3D 视觉

4DHumanDiff: Direct Text-to-4DGS Generation for Consistent 360-Degree Dynamic Humans

4DHumanDiff：直接基于文本生成4DGS以实现一致的360度动态人类

Renlong Wu, Haoran Chen, Yuxiang Wei, Xiaowei Jin, Wangmeng Zuo, Hui Li

机构 * School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） 纠错

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

AI总结 针对文本生成360度动态人类的现有方法存在成本高、一致性差的问题，本文提出4DHumanDiff扩散框架，直接基于文本生成4DGS表示的动态人类，结合新数据集与技术，实现高效且一致性更好的生成。

Comments 14 pages

Open-Vocabulary BEV Segmentation with 3D-Aware Geometric Constraints

开放词汇BEV分割：基于3D感知几何约束的方法

Hojun Choi, Seulbin Hwang, Daejung Kim, Kisung Kim, Hyunjung Shim, Jinhan Lee

机构 * KAIST AI（韩国科学技术院人工智能） ； NAVER LABS（NAVER实验室） 纠错

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

AI总结 针对开放词汇BEV分割中2D VLM语义到BEV的3D几何不一致问题，提出OVBEVSeg框架，通过三阶段几何约束（伪标签、场景优化、知识蒸馏）实现高效在线推理，在nuScenes上未见类别mIoU超越闭集方法15.3，推理速度提升2.5倍。

Comments This paper has been accepted to ECCV 2026

FlexiAvatar: Unified 3D Gaussian Human Avatars Under Arbitrary Body Visibility

FlexiAvatar：任意身体可见性下的统一3D高斯人体头像

Yihalem Yimolal Tiruneh, Muhammad Salman Ali, Uyoung Jeong, Muneeb A. Khan, MD Khalequzzaman Chowdhury Sayem, Allanur Bayramgeldiyev, Binod Bhattarai, Seungryul Baek

机构 * UNIST（韩国蔚山科学技术院） ； University of Aberdeen（阿伯丁大学） ； University College London（伦敦大学学院） ； Fogsphere（雾球公司） 纠错

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

AI总结 研究从单目视频重建3D人体头像问题，提出FlexiAvatar框架，结合遮挡鲁棒跟踪与特定部分残差细化捕捉细节，用扩散方法处理不可见区域，实验表明其重建质量高，还能减少运行时和内存开销。

Comments Accepted in ECCV 2026

Locality-Aware Density Control for Efficient Gaussian-based Image Representation

用于高效基于高斯的图像表示的局部感知密度控制

Jiacong Chen, Qingyu Mao, Xiandong Meng, Shuai Liu, Chao Li, Fanyang Meng, Youneng Bao, Yongsheng Liang

机构 * Shenzhen University（深圳大学） ； Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

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

AI总结 研究二维高斯喷溅图像表示中高斯容量分配低效问题，提出局部感知密度控制框架LocoADC，通过区域高斯致密化和相似性驱动高斯合并策略及局部颜色一致性约束，有效提升高斯容量利用率，改进图像表示。

Comments Accepted by ACMMM 2026

OmniStyle-INR: Universal and Multimodal Style Transfer for INRs

OmniStyle-INR：用于隐式神经表示的通用多模态风格迁移

Rafał Kajca, Michał Miziołek, Kornel Howil, Rafał Tobiasz, Przemysław Spurek

机构 * Jagiellonian University（雅盖隆大学） ； IDEAS Research Institute（IDEAS 研究所） 纠错

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

AI总结 研究针对不同数据模态的风格迁移问题，提出OmniStyle-INR框架，利用基于网络的连续表示作为通用域，实现了在文本提示和视觉示例引导下跨视觉模态的高质量风格迁移。

SaaF: Scene-Specific Ambiguity-Aware 3D Language Fields towards Interactive Real-World Object Retrieval

SaaF：面向交互式现实世界对象检索的特定场景模糊感知3D语言场

Yuga Yano, Daiju Kanaoka, Hakaru Tamukoh, Yasutomo Kawanishi

机构 * Kyushu Institute of Technology（九州工业大学） ； RIKEN（理化学研究所） ； Research Center for Neuromorphic AI Hardware（神经形态人工智能硬件研究中心） 纠错

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

AI总结 研究针对现实世界场景中交互式对象检索问题，提出SaaF方法。通过引入度量学习策略构建统一特征空间，增强实例辨别性与模糊感知能力，提升了检索准确性，还能稳健处理查询模糊性。

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

CityLoc: 6DoF Pose Distributional Localization for Text Descriptions in Large-Scale Scenes with Gaussian Representation

CityLoc：基于高斯表示的大规模场景文本描述的6自由度姿态分布定位

Qi Ma, Runyi Yang, Bin Ren, Nicu Sebe, Ender Konukoglu, Luc Van Gool, Danda Pani Paudel

机构 * Computer Vision Lab, ETH Zurich（苏黎世联邦理工学院计算机视觉实验室） ； University of Pisa（比萨大学） ； University of Trento（特伦托大学） 纠错

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

AI总结 研究大规模场景文本描述的6自由度姿态分布定位问题，核心方法是用基于扩散架构结合预训练文本编码器细化姿态，经3D高斯渲染提高精度，通过与标准方法对比验证其在多数据集上的优越性。

HybridSim: A Physics-Learning Hybrid Digital Twin for mmWave Human Sensing

HybridSim：用于毫米波人体感知的物理学习混合数字孪生

Weitao Xiong, Tianyu Liu, Peng Li, Kok Chung Chua, Toa Chean Khim, Pu Wang, Hongfei Xue

机构 * Xiamen University Malaysia（厦门大学马来西亚分校） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） 纠错

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

AI总结 研究针对毫米波雷达信号模拟成本高问题，提出HybridSim混合模拟器，用三平面和图卷积网络等提取人体特征、稳定优化，通过逆渲染等建模信号路径，实验显示其能有效增强特定地点数据，提升人体感知任务表现。

Comments Accepted to ECCV 2026. Project Page: https://weitao-xiong.github.io/HybridSim/

Worlds in One Demo: A Synthetic Data Engine for Learning Open-World Mobile Manipulation

世界合一演示：用于学习开放世界移动操作的合成数据引擎

Lingxiao Guo, Huanyu Li, Guanya Shi

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.RO

AI总结 研究如何通过合成数据引擎WANDA从单个演示学习开放世界移动操作策略，利用重建背景、重排交互片段、校正状态扩展等方法，实现长期鲁棒性、空间泛化和跨环境泛化，还支持跨实体数据生成。

Comments Project website: https://wanda.lecar-lab.org/

AeroAct: Action-Centered World-Action Models for Language-Conditioned Quadrotor Flight

AeroAct：用于语言条件四旋翼飞行的以动作中心的世界-动作模型

Xinhong Zhang, Qiyuan Zhu, Yubo Huang, Haolin Chen, Runqing Wang, Yuhao Mo, Zhongxin Chen, Yu Hu, Xinjiang Wang, Jian Sun, Gang Wang

机构 * School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.RO

AI总结 研究语言条件下四旋翼飞行问题，提出AeroAct模型，利用预训练视频扩散Transformer，结合相关采集设备和程序获取数据，经实验验证该模型能提升四旋翼飞行的目标跟踪和物体搜索性能，且对应策略可在实体四旋翼上执行。

VistaVLA: Geometry- and Semantic-Aware 3D Gaussian-Grounded VLA for Robotic Manipulation

VistaVLA：用于机器人操作的几何和语义感知3D高斯基础VLA

Mohan Liu, Zhihao Gu, Xuanyu Chen, Haitian Zhang, Kaimin Mao, Yan Wu, Wei-Yun Yau, Lin Wang

机构 * EmPACT Lab, Nanyang Technological University（南洋理工大学EmPACT实验室） ； Institute for Infocomm Research (I2R), A*STAR（资讯通信研究院（I2R），新加坡科技研究局） 纠错

专题命中 Gaussian Splatting ：point cloud(abstract)；分类 cs.RO

AI总结 研究针对VLA模型缺乏3D表示的问题，提出VistaVLA框架，通过3D高斯原语构建几何和语义感知的3D认知表示，利用MtQ机制压缩令牌，在模拟和真实环境评估中有效提升VLA性能，尤其在真实场景中显著提高成功率。

A$^2$TG: Adaptive Anisotropic Textured Gaussians for Efficient 3D Scene Representation

A$^2$TG：用于高效3D场景表示的自适应各向异性纹理高斯方法

Sheng-Chi Hsu, Ting-Yu Yen, Shih-Hsuan Hung, Hung-Kuo Chu

机构 * National Tsing Hua University（国立清华大学） 纠错

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

AI总结 研究针对高斯体素化表示中纹理固定的问题，提出自适应各向异性纹理高斯（A$^2$TG）方法，通过梯度引导规则确定纹理参数，提升效率与质量，实验证明该方法在内存需求低的情况下能实现高渲染保真度。

Comments ICLR 2026

GAINS: Gaussian-based Inverse Rendering from Sparse Multi-View Captures

GAINS：基于高斯的稀疏多视图捕获逆渲染

Patrick Noras, Jun Myeong Choi, Didier Stricker, Pieter Peers, Roni Sengupta

机构 * University Kaiserslautern-Landau（凯撒斯劳滕-兰道大学） ； German Research Center for Artificial Intelligence（德国人工智能研究中心） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； College of William & Mary（威廉与玛丽学院） 纠错

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

AI总结 研究针对稀疏视图设置下基于高斯的逆渲染精度下降问题，提出GAINS两阶段逆渲染框架，利用基础模型先验稳定几何和材质估计，经实验验证其在提升材质参数精度等方面效果显著，尤其在稀疏视图下优势明显。

Incremental Online Scene Reconstruction by 3D Gaussian Triangulation

基于3D高斯三角剖分的增量式在线场景重建

Yanjin Zhu, Shaofan Liu, Jianke Zhu

机构 * Zhejiang University（浙江大学） ； Hefei University of Technology（合肥工业大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 研究增量式在线场景重建问题，提出通过直接对密集几何高斯表示三角剖分来重建和更新显式网格的方法，还给出直接网格化算法及相关约束，实验证明该方法性能优于传统高斯方法。

CoSAG: Compact Semantic Anchor Gaussians via Training-Free Rate-Distortion Coding

CoSAG：通过无训练率失真编码实现的紧凑语义锚定高斯模型

Yuang Jia, Jinlong Wang, Junhong Lin, Ruiting Dai, Wei Gao

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

AI总结 研究开放词汇3D场景理解中存储瓶颈问题，提出CoSAG方法，通过特定构建方式和存储编码，无需场景训练，实现亚兆字节存储，在多项协议上匹配或超越现有技术，大幅减小场大小。

Satellite-Free Training for Drone-View Geo-Localization

无需卫星的无人机视角地理定位

Tao Liu, Yingzhi Zhang, Kan Ren, Xiaoqi Zhao

机构 * Nanjing University of Science and Technology（南京理工大学） ； University of Tsukuba（筑波大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出无需卫星数据的训练框架，通过三维场景重建、伪正射影像生成和特征聚合，提升无人机在无GPS环境下的地理定位性能。

Comments Withdrawn by the authors to allow for substantial revision in light of valuable reviewer feedback. A thoroughly revised version may be submitted in the future

Effective Gaussian Management for High-fidelity Scene Reconstruction

高保真物体重建的有效高斯管理

Jiateng Liu, Hao Gao, Jiu-Cheng Xie, Chi-Man Pun, Jian Xiong, Haolun Li, Junxin Chen, Feng Xu

机构 * School of Automation, Nanjing University of Posts and Telecommunications（南京邮电大学自动化学院） ； school of Communications and Information Engineering, Nanjing University of Posts and Telecommunications（南京邮电大学通信与信息工程学院） ； School of Software, Dalian University of Technology（大连理工大学软件学院） ； Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系） ； School of Software and BNRist, Tsinghua University（清华大学软件学院和BNRist） 纠错

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

AI总结 提出一种高斯管理框架，通过选择性激活属性、自适应表示和任务解耦剪枝，结合正则化表面重建模块，在减少参数的同时实现高保真外观与几何重建。

Comments 15 pages, 14 figures

RoboSnap: One-Shot Real-to-Sim Scene Generation for Generalizable Robot Learning and Evaluation

RoboSnap：用于可泛化机器人学习与评估的一次性真实到模拟场景生成

Shujie Zhang, Jingkun Yi, Weipeng Zhong, Zirui Zhou, Yangkun Zhu, Hanqing Wang, Xudong Xu, Weinan Zhang, Chunhua Shen

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.RO

AI总结 针对构建物理稳定且视觉逼真场景缓慢昂贵的问题，提出RoboSnap框架，通过分层设计将单张RGB图像转为模拟场景，实验证明其能实现轨迹重放等，还引入DROID-Sim数据集，凸显真实到模拟方法对机器人学习评估的价值。

Comments 24 pages, 16 figures, Project page: https://robosnap.github.io

PhyMRI-SR: Toward Physics-Aware MRI Image Super-Resolution

PhyMRI-SR：迈向基于物理感知的MRI图像超分辨率

Lihua Wei, Huatong Gao, Jia Gong, Zhiyu Tan, Hao Li, Jun Liu, Zhihua Ren

机构 * School of Biomedical Engineering, ShanghaiTech University（上海科技大学生物医学工程学院） ； Shanghai Academy of AI for Science（上海人工智能研究院） ； Fudan University（复旦大学） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算与通信学院） ； School of Biomedical Engineering & State Key Laboratory of Advanced Medical Materials and Devices, ShanghaiTech University（上海科技大学生物医学工程学院与先进医学材料与器械国家重点实验室） ； Shanghai Clinical Research and Trial Center（上海临床研究与试验中心） 纠错

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

AI总结 研究旨在解决MRI图像超分辨率问题，将其视为物理感知重建问题。核心方法是采用2D高斯点渲染并引入三项创新，包括先验感知高斯表示、物理约束信号建模和元学习框架。主要贡献是在动态分辨率数据集和标准基准上实现领先性能，有临床部署潜力。

Comments Project Page: https://bio-med-i2-lab.github.io/projects/PhyMRI-SR

GaussFusion: Towards Multimodal 3D Gaussian Pretraining

高斯融合：迈向多模态3D高斯预训练

Zhixuan You, Jihua Zhu, Yiding Sun, Zihao Guo, Haozhe Cheng, Dongxu Zhang, Lin Chen, Hainan Luo

机构 * Wuhu HIT Robot Technology Research Institute Co., Ltd.（芜湖哈工大机器人技术研究院有限公司） 纠错

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

AI总结 研究提出GaussFusion多模态3D高斯预训练框架，通过跨模态语义对齐集成图像和文本监督，还提出高斯显著性引导的多尺度空洞掩码，实验表明该方法提高了高斯表示可迁移性，在ModelNet40和ScanObjectNN上有性能提升。

Comments 32 pages, 6 figures, 6 tables

UniSpine-GS: An Efficient Physics-Aware Gaussian Framework for Cross-Modality Multi-view Spine Image Synthesis

UniSpine-GS：一种用于跨模态多视图脊柱图像合成的高效物理感知高斯框架

Qiuhua Chen, Changning Yu, Na Huang, Chao Sun, Bo Du

机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； The Department of Ultrasound of Renmin Hospital East Branch of Wuhan University（武汉大学人民医院东院区超声科） ； Institute of Artificial Intelligence, Wuhan University（武汉大学人工智能研究院） ； National Engineering Research Center for Multimedia Software, Wuhan University（武汉大学多媒体软件国家工程研究中心） ； Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（武汉大学多媒体网络通信工程湖北省重点实验室） 纠错

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

AI总结 为解决脊柱疾病诊断中3D成像成本高、模态差异挑战等问题，提出UniSpine-GS框架，通过3D感知表示用于多视图脊柱成像新视图投影渲染，引入策略提升边界保真度和局部细节，性能优于现有方法。

PRISM3D: Probabilistic Refinement and Robust Initialization for Physically Consistent Scene Modeling under Extreme Motion Blur

PRISM3D：极端运动模糊下物理一致场景建模的概率细化与鲁棒初始化

Gopi Raju Matta, Reddypalli Trisha, Vemunuri Divya Madhuri, Kaushik Mitra

机构 * Computational Imaging Lab, Dept. of Electrical Engineering, IIT Madras（印度理工学院马德拉斯分校电气工程系计算成像实验室） 纠错

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

AI总结 研究从极端运动模糊图像进行盲3D场景重建问题，提出PRISM3D框架，用鲁棒初始化策略结合概率物理方法，还介绍多模态扩展PRISM3D-E及基准，实验表明其达新的最优性能。

Comments Accepted to ECCV-26

GaussianGPT: Towards Autoregressive 3D Gaussian Scene Generation

GaussianGPT：迈向自回归3D高斯场景生成

Nicolas von Lützow, Barbara Rössle, Katharina Schmid, Matthias Nießner

机构 * Technical University of Munich, Germany（德国慕尼黑工业大学） 纠错

专题命中 Gaussian Splatting ：3D generation(abstract)；分类 cs.CV

AI总结 本文提出GaussianGPT，一种基于Transformer的自回归模型，通过逐词预测生成3D高斯分布，实现可控的3D场景生成，支持逐步构建场景并支持完成、外推等操作。

Comments Project page: https://nicolasvonluetzow.github.io/GaussianGPT/ - Project video: https://youtu.be/zVnMHkFzHDg - Accepted at ECCV 2026

Intrinsic decomposition and editing of 3D Gaussian splats

3D高斯散点的本征分解与编辑

Alexandre Lanvin, Jeffrey Hu, Simon Lucas, Adrien Bousseau, George Drettakis

机构 * Inria, Université Côte d’Azur（法国国家信息与自动化研究所，蔚蓝海岸大学） ； Cambridge University（剑桥大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.GR

AI总结 提出将本征分解扩展到高斯散点辐射场的方法，通过独立高斯基元、数据驱动优化和单图纹理编辑实现场景的材质与光照分离及编辑。

Comments 18 pages

Journal ref Proc. ACM Comput. Graph. Interact. Tech. 9, 1, Article 10 (May 2026), 18 pages

Editable Physically-based Reflections in Raytraced Gaussian Radiance Fields

可编辑的基于物理的光线追踪高斯辐射场反射

Yohan Poirier-Ginter, Jeffrey Hu, Jean-François Lalonde, George Drettakis

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.GR

AI总结 提出一种基于3D高斯泼溅的方法，通过提取漫反射和镜面反射缓冲区，结合路径追踪和快速光线追踪算法，实现可编辑的物理基镜面反射，支持多跳反射和粗糙度编辑。

Comments 12 pages plus supplementary material, 20 pages total; SIGGRAPH Asia 2025 Conference Papers

Journal ref Proceedings of ACM SIGGRAPH Asia 2025 Conference Papers, Article 201, 12 pages, 2025

Instant Expressive Gaussian Head Avatars at Over 100 FPS

即时表达性高斯头部虚拟化身，帧率超过100 FPS

Kaiwen Jiang, Xueting Li, Seonwook Park, Ravi Ramamoorthi, Shalini De Mello, Koki Nagano

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； NVIDIA（英伟达） 纠错

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

AI总结 提出一种前馈编码器流水线，将单张野外图像转换为3D一致、快速且富有表现力的可动画化表示，通过轻量级局部融合策略实现高动画表现力，运行速度达107.31 FPS。

Comments Project website is https://research.nvidia.com/labs/amri/projects/instant4d

Unified Gaussian Primitives for Scene Representation and Rendering

统一的高斯基元用于场景表示与渲染

Yang Zhou, Songyin Wu, Lingqi Yan

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.GR

AI总结 提出基于3D高斯分布的统一渲染基元，支持从光滑表面到模糊元素的外观，并实现基于物理的散射以进行全局光照，兼容蒙特卡洛路径追踪，可转换自网格和3D高斯泼溅，支持透射率优化。

Comments Accepted to ACM Transactions on Graphics (June 2026). Project page: https://mangosister.github.io/gsr_site/

SignSparK: Efficient Multilingual Sign Language Production via Sparse Keyframe Learning

SignSparK: 通过稀疏关键帧学习实现高效多语言手语生成

Jianhe Low, Alexandre Symeonidis-Herzig, Maksym Ivashechkin, Ozge Mercanoglu Sincan, Richard Bowden

机构 * CVSSP, University of Surrey, United Kingdom（CVSSP，萨里大学，英国） 纠错

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

AI总结 提出SignSparK框架，利用稀疏关键帧和条件流匹配生成流畅3D手语序列，缓解回归到均值问题，支持多语言和关键帧到姿态编辑，实现最先进性能。

Comments Accepted at European Conference on Computer Vision (ECCV) 2026. Project page available: https://cogvis-cvssp.github.io/papers/signspark/

3DCarGen: Scalable 3D Car Generation via 3D-consistent Multi-view Synthesis

3DCarGen: 通过3D一致的多视图合成实现可扩展的3D汽车生成

Hongli Xiao, Youjian Zhang, Yaohui Jin, Xiaoguang Ren, Wenjing Yang, Long Lan

机构 * Shanghai Jiao Tong University（上海交通大学） ； Academy of Military Science（军事科学院） ； The University of Sydney（悉尼大学） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院） 纠错

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

AI总结 提出3DCarGen框架，利用多视图扩散模型和3D高斯泼溅，从单张真实图像生成任意数量3D一致的多视图，并通过颜色-法线联合优化重建高质量3D汽车模型。

Deep Learning Approaches for 3D Medical Scene Completion: From Geometric Modeling to Generative Paradigms

三维医学场景补全的深度学习方法：从几何建模到生成范式

Afifa Khaled, Said Jadid Abdulkadir, Majdy Mohamed Eltayeb Eltahir

机构 * Universiti Teknologi PETRONAS（马来西亚国油科技大学） ； King Khalid University（哈立德国王大学） 纠错

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

AI总结 本文系统综述了2016-2026年间三维场景补全技术的演进，从SSCNet的体素语义补全到结合扩散先验与高斯泼溅的实时渲染新范式，讨论了多种表示范式并提出了分类法，最后给出了未来研究方向。