3D 视觉

SkipGS: Post-Densification Backward Skipping for Efficient 3DGS Training

SkipGS: 用于高效3DGS训练的后致密化反向跳过

Jingxing Li, Yongjae Lee, Deliang Fan

机构 * Arizona State University（亚利桑那州立大学） 纠错

专题命中 Gaussian Splatting ：3DGS(title,title_cn)；NeRF(abstract,abstract_cn)；Gaussian Splatting(abstract)；分类 cs.CV

AI总结 针对3DGS训练后致密化阶段反向传播冗余问题，提出视图自适应反向门控机制SkipGS，通过跳过损失稳定的视图反向传播，在保持重建质量的同时减少42%后致密化时间，端到端训练加速23.1%。

Comments Code is available at https://github.com/ASU-ESIC-FAN-Lab/SkipGS

MVGS: Multi-view Regulated Gaussian Splatting for Novel View Synthesis

MVGS：多视图调控的高斯泼溅用于新视角合成

Xiaobiao Du, Yida Wang, Xin Yu

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(title)；NeRF(abstract,abstract_cn)；3DGS(abstract,abstract_cn)

AI总结 提出多视图调控的3D高斯泼溅优化方法，通过多视图训练策略、跨内参引导、交叉射线致密化和多视图增强致密化，解决单视图过拟合问题，提升新视角合成质量和3D几何精度。

Comments ECCV2026, Project Page:https://xiaobiaodu.github.io/mvgs-project/

FGGS-LiDAR: Ultra-Fast, GPU-Accelerated Simulation from General 3DGS Models to LiDAR

FGGS-LiDAR：从通用3DGS模型到LiDAR的超快速GPU加速仿真

Junzhe Wu, Yufei Jia, Yiyi Yan, Zhixing Chen, Tiao Tan, Zifan Wang, Guangyu Wang, BoKui Chen, Guyue Zhou

机构 * Tsinghua University, Shenzhen, China（清华大学深圳研究院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； DISCOVER Robotics ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） 纠错

专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；分类 cs.RO

AI总结 提出FGGS-LiDAR框架，通过体积离散化和TSDF提取将预训练3DGS资产转换为水密网格，结合GPU加速光线投射实现超500 FPS的LiDAR仿真，在并行设置中比Isaac Sim低一个数量级延迟。

A Survey on 3D Gaussian Splatting Applications: Segmentation, Editing, and Generation

3D高斯泼溅应用综述：分割、编辑与生成

Shuting He, Peilin Ji, Yitong Yang, Changshuo Wang, Jiayi Ji, Yinglin Wang, Henghui Ding

机构 * Shanghai University of Finance and Economics（上海财经大学） ； University College London（伦敦大学学院） ； Xiamen University（厦门大学） ； Fudan University（复旦大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；NeRF(abstract,abstract_cn)；novel view synthesis(abstract)

AI总结 综述3D高斯泼溅在分割、编辑和生成三大任务中的应用，总结代表性方法、监督策略和学习范式，并分析公共基准上的比较结果。

Comments IEEE TPAMI, GitHub Repo: https://github.com/heshuting555/Awesome-3DGS-Applications

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026

Direct Object-Level Reconstruction via Probabilistic Gaussian Splatting

通过概率高斯溅射实现直接的对象级重建

Shuai Guo, Ao Guo, Junchao Zhao, Qi Chen, Yuxiang Qi, Zechuan Li, Dong Chen, Mingliang Xu

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

AI总结 本文提出一种基于2D高斯溅射的高效单对象3D重建方法，通过整合前景-背景概率提示和动态剪枝低概率高斯，提升内存和计算效率，实验表明其在遮罩误差下具有强自修正能力，重建质量接近标准3DGS方法，但高斯数量仅为1/10。

Robust 3DGS-based SLAM via Adaptive Kernel Smoothing

基于自适应核平滑的鲁棒3DGS SLAM

Shouhe Zhang, Dayong Ren, Wen Jie Li, Piaopiao Yu, Sensen Song, Kaikai Shao, Yurong Qian

机构 * Xinjiang University（新疆大学） ； Nanjing University（南京大学） ； Southwest University of Political Science and Law（西南政治科学法学院） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Yantai University（烟台大学） 纠错

专题命中 Gaussian Splatting ：3DGS(title,title_cn)；分类 cs.CV

AI总结 针对3DGS-SLAM中渲染质量主导跟踪精度的传统观念，提出通过平滑核策略增强光栅化过程对参数误差的鲁棒性，从而稳定相机位姿跟踪，并设计了CB-KNN方法自适应调整局部高斯参数，实验证明在保持建图质量的同时显著提升跟踪鲁棒性和精度。

FAST-GS: Frequency Aware Space-time Gaussian Splatting for Photorealistic Dynamic Novel View Synthesis

FAST-GS：用于逼真动态新视图合成的频率感知时空高斯溅射

Zhengyang Zhang, Ziyu Lu, PengCheng Li, Hongbo Duan, Yi Liu, Pengting Luo, Peiyu Zhuang, Xinghui Li, Shaohua Ma

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 本文针对现有4DGS动态建模的不足，提出傅里叶运动建模模块与运动感知正则化策略，在N3V和Google Immersive数据集上验证了方法在复杂动态场景下的性能。

Comments accepted by ICASSP2026

BlitzGS: City-Scale Gaussian Splatting at Lightning Speed

BlitzGS：闪电速度实现城市级高斯点云渲染

Zhongtao Wang, Huishan Au, Yilong Li, Mai Su, Haojie Jin, Yisong Chen, Meng Gai, Fei Zhu, Guoping Wang

机构 * Peking University（北京大学） 纠错

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV、cs.GR

AI总结 BlitzGS通过分布式3DGS框架实现城市级场景快速重建，通过分层工作负载管理减少活跃高斯点云计算量，提升渲染效率。

Drop-In Perceptual Optimization for 3D Gaussian Splatting

3D高斯溅射的即插即用感知优化

Ezgi Ozyilkan, Zhiqi Chen, Oren Rippel, Jona Ballé, Kedar Tatwawadi

机构 * Apple（苹果公司） ； Tandon School of Engineering, New York University（纽约大学坦登工程学院） 纠错

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV

AI总结 针对3DGS依赖像素级损失导致模糊的问题，提出正则化Wasserstein损失WD-R，通过大规模人类主观实验验证其在纹理恢复和感知指标上的优势，并推广到多种框架和场景压缩任务。

Comments Accepted as a conference paper at ECCV'26. Project page: https://apple.github.io/ml-perceptual-3dgs

RealityBridge: Bridging Editable 3D Gaussian Splatting Driving Simulations and Real-World Videos

RealityBridge: 连接可编辑3D高斯泼溅驾驶模拟与现实世界视频

Zhenhua Wu, Yun Pang, Mingkun Chang, Yuwei Ning, Liangzhi Wang, Yi Xiao, Guanbin Li

机构 * Sun Yat-sen University（中山大学） ； Guangdong Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education（教育部机器智能与先进计算重点实验室） 纠错

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV

AI总结 提出RealityBridge框架，利用多模态控制和轻量级GateNet，结合自回归长视频训练与奖励引导后训练，缩小编辑后3DGS驾驶视频的Sim-to-Real差距，提升视觉真实感和时间一致性。

Comments Under submission

StreamSplat: Streaming Feed-Forward 3D Gaussian Splatting

StreamSplat：流式前馈三维高斯溅射

Changhao Song, Yuxuan Wang, Qibiao Li, Youcheng Cai, Ligang Liu

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV

AI总结 本文提出StreamSplat流式前馈3DGS框架，通过VACC、HPDA、CGFI技术实现长输入流下的高效因果场景更新，在多数据集上的新视角合成质量优于固定视角基准。

CLONE: Continuous Latent Optimization for Normal Estimation via 3D Gaussian Splatting

CLONE: 基于3DGS的闭环可微优化框架用于单图像法线估计

Yanxing Liang, Yinghui Wang, Wei Li, Tao Yan, Jiaxing Shen

机构 * School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi, China（江南大学人工智能与计算机科学学院，中国无锡） ； School of Data Science, Lingnan University, Hong Kong, China（岭南大学数据科学学院，中国香港） 纠错

专题命中 Gaussian Splatting ：3DGS(title_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV

AI总结 提出CLONE框架，通过3D高斯泼溅参数化场景并利用协方差特征分解得到连续可微法线，结合可微光照模型和一步确定性扩散精化网络，在统一重投影目标下联合优化，实现无需真值法线监督的几何一致性单图像法线估计。

ATSplat: Compact Feed-forward 3D Gaussian Splatting with Adaptive Token Expansion

ATSplat：具有自适应令牌扩展的紧凑型前馈3D高斯点渲染

In Cho, Jeonghwan Cho, Mijin Yoo, Gim Hee Lee, Seon Joo Kim

机构 * Yonsei University（延世大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV

AI总结 研究针对现有前馈3DGS方法不足，提出ATSplat框架。通过自适应3D令牌恢复自适应分配能力，先提升深度等形成场景支架，再回归高斯并解耦放置，还用模块预测不确定性分数并扩展令牌。实验表明其实现高质量渲染且减少高斯数量，提升效率。

Comments Project page is at: https://join16.github.io/page-atsplat

Vis4GS: A Visual Analytic Tool for 3D Gaussian Splatting Reconstruction

Vis4GS: 3D高斯泼溅重建的可视分析工具

Kai-Yuan Lin, Aryabima Mandala Putra, Jui-Chi Lee, Shih-Hsuan Hung

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.GR

AI总结 针对3DGS重建中高斯属性对伪影的影响难以解释的问题，提出Vis4GS多视图可视分析工具，通过链接伪影与高斯属性、视图覆盖、训练进度和谱系，支持结构化诊断重建失败原因。

Comments Accepted to IEEE VIS 2026 Short Papers

The Role of Initialization in 3D Gaussian Splatting

初始化与密集化在3D高斯散射中的作用与关系

Ivan Desiatov, Torsten Sattler

机构 * Czech Technical University in Prague, Faculty of Electrical Engineering（布拉格捷克技术大学电子工程系） ； Czech Technical University in Prague, Czech Institute of Informatics, Robotics and Cybernetics（布拉格捷克技术大学信息技术、机器人学与自动化研究所） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；point cloud(abstract)；novel view synthesis(abstract)

AI总结 本文研究初始化与密集化在3D高斯散射中的关系，提出新基准测试，分析不同初始化类型与密集化方案的组合，发现现有密集化方法无法充分利用密集初始化。

Comments Sources are available at https://github.com/deivse/ivd_splat . Changes in this version: extended experiments, adjusted direction

You Only Gaussian Once: Controllable 3D Gaussian Splatting for Ultra-Densely Sampled Scenes

你只需一次高斯：用于超密集采样场景的可控3D高斯点划法

Jinrang Jia, Zhenjia Li, Yifeng Shi

机构 * Ke Holdings Inc.（凯控股有限公司） 纠错

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV

AI总结 本文提出YOGO框架，通过确定性预算均衡解决3DGS在工业应用中的资源消耗问题，并引入Immersion v1.0数据集提升重建精度。

Comments 15 pages, 5 figures

Predictive Photometric Uncertainty in Gaussian Splatting for Novel View Synthesis

预测性光度不确定性在新型视角合成中的高斯点散射应用

Chamuditha Jayanga Galappaththige, Thomas Gottwald, Peter Stehr, Edgar Heinert, Niko Suenderhauf, Dimity Miller, Matthias Rottmann

机构 * QUT Centre for Robotics, Australia（昆士兰大学机器人中心，澳大利亚） ； ARIAM Hub, Australia（ARIAM中心，澳大利亚） ； University of Wuppertal, Germany（乌尔姆大学，德国） ； University of Osnabrück, Germany（奥斯纳布吕克大学，德国） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(title,abstract)；分类 cs.CV；3DGS(comments)

AI总结 本文提出轻量级框架，通过贝叶斯正则化线性最小二乘优化重建残差，实现像素级视图依赖性预测不确定性，提升3D高斯点散射在自主代理和安全关键应用中的可靠性。

Comments Accepted at ECCV26. Project Page: https://chumsy0725.github.io/3DGS-Uncertainty/

GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis

GrainGS：用于高效动态新视图合成的梯度解耦高斯点云渲染

Jiahao He, Yihua Shao, Zhengkai Zhao, Pan Gao, Fei Ma, Jingcai Guo, Hao Tang, Nicu Sebe, Qi Tian

机构 * College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Department of Computing, Hong Kong Polytechnic University（香港理工大学计算学系） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy（广东省人工智能与数字经济实验室） ； Huawei Consumer Business Group, Huawei（华为消费者业务集团） ； Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(title,abstract)；分类 cs.CV

AI总结 针对动态场景重建问题，GrainGS结合分层锚点框架与高斯变形，通过静态预热、停止梯度操作等实现各高斯独立预测时间偏移及规范-残差外观分解，在合成和真实多视图基准测试中展现出高重建质量、实时渲染及紧凑存储等优势。

3D Gaussian Splatting against Moving Objects for High-Fidelity Street Scene Reconstruction

针对移动物体的3D高斯散射用于高保真的街道场景重建

Peizhen Zheng, Dongjing Jiang, Qingchong Jiao, Redouane EL Bouchtaoui, Flynnwell Jianfei Zhang

机构 * Ontario Knowledge Intelligence Centre, Canada（加拿大安大略知识智能中心） ； Canadian Institute of Interscience, Canada（加拿大跨学科科学研究所） ； DeepCox Intelligence, Canada（加拿大DeepCox智能科技公司） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；point cloud(abstract)

AI总结 本文提出了一种新的3D高斯点分布方法，通过自适应透明机制消除移动物体并保留高保真静态场景细节，结合迭代优化提升几何精度和纹理表现。

Comments arXiv admin note: This paper has been withdrawn by arXiv due to unverifiable authorship and affiliation

MAGS-SLAM: Monocular Multi-Agent Gaussian Splatting SLAM for Geometrically and Photometrically Consistent Reconstruction

MAGS-SLAM：单目多智能体高斯点云SLAM用于几何和光度一致的重建

Zhihao Cao, Qi Shao, Shuhao Zhai, Jing Zhang, Anh Nguyen, Hesheng Wang, Baoru Huang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Harbin Engineering University（哈尔滨工程大学） ； University of Liverpool（利物浦大学） ； University of Macau（澳门大学） ； University of Ottawa（多伦多大学） ； Wuhan University（武汉大学） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；分类 cs.RO

AI总结 MAGS-SLAM通过单目视觉实现多智能体高斯点云SLAM，无需RGB-D传感器即可完成几何和光度一致的场景重建，实验表明其跟踪精度和渲染质量可与现有RGB-D方法媲美。

TWINGS: Thin Plate Splines Warp-aligned Initialization for Sparse-View Gaussian Splatting

TWINGS: 基于薄板样条翘曲对齐的稀疏视图高斯泼溅初始化

Hyeseong Kim, Geonhui Son, Deukhee Lee, Dosik Hwang

机构 * Yonsei University（延世大学） ； Korea Institute of Science and Technology（韩国科学技术院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出TWINGS框架，利用薄板样条（TPS）对齐反投影点与三角化控制点，为3D高斯泼溅提供几何精确的初始化，从而在稀疏视图下提升场景重建的细节保留和颜色保真度。

Comments Accepted at CVPR 2026, Project page: https://sandokim.github.io/twings/

OF$^3$GS: On-the-Fly Feed-Forward 3D Gaussian Splatting from Unposed Images

FreeStreamGS: 来自无位姿流式输入的在线前馈3D高斯泼溅

Ruiyang Chen, Feiran Li, Chu Zhou, Zonglin Li, Zhanyu Ma, Heng Guo

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； National Institute of Informatics（日本信息处理研究所） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出FreeStreamGS，一种在线前馈框架，通过解耦内参恢复头和动态点精炼偏移策略，实现从无位姿流式输入的高效高质量新视角合成。

MVFusion-GS: Motion-Variance Guided Temporal Attention for High-Quality Dynamic Gaussian Splatting

MVFusion-GS：基于运动方差引导的时间注意力实现高质量动态高斯泼溅

Jianwei Hu, Tingxuan Huang, Hengyu Zhou, Ningna Wang, Xiaohu Guo, Jinshan Lai, Bin Wang

机构 * Tsinghua University（清华大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出MVFusion-GS，通过运动方差引导细化与MotionFormer时间注意力模块增强变形网络，显式建模运动强度与时间一致性，在动态场景重建和无干扰重建任务中达到最先进性能。

AnyStyle: Single-Pass Multimodal Stylization for 3D Gaussian Splatting

AnyStyle: 单次传递多模态风格化用于3D高斯点云

Joanna Kaleta, Bartosz Świrta, Kacper Kania, Tomasz Trzciński, Przemysław Spurek, Marek Kowalski

机构 * Warsaw University of Technology（华沙技术大学） ； Sano Centre for Computational Medicine（Sano计算医学中心） ； Jagiellonian University（雅盖隆大学） ； Microsoft（微软公司） 纠错

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

AI总结 AnyStyle通过多模态条件化实现姿态无关的零样本风格化，支持文本和视觉输入，提升3D重建的风格可控性。

GSurf: Learning Signed Distance Fields from Splatting Opaque Gaussians for High-quality 3D Reconstruction

GSurf：通过对不透明高斯点进行体素化学习有符号距离场以实现高质量3D重建

Baixin Xu, Jiangbei Hu, Jiaze Li, Ying He

机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Software, Dalian University of Technology（大连理工大学软件学院） 纠错

专题命中 Gaussian Splatting ：3D reconstruction(title)；3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)；point cloud(abstract)

AI总结 本文针对多视图图像高保真表面重建问题，提出将有符号距离场集成到体素化管道的框架，利用SDF连续性规范高斯基元，填补空洞、抑制噪声，借助体素化效率实现快速收敛，能以更少基元生成高质量表面。

Comments see https://github.com/xubaixinxbx/Gsurf

StereoGS: Sparse-View 3D Gaussian Splatting via Stereo Priors

StereoGS: 基于立体先验的稀疏视角3D高斯泼溅

Wenhao Yuan, Yiyuan Ge, Deli Cai

机构 * South China University of Technology, China（华南理工大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV

AI总结 提出StereoGS框架，利用立体深度正则化和梯度感知不透明度衰减策略，在稀疏视角下实现高质量3D重建和新视角合成，无需额外推理开销。

Comments 15 pages, 6 figures, accepted to ECCV 2026, project page: https://stringerywh00.github.io/StereoGS_project_page/

VolSplat: Rethinking Feed-Forward 3D Gaussian Splatting with Voxel-Aligned Prediction

VolSplat: 重新思考基于体素对齐预测的前馈式3D高斯泼溅

Weijie Wang, Yeqing Chen, Zeyu Zhang, Hengyu Liu, Haoxiao Wang, Zhiyuan Feng, Wenkang Qin, Feng Chen, Jia-Wang Bian, Zheng Zhu, Donny Y. Chen, Bohan Zhuang

机构 * Zhejiang University（浙江大学） ； GigaAI ； University of Electronic Science and Technology of China（电子科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； The University of Adelaide（阿德莱德大学） ； Nanyang Technological University（南洋理工大学） ； Monash University（莫纳什大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV

AI总结 针对前馈式3D高斯泼溅中像素对齐预测的局限性，提出体素对齐的VolSplat方法，通过从预测的3D体素网格直接预测高斯，实现鲁棒的多视图一致性和更优的几何与渲染质量。

Comments ECCV 2026, Project Page: https://lhmd.top/volsplat, Code: https://github.com/ziplab/VolSplat

SparseGS: Sparse View Synthesis using 3D Gaussian Splatting

SparseGS: 使用3D高斯泼溅的稀疏视角合成

Haolin Xiong, Sairisheek Muttukuru, Hanyuan Xiao, Rishi Upadhyay, Pradyumna Chari, Yajie Zhao, Achuta Kadambi

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Southern California（南加州大学） ； USC Institute for Creative Technologies（南加州大学创意技术研究所） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV

AI总结 针对3D高斯泼溅在稀疏视角下出现伪影的问题，提出SparseGS，通过深度先验、新颖深度渲染、剪枝启发和未见视角正则化模块，实现高质量重建。

Comments Version accepted to 3DV 2025. Project page: https://github.com/ForMyCat/SparseGS

RelightAnyone: A Generalized Relightable 3D Gaussian Head Model

RelightAnyone: 一种通用的可重光照3D高斯头部模型

Yingyan Xu, Pramod Rao, Sebastian Weiss, Gaspard Zoss, Markus Gross, Christian Theobalt, Marc Habermann, Derek Bradley

机构 * ETH Zürich（苏黎世联邦理工学院） ； DisneyResearch|Studios（迪士尼研究与工作室） ； Max Planck Institute for Informatics, SIC（马克斯·普朗克信息学院，SIC） 纠错

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.GR

AI总结 提出一种两阶段通用可重光照3D高斯头部模型，无需OLAT数据即可从单/多视图图像重光照任意对象，通过从平光照3DGS头像到物理反射参数的映射实现高质量重光照。

FieryGS: In-the-Wild Fire Synthesis with Physics-Integrated Gaussian Splatting

FieryGS: 在真实世界中实现火灾合成的物理集成高斯点云方法

Qianfan Shen, Ningxiao Tao, Qiyu Dai, Tianle Chen, Minghan Qin, Yongjie Zhang, Mengyu Chu, Wenzheng Chen, Baoquan Chen

机构 * School of EECS, Peking University（电子工程系，北京大学） ； School of Intelligence Science and Technology, Peking University（智能科学与技术学院，北京大学） ； Yuanpei College, Peking University（元培学院，北京大学） ； ByteDance Seed（字节跳动种子） ； Wangxuan Institute of Computer Technology, Peking University（王璇计算机技术研究所，北京大学） ； Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院，北京，中国） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；分类 cs.CV、cs.GR

AI总结 FieryGS通过整合物理准确的燃烧模拟与渲染，实现真实世界3D场景中逼真的火灾合成，结合多模态大语言模型进行物理材料推理，提升火灾动态的可控性和真实性。

Comments ICLR 2026