视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
4D神经体素溅射：基于体素化的高斯溅射的动态场景渲染
机构 * National Taiwan University（国立台湾大学） ； Academia Sinica（中央研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出4D神经体素溅射方法，结合体素表示与神经高斯溅射，实现高效的动态场景建模，减少内存消耗并提升渲染质量。
Comments 10 pages, 7 figures
Fake3DGS：3D操控检测在神经渲染中的基准
机构 * University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出Fake3DGS基准，用于评估3D内容的真实性，通过3D高斯点散布场景和渲染视图，展示现有2D检测器在区分原始与3D操控图像上的不足，并引入3D-aware方法提升识别性能。
Comments Accepted at ICPR 2026. Code and data: https://github.com/iot-unimore/Fake3DGS
Softmax-GS: 通用高斯学习何时融合或边界
机构 * Adobe Research（Adobe研究院） ； Tripo AI（Tripo人工智能公司） ； Hillbot（Hillbot公司） ； Oregon State University（俄勒冈州立大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 Softmax-GS通过在重叠区域引入softmax竞争机制，解决3D GS中的视图不一致和模糊边界问题，提升重建质量和参数效率。
Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition Findings (CVPRF), 2026
C3G：通过2K高斯学习紧凑的3D表示
机构 * KAIST AI（韩国成均馆大学人工智能研究所） ； ETH AI Center, ETH Zürich（苏黎世联邦理工学院人工智能中心） ； SONY AI（索尼人工智能） ； Sony Group Corporation（索尼集团）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出C3G框架，通过学习可训练标记聚合多视图特征，生成紧凑且几何意义明确的3D高斯表示，提升场景重建与理解的效率和精度。
Comments Project Page : https://cvlab-kaist.github.io/C3G/
AvatarPointillist: 基于自回归的4D高斯虚拟角色生成
机构 * HKUST（香港科技大学） ； Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 本文提出AvatarPointillist框架，通过自回归Transformer生成动态4D高斯虚拟角色，结合点云生成与高斯点散射，实现高精度、可控制的虚拟角色生成。
Comments Accepted by the CVPR 2026 main conference. Project page: https://kumapowerliu.github.io/AvatarPointillist/
3DGR-CT：基于3D高斯表示的稀疏视图CT重建
机构 * organization= School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advance Research, USTC , city= Suzhou , postcode= 215123 , state= Jiangsu , country= China ； organization= Key Laboratory of Precision ； organization= Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS , city= Beijing , postcode= 100190 , country= China
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出3DGR-CT方法，利用3D高斯表示替代隐式神经表示，通过FBP图像引导初始化和高效可微CT投影器提升稀疏视图CT重建精度与收敛速度，实现高精度实时物理模拟。
Journal ref Medical Image Analysis, Volume 103, 103585, 2025
LumiMotion：通过场景动态改进高斯光照明
机构 * Warsaw University of Technology（华沙理工大学） ； Sano Centre for Computational Medicine（Sano计算医学中心） ； Inst. for Biomedical Informatics, Univ. Hospital of Cologne（科隆大学医院生物医学信息学研究所） ； University of Cologne（科隆大学） ； CMMC Cologne（科隆CMMC） ； Jagiellonian University（雅盖隆大学） ； IDEAS Research Institute（IDEAS研究所） ； Microsoft（微软）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出LumiMotion，通过利用场景动态元素作为监督信号，改进高斯反渲染方法，在动态场景中实现更准确的光照与材质分离，实验表明在albedo估计和场景照明中分别提升了23%和15%。
Comments CVPR2026
GaussFly: 用于3D高斯场中视觉-运动策略的对比学习
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院） ； College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.RO
AI总结 本文提出GaussFly框架，通过实-仿-实范式解耦表征学习与策略优化，利用3D高斯点划法重建场景并采用对比学习提取鲁棒特征，提升视觉-运动策略的样本效率和实境迁移能力。
流式实时渲染场景作为3D高斯分布
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.GR
AI总结 本文提出通过流式传输3D高斯分布场景表示替代传统2D视频流，提升延迟补偿的视角灵活性和多用户场景建模效率。
野外场景的场景定位
机构 * Tel Aviv University（特拉维夫大学） ； Cornell University（康奈尔大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出一种框架，通过将部分重建与完整的参考模型对齐，提升无视觉重叠时的大尺度场景重建一致性。方法基于伪合成渲染，利用3D高斯点云和逆特征优化，引入WikiEarth数据集验证效果。
Comments CVPR 2026. Project page at https://tau-vailab.github.io/SceneGround/
高效的相机姿态增强用于机器人策略学习中的视角泛化
机构 * Xi'an Jiaotong University（西安交通大学） ； Noah's Ark Lab（诺亚方舟实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.RO
AI总结 本文提出GenSplat框架，通过新颖视角渲染实现视角泛化的策略学习，利用3D高斯点云重建和3D先验蒸馏策略，增强策略在空间扰动下的鲁棒性。
Catalyst4D: 通过动态传播实现高保真的3D到4D场景编辑
机构 * State Key Laboratory of Complex and Critical Software Environment, Beihang University（北京航空航天大学复杂关键软件环境国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； Zhejiang Industrial Big Data and Robot Intelligent System Key Laboratory, Hangzhou Innovation Institute, Beihang University（北京航空航天大学杭州创新研究院浙江省工业大数据与机器人智能系统重点实验室）
专题命中 Gaussian Splatting ：NeRF(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出Catalyst4D框架，通过动态传播实现高保真的4D场景编辑，保持时空一致性，优于现有方法。
Comments https://junliao2025.github.io/Catalyst4D-ProjectPage/
GS3LAM: 基于高斯语义散射的SLAM
机构 * School of Software Engineering, Tongji University（同济大学软件工程学院） ； Department of Automation, Shanghai Jiaotong University（上海交通大学自动化系）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 GS3LAM通过多模态数据融合实现实时一致的语义密集地图，采用语义高斯场和多模态误差约束联合优化，引入深度自适应尺度正则化和随机采样关键帧映射策略，提升跟踪鲁棒性和渲染质量。
Comments Accepted by ACM MM 2024
VG-Mapping：面向半静态场景的变分感知密度控制在线3D高斯映射
机构 * Southern University of Science and Technology（南方科技大学） ； CKS Robotics Institute, Hong Kong University of Science and Technology（香港科技大学CKS机器人研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.RO
AI总结 本文提出VG-Mapping，通过变分感知密度控制策略提升半静态场景在线3D高斯映射的更新效率与渲染质量，同时构建了包含合成与真实数据的RGB-D数据集。
更少高斯，纹理更多：4K前馈纹理散射
机构 * HKU（香港大学） ； Apple（苹果公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出LGTM方法，通过预测紧凑高斯体与每体纹理，实现高分辨率4K视图合成，无需场景优化，显著减少高斯体数量。
MoRel：通过基于锚点中继的双向混合与分层密集化实现长距离无闪烁的4D运动建模
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出MoRel框架，通过锚点中继双向混合与分层密集化方法，实现长距离动态场景的高效4D重建，解决内存占用、时间闪烁及遮挡处理问题。
Comments CVPR 2026 (camera ready ver.). The first two authors contributed equally to this work (equal contribution). Please visit our project page at https://cmlab-korea.github.io/MoRel/
AGORA：对抗生成实时可动画的3D高斯头人像
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Polynome AI（波尼莫AI） ； MTS AI
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 AGORA通过将3D高斯点云与生成对抗网络结合，实现高保真可动画的3D人像生成，提升表达精度与可控性，并在单GPU上实现560FPS的渲染速度。
Comments Extended the method to support mobile devices; updated experiments, results and supplementary
CrowdGaussian：从单张图像重建高保真的人类人群3D高斯
机构 * Nanjing University, China（南京大学） ； Fudan University, China（复旦大学） ； State Key Laboratory of Novel Software Technology, China（新型软件技术国家重点实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出CrowdGaussian框架，通过单张图像直接重建多人3D高斯点云，解决遮挡、低清晰度和多样外观等挑战，实验表明其能生成逼真且几何一致的多人场景重建。
Comments Accepted by CVPR 2026
SGAD-SLAM：调整深度的点云溅射以改进RGBD SLAM中的光场
机构 * Machine Perception Lab, Wayne State University, Detroit, USA（机器感知实验室，韦恩州立大学，底特律，美国）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 SGAD-SLAM通过调整深度的点云溅射方法改进RGBD SLAM中的光场表示，解决传统高斯点云灵活性和运动限制的问题，提升渲染质量和跟踪效率。
Comments CVPR 2026
StreetForward：基于前馈因果注意力的动态街道感知
机构 * Li Auto Inc.（Li汽车公司） ； Zhejiang University（浙江大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出StreetForward框架，通过交替注意力机制和时间掩码注意力模块，实现动态街道的前馈重建，统一表示静态内容和动态实例，并在Waymo数据集上验证了其在视图合成和深度估计上的优越性。
LTGS: 从稀疏视角更新中获取长期高斯场景时间线
机构 * Dept. of Electrical and Computer Engineering, Seoul National University（电子与计算机工程系，首尔国立大学） ； Interdisciplinary Program in Artificial Intelligence and INMC, Seoul National University（人工智能跨学科项目及INMC，首尔国立大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出LTGS方法，通过稀疏视角更新高效表示日常场景变化，利用模板高斯作为结构先验，提升3D环境的时间演化可扩展性。
Comments Accepted to CVPR 2026 Findings
PhysGM：用于前馈4D合成的大型物理高斯模型
机构 * Beijing Institute of Technology（北京理工大学） ； Li Auto（利汽车） ； Harbin Institute of Technology（哈尔滨工业大学） ； Sichuan University（四川大学） ； Suzhou Research Institute, Harbin Institute of Technology（哈尔滨工业大学苏州研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 PhysGM通过单图像联合预测3D高斯表示和物理属性，实现高效4D渲染。该方法采用物理感知重建模型和直接偏好优化，提升模拟精度并降低计算成本。
Comments CVPR 2026
MetaGS: 一种基于元学习的高斯-Phong模型用于分布外3D场景重照明
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 MetaGS通过元学习训练3D高斯点散射模型，结合Blinn-Phong物理先验，提升分布外3D场景重照明的鲁棒性和准确性。
Comments Accepted by NeurIPS 2025 (Spotlight). Code: https://github.com/raynehe/MetaGS
PhyGaP：基于极化线索的物理 grounded 高斯分布
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 PhyGaP利用极化线索改进3D高斯分布，通过极化延迟渲染和网格映射技术实现高精度反射分解和逼真光照重映射，实验表明其在反射3D物体重建和逆渲染方面表现优异。
Comments The paper is accepted by CVPR 2026
RadarGaussianDet3D: 基于高斯表示的实时3D目标检测与4D汽车雷达
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出RadarGaussianDet3D，通过高斯表示提升4D雷达的3D目标检测性能，采用点高斯编码器和3D高斯点划技术生成密集特征图，结合新的高斯损失函数实现更高效的检测与推理。
Comments Accepted by IEEE Robotics and Automation Letters
具有变体意识的灵活3D高斯编辑
机构 * Zhejiang University（浙江大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.GR
AI总结 本文提出VF-Editor，通过预测属性变化实现3D高斯的原生编辑，解决间接编辑方法中的跨视不一致性和效率问题，验证了其在公开和私有数据集上的有效性。
ExGS：基于扩散先验的极端3D高斯压缩
机构 * Northwestern Polytechnical University（北western工业大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 ExGS通过结合UGC和GaussPainter，利用扩散先验实现高效且高质量的极端3DGS压缩。
EmbedTalk: 无需三平面的语音头合成使用嵌入驱动的高斯变形
机构 * School of Computer Science, University of Leeds（利兹大学计算机科学学院） ； Leeds Institute of Medical Education, School of Medicine, University of Leeds（利兹大学医学教育研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 EmbedTalk通过嵌入驱动的高斯变形方法，在语音头合成中实现更高质量的渲染和更流畅的运动一致性。
Comments Preprint
FastAvatar: 向统一且快速的3D人像重建迈进：基于大高斯重建变换器
机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； AKool
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 FastAvatar通过大高斯重建变换器实现快速且统一的3D人像重建，利用多种输入数据提升重建质量和效率。
无需校准，无需深度，无需问题：跨传感器视角合成与3D一致性
机构 * Bosch Research North America（博世北美研究部） ； Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出了一种无需校准的跨传感器视角合成方法，通过匹配、密集化和3D点云整合技术，解决RGB-X数据对齐问题，提升大规模真实世界数据收集的效率。
Comments CVPR 2026 Main Conference. Project page: https://choyingw.github.io/3d-rgbx.github.io/
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈