3D 视觉

Martian World Model: Controllable Video Synthesis with Physically Accurate 3D Reconstructions

火星世界模型：可控视频合成与物理准确的3D重建

Longfei Li, Zhiwen Fan, Wenyan Cong, Xinhang Liu, Yuyang Yin, Matt Foutter, Panwang Pan, Chenyu You, Yue Wang, Zhangyang Wang, Yao Zhao, Marco Pavone, Yunchao Wei

机构 * BJTU（北京工业大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； HKUST（香港科技大学） ； Stanford University（斯坦福大学） ； XMU（厦门大学） ； SBU（雪城大学） ； USC（南加州大学） ； NVIDIA（英伟达） 纠错

专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV

AI总结 本文提出M3arsSynth和MarsGen，通过物理准确的3D重建生成逼真的火星视频，提升任务模拟与机器人训练的可视化效果。

Comments Project Page: https://marsgenai.github.io

Age-Inclusive 3D Human Mesh Recovery for Action-Preserving Data Anonymization

包含年龄的3D人体网格恢复用于动作保持的数据匿名化

Georgios Chatzichristodoulou, Niki Efthymiou, Panagiotis Filntisis, Georgios Pavlakos, Petros Maragos

机构 * School of ECE, National Technical University of Athens（电子工程学院，国家技术大学雅典分校） ； Robotics Institute, Athena RC（机器人研究所，雅典RC） ； HERON - Hellenic Robotics Center of Excellence（HERON - 希腊机器人 excellence 中心） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出AionHMR框架，通过结合SMPL-A模型实现年龄包容的3D人体重建，提升儿童和婴儿的形状与姿态估计精度，同时保障隐私安全。

TextureSplat: Per-Primitive Texture Mapping for Reflective Gaussian Splatting

TextureSplat：针对反射高斯点云的每原始体纹理映射

Mae Younes, Adnane Boukhayma

机构 * Inria France（法国国家信息与自动化技术研究院） 纠错

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

AI总结 TextureSplat通过高斯点云衍生辐射场和GPU加速，实现高反射场景的高效纹理映射与渲染。

Comments 3DV 2026

TED-4DGS: Temporally Activated and Embedding-based Deformation for 4DGS Compression

TED-4DGS: 基于时间激活和嵌入的4DGS压缩变形

Cheng-Yuan Ho, He-Bi Yang, Jui-Chiu Chiang, Yu-Lun Liu, Wen-Hsiao Peng

机构 * National Yang Ming Chiao Tung University（国家阳明交通大学） ； National Chung Cheng University（国家 Chung Cheng 大学） 纠错

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

AI总结 TED-4DGS提出了一种基于时间激活和嵌入的4DGS压缩变形方案，通过结合传统3DGS和空间-时间4DGS的优势，实现了高效的率-失真压缩性能。

Label-Efficient Point Cloud Segmentation with Active Learning

高效标注点云分割与主动学习

Johannes Meyer, Jasper Hoffmann, Felix Schulz, Dominik Merkle, Daniel Buescher, Alexander Reiterer, Joschka Boedecker, Wolfram Burgard

机构 * Department of Computer Science, University of Freiburg（弗赖堡大学计算机科学系） ； Fraunhofer IPM（弗劳恩霍夫IPM研究所） ； Institute for Sustainable Systems Engineering INATECH, University of Freiburg（可持续系统工程研究所INATECH，弗赖堡大学） ； Department of Computer Science and Artificial Intelligence, University of Technology Nuremberg（技术大学纽伦堡计算机科学与人工智能系） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV、cs.RO

AI总结 本文提出了一种高效点云分割方法，通过二维网格和网络集成估计不确定性，实现更有效的主动学习。

Point-PNG: Conditional Pseudo-Negatives Generation for Point Cloud Pre-Training

点-PNG：点云预训练中的条件伪负样本生成

Sutharsan Mahendren, Saimunur Rahman, Piotr Koniusz, Tharindu Fernando, Sridha Sridharan, Clinton Fookes, Peyman Moghadam

机构 * School of Electrical Engineering and Robotics, Queensland University of Technology (QUT), Brisbane, Australia（电气工程与机器人学学院，昆士兰理工大学（QUT），布里斯班，澳大利亚） ； School of Electrical Engineering（电气工程学院） ； Robotics, Queensland University of Technology (QUT), Brisbane, Australia（机器人学，昆士兰理工大学（QUT），布里斯班，澳大利亚） ； Australian National University（澳大利亚国立大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV、cs.RO

AI总结 Point-PNG通过生成条件伪负样本，提升点云预训练中对变换的敏感性和判别性表示，实现更丰富的变换线索捕捉。

Comments Accepted for publication in IEEE ACCESS

PLANesT-3D: A new annotated dataset for segmentation of 3D plant point clouds

PLANesT-3D：一个用于3D植物点云分割的新标注数据集

Kerem Mertoğlu, Yusuf Şalk, Server Karahan Sarıkaya, Kaya Turgut, Yasemin Evrenesoğlu, Hakan Çevikalp, Ömer Nezih Gerek, Helin Dutağacı, David Rousseau

机构 * Faculty of Agriculture（农业学院） ； Usak University（乌萨克大学） ； Department of Electrical-Electronics Engineering（电气电子工程系） ； Eskisehir Osmangazi University（埃斯基谢普大学） ； SADC Department（SADC部门） ； Huawei Türkiye R&D Center（华为土耳其研发中心） ； Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS)（安热斯工程系统研究实验室） ； Université d’Angers（安格斯大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 PLANesT-3D是一个包含34个真实植物3D点云的新数据集，用于评估3D植物分割方法的泛化能力，引入了SP-LSCnet等新方法。

Manifold-Aware Point Cloud Completion via Geodesic-Attentive Hierarchical Feature Learning

基于流形的点云补全：通过测地线感知的层次特征学习

Jianan Sun, Dongzhihan Wang, Mingyu Fan

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出基于流形的点云补全方法，通过测地线感知的层次特征学习提升几何一致性和语义准确性。

A Strong View-Free Baseline Approach for Single-View Image Guided Point Cloud Completion

一种强视图无关的单视图图像引导点云补全基线方法

Fangzhou Lin, Zilin Dai, Rigved Sanku, Songlin Hou, Kazunori D Yamada, Haichong K. Zhang, Ziming Zhang

机构 * Department of Robotics Engineering, Worcester Polytechnic Institute（机器人工程系，沃斯特理工学院） ； Dell Technologies（戴尔技术） ； Graduate School of Information Sciences, Tohoku University（信息科学研究生院，东北大学） ； Department of Computer Science, Worcester Polytechnic Institute（计算机科学系，沃斯特理工学院） ； Harvard Kenneth C. Griffin Graduate School of Arts and Sciences（哈佛肯尼斯·C·格里芬艺术与科学研究生院） ； Department of Biomedical Engineering, Worcester Polytechnic Institute（生物医学工程系，沃斯特理工学院） ； Department of Electrical & Computer Engineering, Worcester Polytechnic Institute（电气与计算机工程系，沃斯特理工学院） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出一种视图无关的单视图图像引导点云补全基线方法，通过多分支编码器-解码器网络和层次自融合机制，有效提升点云补全性能。

Comments 7 pages, 2 figures

Concept-based Explainable Data Mining with VLM for 3D Detection

基于概念的可解释数据挖掘与VLM用于3D检测

Mai Tsujimoto

机构 * The University of Tokyo（东京大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 本文提出基于概念的可解释数据挖掘方法，利用VLMs识别稀有物体以提升3D检测性能，减少标注负担并提高模型效果。

Comments 28 pages including appendix. Code: https://github.com/mm1129/concept_based_rare_detector_2025

COOPER: A Unified Model for Cooperative Perception and Reasoning in Spatial Intelligence

COOPER：一种用于空间智能中协作感知与推理的统一模型

Zefeng Zhang, Xiangzhao Hao, Hengzhu Tang, Zhenyu Zhang, Jiawei Sheng, Xiaodong Li, Zhenyang Li, Li Gao, Daiting Shi, Dawei Yin, Tingwen Liu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Baidu Inc.（百度公司） 纠错

专题命中 点云 ：spatial understanding(abstract)；分类 cs.CV

AI总结 COOPER是一种统一的多模态大语言模型，通过整合深度和分割等辅助模态，提升空间感知与推理能力，实现空间智能的增强。

3D Question Answering via only 2D Vision-Language Models

仅通过2D视觉-语言模型实现3D问答

Fengyun Wang, Sicheng Yu, Jiawei Wu, Jinhui Tang, Hanwang Zhang, Qianru Sun

机构 * Nanyang Technological University, Singapore ； Singapore Management University, Singapore ； National University of Singapore, Singapore ； Nanjing University of Science \& Technology, Nanjing, China 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 本文提出cdViews方法，通过仅使用2D视觉-语言模型，实现3D问答任务的高性能表现。

Comments ICML2025

InfiniBench: Infinite Benchmarking for Visual Spatial Reasoning with Customizable Scene Complexity

InfiniBench：用于可定制场景复杂度的无限基准测试

Haoming Wang, Qiyao Xue, Wei Gao

机构 * University of Pittsburgh（匹兹堡大学） 纠错

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

AI总结 InfiniBench通过可定制的3D场景生成方法，提升视觉语言模型在复杂空间推理任务中的评估能力。

Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving

多模态数据高效3D场景理解用于自动驾驶

Lingdong Kong, Xiang Xu, Jiawei Ren, Wenwei Zhang, Liang Pan, Kai Chen, Wei Tsang Ooi, Ziwei Liu

机构 * WorldBench Team Project Lead（WorldBench团队项目负责人） 纠错

专题命中 空间理解 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 LaserMix++通过多模态方法提升自动驾驶中LiDAR数据高效3D场景理解，以更少标注实现更高精度。

Comments IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)