Visualizing the Invisible: A Generative AR System for Intuitive Multi-Modal Sensor Data Presentation
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)
视觉与机器人
3D 视觉
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
1. Gaussian Splatting 3139 篇
AV-GS: Learning Material and Geometry Aware Priors for Novel View Acoustic Synthesis
专题命中 Gaussian Splatting ：NeRF(abstract)；Gaussian Splatting(abstract)
Comments Accepted to NeurIPS 2024
Infinite Leagues Under the Sea: Photorealistic 3D Underwater Terrain Generation by Latent Fractal Diffusion Models
专题命中 Gaussian Splatting ：3DGS(abstract)；分类 cs.CV、cs.GR、cs.RO
Comments 10 pages
TSOG: A Format For Temporally And Spatially Ordered Gaussians
TSOG：时空有序高斯格式
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 该研究提出TSOG格式，扩展SOG框架至时间域以高效表示4DGS内容，经评估其文件大小缩减超90%且质量下降极小，可实现动态4D内容的高效存储与传输。
Comments 2026 IEEE International Conference on Image Processing (ICIP). IEEE, 2026
ECoNGS: Efficient Compressive Neural Gaussian Splats for Volume Visualization
ECoNGS：用于体数据可视化的高效压缩神经高斯点云
机构 * University of Notre Dame（圣母大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 研究针对大型数据集体数据可视化，提出ECoNGS框架，用轻量级神经网络从显式锚点预测隐式高斯点云，结合联合学习策略、神经熵模型压缩及特定初始化策略，相比iVR-GS在多方面性能更优。
Comments To be published in Proceedings of IEEE VIS 2026, IEEE Transactions on Visualization and Computer Graphics
TerraTransfer: Learning End-to-End Driving Policies Without Expert Demonstrations
TerraTransfer: 无需专家示范的端到端驾驶策略学习
机构 * Applied Intuition ； UCLA（加州大学洛杉矶分校） ； UC Berkeley（加州大学伯克利分校）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 提出一种无需专家示范的端到端驾驶方法，通过向量化模拟器中的自博弈预训练策略，再与预训练视觉骨干对齐，降低了数据成本并达到或超越现有方法。
Learning Physics-Guided Residual Dynamics for Deformable Object Simulation
学习用于可变形物体模拟的物理引导残差动力学
机构 * UIUC（伊利诺伊大学厄巴纳 - 香槟分校） ； Columbia University（哥伦比亚大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 研究针对可变形物体模拟中动力学预测难的问题，提出物理引导残差动力学（PGRD）框架，结合物理与学习方法优势，采用特定架构和公式，在多物体模拟上结果更准，还展示了其在操作规划和交互式模拟中的应用效用。
Comments Website: https://pgrd-robot.github.io/
SplatCtrl: Perception-Action Coupling via Gaussian Scene Representations and Reactive Robot Control
SplatCtrl：通过高斯场景表示和反应式机器人控制实现感知-动作耦合
机构 * Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 针对机器人在非结构化动态环境控制难题，提出SplatCtrl框架。基于3D高斯溅射，引入混合滤波和重定位策略用于场景重建，还提出从高斯推导距离函数的方法，纳入控制障碍函数，实现感知-动作耦合，经实验验证有效。
Comments Published in 2026 International Conference on Robotics and Automation (ICRA). 8 pages, 8 figures
Hybrid Foveated Path Tracing with Peripheral Gaussians for Immersive Anatomy
混合视网膜路径追踪与边缘高斯分布用于沉浸式解剖学
机构 * Technical University of Munich (TUM), Germany（慕尼黑技术大学） ； TUM University Hospital, Orthopedics and Sports Orthopedics（TUM大学医院，骨科和运动骨科） ； Human-Centered Computing and Extended Reality Lab (HEX)（以人为本计算与扩展现实实验室） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 本文提出了一种结合视网膜路径追踪和高斯点分布的混合渲染方法，用于实现高质量、交互式和沉浸式的解剖学可视化。
Comments Scheduled for publication in the Proceedings of IEEE VR 2026
Journal ref 2026 IEEE Conference on Virtual Reality and 3D User Interfaces (VR), 585-595 (2026)
Resonant Brane Splatting for Arbitrary-Scale Super-Resolution
用于任意尺度超分辨率的共振膜片溅射
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 提出共振膜片溅射（RBS）框架，用Brane基元替代高斯溅射，通过高斯-埃尔米特模式捕获高频细节，实现任意尺度超分辨率的高质量与高效渲染。
VLK: Learning Humanoid Loco-Manipulation from Synthetic Interactions in Reconstructed Scenes
VLK：从重建场景中的合成交互学习人形机器人全身操控
机构 * Amazon FAR（亚马逊FAR） ； UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.GR、cs.RO
AI总结 提出VLK方法，通过3D高斯泼溅重建室内场景并合成视觉-语言-运动学数据，训练人形机器人全身操控策略，实现从仿真到真实的迁移。
Comments 19 pages, 7 figures, 4 tables
FalconTrack: Photorealistic Auto-Labeled Perception and Physics-Aware Vision-Based Aerial Tracking
FalconTrack: 逼真自动标注感知与物理感知的视觉空中跟踪
机构 * Department of Electrical and Computer Engineering, University of Illinois at Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系） ； Toyota Motor North America R&D（丰田北美研发）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 提出FalconTrack框架，利用高斯泼溅模拟器自动生成标注数据，结合多头感知与物理感知跟踪，实现零样本模拟到真实迁移，在硬件闭环跟踪中达到100%成功率。
Learning to Adaptively Allocate Gaussians for Arbitrary-Scale Image Super-Resolution
学习自适应分配高斯体以实现任意尺度图像超分辨率
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 提出QuADA-GS，通过神经路由架构自适应分配高斯体，结合分层指针卷积实现高效任意尺度超分辨率，达到SOTA性能。
DR-GS: Physically-Based Deformable and Relightable 2D Gaussians
DR-GS: 基于物理的可变形与可重光照的2D高斯泼溅
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 提出DR-GS框架，通过显式解耦几何、光照和材质，实现可变形物体的物理一致重光照与后编辑，在静态重建、动态变形和重光照中达到领先视觉质量。
TUGS: Physics-based Compact Representation of Underwater Scenes by Tensorized Gaussian
TUGS: 基于物理的紧凑表示法用于水下场景的张量高斯表示
机构 * Huazhong University of Science and Technology（华中科技大学） ； Zhongguancun Academy（中关村学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Zhengzhou University（郑州大学） ； Hainan University（海南大学） ； Shenzhen University（深圳大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出TUGS，一种基于物理模型的紧凑水下3D表示法，通过物理建模复杂水下光场，实现高效高质量的水下图像渲染，实验表明其在有限参数下能取得优越的重建质量。
SplatPainter: Interactive Authoring of 3D Gaussians from 2D Edits via Test-Time Training
SplatPainter: 通过测试时训练从2D编辑交互式创作3D高斯
机构 * Stanford University（斯坦福大学） ； Adobe
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 提出SplatPainter，一种状态感知的前馈模型，通过测试时训练实现从用户2D视图连续编辑3D高斯资产，支持局部细节优化、涂改和全局重着色，达到交互速度。
Comments project page https://y-zheng18.github.io/SplatPainter/
From Seeing to Experiencing: Scaling Navigation Foundation Models with Reinforcement Learning
从看见到体验：通过强化学习扩展导航基础模型
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Coco Robotics（Coco机器人）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 提出S2E框架，结合离线视频预训练和模拟环境强化学习，通过锚点引导分布匹配和残差注意力模块，提升导航基础模型的交互性和安全性。
Comments 27 pages, 20 figures, 9 tables, conference
TRON: Tracing Rays to Orchestrate a Neural Renderer for 3D Gaussian Reconstructions
TRON：追踪光线以编排用于3D高斯重建的神经渲染器
机构 * NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
专题命中 Gaussian Splatting ：3D reconstruction(abstract)；分类 cs.CV、cs.GR
AI总结 提出TRON框架，结合3D高斯光线追踪与神经渲染，实现真实世界3D场景在新光照、动态物体运动、物体插入和材质编辑下的逼真可控渲染，通过内在分解先验和光线追踪辐射引导，弥合物理渲染与神经渲染的差距。
Comments Project page: https://research.nvidia.com/labs/sil/projects/tron/
UnsOcc: 3D Semantic Occupancy Prediction in Unstructured Scene via Rendering Fusion
UnsOcc：非结构化场景下基于渲染融合的3D语义占用预测
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） ； Waytous Inc.（Waytous公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 提出UnsOcc多模态框架，通过渲染融合模块和基于高斯溅射的细节感知辅助监督，解决非结构化场景中跨模态融合困难与长尾分布问题，在露天矿和nuScenes数据集上超越现有方法。
Comments 8 pages
TIDES: Time-Derivative Event Simulation via Deformable Reconstruction
TIDES：基于可变形重建的时间导数事件模拟
机构 * University of Surrey（萨里大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 提出TIDES，一种基于动态高斯泼溅的连续时间事件模拟器，通过显式3D场景表示推导逐像素强度动态，实现精确的阈值交叉预测，并利用遮挡引导自适应时间步长，达到最先进的事件流保真度。
LuxRemix: Lighting Decomposition and Remixing for Indoor Scenes
LuxRemix: 室内场景的光照分解与重新混合
机构 * Meta Reality Labs（Meta现实实验室） ； University of Toronto（多伦多大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 提出一种基于图像的光照分解模型，从多视图场景捕获中分解室内光照为独立光源，并通过多视图光照协调集成到可重光照的3D高斯溅射表示中，实现交互式光源编辑。
Comments CVPR 2026. Project page: https://luxremix.github.io
MAGICIAN: Efficient Long-Term Planning with Imagined Gaussians for Active Mapping
MAGICIAN: 通过想象高斯分布实现高效的长期规划用于主动建图
机构 * LIGM, École Nationale des Ponts et Chaussées, IP Paris, Univ Gustave Eiffel, CNRS, France（LIGM，巴黎国立桥梁与道路学院，IP巴黎，格雷夫埃菲尔大学，法国国家科学研究中心，法国） ； École Polytechnique, France（法国高等理工学院，法国） ； Inria, École normale supérieure, CNRS, PSL Research University, France（法国国家科学研究中心，巴黎高等师范学院，法国国家信息与自动化技术研究院，法国）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 MAGICIAN通过想象高斯分布实现高效长期规划，提升主动建图的探索效率与重建完整性，适用于不同动作空间的室内和室外基准测试。
Comments Accepted at CVPR 2026 (Oral). Project webpage: https://shiyao-li.github.io/magician/
Instant Colorization of Gaussian Splats
高斯溅射的即时着色
机构 * University of Osnabrück（奥斯纳布吕克大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 本文提出了一种高效方法，将2D图像信息反向映射到高斯溅射场景中，用于场景复原和语义分割，实现速度提升。
Autoregressive Appearance Prediction for 3D Gaussian Avatars
自回归外观预测用于3D高斯姿态 avatars
机构 * Graz University of Technology, Austria（格拉茨技术大学） ； Meta Reality Labs, Pittsburgh, USA（Meta现实实验室（匹兹堡））
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 本文提出一种基于3D高斯点划法的avatar模型，通过自回归方法预测外观潜变量，提高渲染稳定性和细节重建质量。
Comments Project Page: https://steimich96.github.io/AAP-3DGA/
Let it Snow! Animating 3D Gaussian Scenes with Dynamic Weather Effects via Physics-Guided Score Distillation
让雪落下！通过物理引导的分数蒸馏动画3D高斯场景的动态天气效果
机构 * The Hebrew University of Jerusalem（希伯来大学耶路撒冷分校） ； Cornell University（康奈尔大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 本文提出物理引导的分数蒸馏框架，通过结合物理模拟和视频基于的分数蒸馏采样，实现3D场景的动态天气效果生成，提升真实感与动态一致性。
Comments Accepted to CVPR 2026. Project webpage: https://galfiebelman.github.io/let-it-snow/
Pseudo-Simulation for Autonomous Driving
伪模拟用于自动驾驶
机构 * University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； NVIDIA Research（NVIDIA研究） ； Robert Bosch GmbH（罗伯特·博世集团） ； OpenDriveLab at Shanghai Innovation Institute（上海创新研究院自动驾驶实验室） ； University of Stuttgart（斯图加特大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Stanford University（斯坦福大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出伪模拟方法，通过在真实数据上生成合成观测，提升自动驾驶评估的现实性和效率，实现与闭环模拟更紧密的关联。
Comments CoRL 2025, updated with leaderboard snapshot from March 2026
SEGA: Drivable 3D Gaussian Head Avatar from a Single Image
SEGA: 从单张图像生成可驾驶的3D高斯头人偶
机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； ByteDance（字节跳动） ； Pengcheng Lab（鹏城实验室） ； Department of Automation, Tsinghua University（清华大学自动化系）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 SEGA通过结合通用先验模型与层次UV空间高斯散点框架，实现从单张图像生成可驾驶的3D高斯头人偶，提升泛化能力和实时性能。
Radiometrically Consistent Gaussian Surfels for Inverse Rendering
辐射一致的高斯 Surfels 用于反演渲染
机构 * School of Computing（计算机学院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 RadioGS通过引入辐射一致性约束，结合高斯Surfels和二维高斯射线追踪，实现高效的反演渲染，提升对间接光照的建模精度。
Comments 9 pages, 6 figures, ICLR 2026 Oral paper
Universal Beta Splatting
通用贝塔散射
机构 * University of Southern California（南加州大学） ； United Imaging Intelligence（联合影像智能）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 通用贝塔散射提出了一种统一框架，通过各向异性贝塔核实现显式光场渲染，能有效处理复杂光传输和动态场景，优于现有方法。
Comments ICLR 2026
Space-Time Forecasting of Dynamic Scenes with Motion-aware Gaussian Grouping
动态场景的空间-时间预测与运动感知高斯分组
机构 * Pohang University of Science and Technology (POSTECH)（釜山科学技术大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 MoGaF通过运动感知的高斯分组和优化，实现动态场景的长期预测与空间一致性，提升预测质量和时间稳定性。
Comments 20 pages, 13 figures
