Huawei（华为）

StereoSpace: Depth-Free Synthesis of Stereo Geometry via End-to-End Diffusion in a Canonical Space

StereoSpace：通过端到端扩散在规范空间中实现无深度的立体几何合成

Tjark Behrens, Anton Obukhov, Bingxin Ke, Fabio Tosi, Matteo Poggi, Konrad Schindler

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Bologna（博洛尼亚大学） ； HUAWEI Bayer Lab（华为贝加尔实验室） 纠错

AI总结 StereoSpace通过端到端扩散模型在规范空间中实现无深度的立体几何合成，采用视角条件化方法，无需显式深度或变形，通过端到端生成对应关系和填补遮挡区域，提升立体生成的清晰度和鲁棒性。

Comments CVPR 2026 Findings. Project page: https://hf.co/spaces/prs-eth/stereospace

ChinaTravel: An Open-Ended Travel Planning Benchmark with Compositional Constraint Validation for Language Agents

ChinaTravel: 一个带有组合约束验证的开放旅行规划基准，用于语言代理

Jie-Jing Shao, Bo-Wen Zhang, Xiao-Wen Yang, Baizhi Chen, Si-Yu Han, Jinghao Pang, Wen-Da Wei, Guohao Cai, Zhenhua Dong, Lan-Zhe Guo, Yu-Feng Li

机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University, China（南京大学智能科学与技术学院） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； Noah’s Ark Lab, Huawei, China（华为诺亚实验室） 纠错

AI总结 ChinaTravel通过开放数据集和组合通用领域语言，提升语言代理在复杂真实场景中的约束满足能力，实现37%的约束满足率，比纯神经模型提升10倍。

Comments ICLR 2026. Webpage: https://www.lamda.nju.edu.cn/shaojj/chinatravel

Planar Gaussian Splatting with Bilinear Spatial Transformer for Wireless Radiance Field Reconstruction

平面高斯散射与双线性空间变换器用于无线辐射场重建

Jinghan Zhang, Xitao Gong, Qi Wang, Richard A. Stirling-Gallacher, Giuseppe Caire

机构 * Munich Research Center, Huawei Technologies Duesseldorf GmbH, Munich, Germany Department of Electrical Engineering（慕尼黑研究中心，华为技术杜塞尔多夫有限公司，慕尼黑，德国电气工程系） ； Computer Science, Technical University of Berlin, Berlin, Germany（计算机科学，柏林技术大学，柏林，德国） 纠错

AI总结 本文提出BiSplat-WRF，通过去除冗余投影并引入全局电磁耦合，提升无线辐射场重建的物理可解释性和精度，实验显示其在结构相似性指数上优于现有方法。

Comments Accepted to IEEE ICC 2026 Workshop

A LoD of Gaussians: Unified Training and Rendering for Ultra-Large Scale Reconstruction with External Memory

高斯点云的层次结构：用于超大规模重建的统一训练与渲染，借助外部内存

Felix Windisch, Thomas Köhler, Lukas Radl, Mattia D'Urso, Michael Steiner, Dieter Schmalstieg, Markus Steinberger

机构 * Graz University of Technology（格拉茨技术大学） ； University of Stuttgart（斯图加特大学） ； Huawei Technologies（华为技术） 纠错

AI总结 本文提出一种无需分块的高斯点云框架，通过外存存储完整场景并动态流式传输相关高斯点，实现超大规模场景的实时训练与渲染，支持多尺度重建与交互式可视化。

Journal ref Proceedings of SIGGRAPH 2026