 本文提出SAM 3D模型用于遥感图像的3D建筑重建，通过实验验证其在生成几何和边界上的优势，并扩展至城市场景重建，探讨其在城市建模中的应用潜力。

Analyzing the Mechanism of Attention Collapse in VGGT from a Dynamics Perspective

从动力学角度分析VGGT中注意力崩溃的机制

Huan Li, Longjun Luo, Yuling Shi, Xiaodong Gu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Guangdong University of Technology（广东工业大学） ； 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 VGGT中注意力崩溃现象从动力学角度进行数学解释，揭示token特征流收敛规律及token合并方法对延迟崩溃的作用。

Comments 8 pages, 4 figures

MuS-Polar3D: A Benchmark Dataset for Computational Polarimetric 3D Imaging under Multi-Scattering Conditions

MuS-Polar3D: 一种用于多散射条件下计算极化3D成像的基准数据集

Puyun Wang, Kaimin Yu, Huayang He, Xianyu Wu

机构 * School of Mechanical Engineering and Automation, Fuzhou University（机械工程与自动化学院，福州大学） ； Research Institute of Highway, Ministry of Transport（交通部公路科学研究院） 纠错

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

AI总结 MuS-Polar3D是首个公开的水下极化3D成像基准数据集，通过多散射条件下的极化图像和高精度3D模型，提升水下3D重建的准确性和算法评估的公平性。

BabyFlow: 3D modeling of realistic and expressive infant faces

BabyFlow：真实且富有表现力的婴儿面部的3D建模

Antonia Alomar, Mireia Masias, Marius George Linguraru, Federico M. Sukno, Gemma Piella

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

AI总结 BabyFlow通过归一化流和跨年龄表情迁移，实现婴儿面部的高精度3D建模与表情生成，提升早期发育障碍检测的准确性。

Dexterous World Models

灵巧世界模型

Byungjun Kim, Taeksoo Kim, Junyoung Lee, Hanbyul Joo

机构 * Seoul National University（首尔国立大学） ； RLWRLD 纠错

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

AI总结 灵巧世界模型通过场景-动作-条件的视频扩散框架，实现静态3D场景与灵巧人类动作的动态交互模拟，推动交互式数字双胞胎的发展。

Comments Project Page: snuvclab.github.io/dwm

Pix2NPHM: Learning to Regress NPHM Reconstructions From a Single Image

Pix2NPHM：从单张图像回归NPHM重建

Simon Giebenhain, Tobias Kirschstein, Liam Schoneveld, Davide Davoli, Zhe Chen, Matthias Nießner

机构 * Technical University of Munich（慕尼黑技术大学） ； Woven by Toyota（丰田织造公司） ； Toyota Motor Europe（丰田欧洲公司） 纠错

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

AI总结 Pix2NPHM通过视觉变换器直接从单张图像回归NPHM参数，实现高保真面部3D重建与表情识别。

Comments Project website: https://simongiebenhain.github.io/Pix2NPHM/ , Video: https://www.youtube.com/watch?v=MgpEJC5p1Ts

GraphCompNet: A Position-Aware Model for Predicting and Compensating Shape Deviations in 3D Printing

GraphCompNet: 一种面向位置的模型，用于预测和补偿3D打印中的形状偏差

Juheon Lee, Lei, Chen, Juan Carlos Catana, Hui Wang, Jun Zeng

机构 * IEEE 纠错

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

AI总结 GraphCompNet通过结合图神经网络和GAN训练范式，实现对3D打印中位置依赖性形状偏差的预测与补偿，提升整体制造精度与适应性。

Comments Accepted manuscript. Final version published in IEEE Transactions on Automation Science and Engineering

Journal ref IEEE Transactions on Automation Science and Engineering 2025

EasyHOI: Unleashing the Power of Large Models for Reconstructing Hand-Object Interactions in the Wild

EasyHOI: 释放大模型潜力以重建真实场景中的手-物体交互

Yumeng Liu, Xiaoxiao Long, Zemin Yang, Yuan Liu, Marc Habermann, Christian Theobalt, Yuexin Ma, Wenping Wang

机构 * The University of Hong Kong（香港大学） ； ShanghaiTech University（上海科技大学） ； Hong Kong University of Science and Technology（香港科学大学） ； Nanyang Technological University（南洋理工大学） ； Max Planck Institute for Informatics（马克斯·普朗克研究所（信息学）） ； Texas A&M University（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 EasyHOI利用大模型实现单视角下手-物体交互的重建，通过先验引导优化提升重建精度。

Comments Project page: https://lym29.github.io/EasyHOI-page/

4D Primitive-Mâché: Glueing Primitives for Persistent 4D Scene Reconstruction

4D 原始-马歇：粘合原始以实现持久的4D场景重建

Kirill Mazur, Marwan Taher, Andrew J. Davison

机构 * Dyson Robotics Lab, Imperial College London（戴森机器人实验室，帝国理工学院伦敦） 纠错

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

AI总结 本文提出一种4D场景重建方法，通过分解场景为刚体3D原始并推断其运动，实现持久的4D重建，优于现有方法。

Comments For project page, see https://makezur.github.io/4DPM/