Repurposing 2D Diffusion Models for 3D Shape Completion
将2D扩散模型用于3D形状补全
机构 * Stanford University（斯坦福大学）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出利用2D扩散模型进行3D形状补全，通过Shape Atlas实现模态对齐，提升生成效果并验证其在点云补全和网格生成中的实用性。
视觉与机器人
3D 视觉
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
1. 三维重建 3 篇
Fast and Explicit: Slice-to-Volume Reconstruction via 3D Gaussian Primitives with Analytic Point Spread Function Modeling
快速且显式：通过3D高斯原语进行切片到体积重建的分析点扩散函数建模
机构 * TUM University Hospital, Technical University of Munich（慕尼黑技术大学医院，慕尼黑技术大学） ； Institut de Neurosciences de la Timone, Aix-Marseille Université（里莫尼神经科学研究所，艾克斯-马赛大学） ； IMT Atlantique（IMT大西洋） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出基于高斯显式表示的快速切片到体积重建方法，通过解析点扩散函数建模实现高效准确的3D图像重建。
Comments Under Review for MIDL 2026
Features Emerge as Discrete States: The First Application of SAEs to 3D Representations
特征以离散状态显现：SAEs在3D表示中的首次应用
专题命中 三维重建 ：3D reconstruction(abstract)
AI总结 本文首次将SAEs应用于3D表示，发现模型通过离散状态空间和相变驱动特征编码，揭示了重建模型在位置编码、损失行为和相变分布上的独特特性。
2. Gaussian Splatting 6 篇
GaussianPlant: Structure-aligned Gaussian Splatting for 3D Reconstruction of Plants
GaussianPlant: 基于结构对齐的高斯点云用于植物3D重建
机构 * The University of Osaka（大阪大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(title)；3DGS(abstract)；分类 cs.CV
AI总结 GaussianPlant通过结构对齐的高斯点云方法，实现植物高精度外观与结构的3D重建，适用于植物表型分析。
Comments Submitted to IEEE TPAMI, under review
HGS: Hybrid Gaussian Splatting with Static-Dynamic Decomposition for Compact Dynamic View Synthesis
HGS: 基于静态-动态分解的混合高斯散射用于紧凑动态视图合成
机构 * Xi’an Jiaotong University（西安交通大学） ； Beijing Jiaotong University（北京交通大学） ； Tsinghua University（清华大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract)；3DGS(abstract)；novel view synthesis(abstract)
AI总结 HGS通过静态-动态分解策略，实现高效动态视图合成，减少模型体积并提升渲染效率。
Comments 11 pages, 9 figures
RTR-GS: 3D Gaussian Splatting for Inverse Rendering with Radiance Transfer and Reflection
RTR-GS: 3D高斯散射用于带有辐射转移和反射的逆渲染
机构 * Beijing Institute of Technology（北京理工大学） ； Victoria University of Wellington（惠灵顿维多利亚大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.GR
AI总结 RTR-GS通过结合正向渲染和延迟渲染，实现了对具有任意反射特性的物体的稳健逆渲染和重新照明。
Comments 16 pages
Debiasing Diffusion Priors via 3D Attention for Consistent Gaussian Splatting
通过3D注意力解偏扩散先验以实现一致的高斯点散布
专题命中 Gaussian Splatting ：Gaussian Splatting(title)；分类 cs.CV
AI总结 通过3D注意力解偏扩散先验以实现一致的高斯点散布，解决T2I模型中的视角偏见问题，提升3D任务的多视角一致性。
Comments Accepted by AAAI 2026, Code is available at: https://github.com/kimslong/AAAI26-TDAttn
GASPACHO: Gaussian Splatting for Controllable Humans and Objects
GASPACHO：高斯点云用于可控的人与物体
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； Tübingen AI Center, University of Tübingen, Germany（图宾根人工智能中心，图宾根大学，德国）
专题命中 Gaussian Splatting ：Gaussian Splatting(title)；分类 cs.CV
AI总结 GASPACHO通过高斯点云技术实现可控的人-物体交互渲染，能够在不同姿态和视角下生成逼真的人-物体交互。
Comments Project Page: https://miraymen.github.io/gaspacho/
ASAP-Textured Gaussians: Enhancing Textured Gaussians with Adaptive Sampling and Anisotropic Parameterization
ASAP-Textured Gaussians: 通过自适应采样和各向异性参数化增强纹理高斯体
机构 * Monash University（莫纳什大学） ； Nanyang Technological University（南洋理工大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV
AI总结 ASAP-Textured Gaussians通过自适应采样和各向异性参数化优化纹理高斯体，提升渲染质量与效率的平衡。
3. 点云 5 篇
Multimodal classification of forest biodiversity potential from 2D orthophotos and 3D airborne laser scanning point clouds
基于2D正射影像和3D空中激光扫描点云的森林生物多样性潜力多模态分类
机构 * Perception Laboratory, Aalborg University, Denmark ； Pioneer Centre for Artificial Intelligence, Denmark ； Department of Computer Science, Copenhagen University, Denmark ； Institute for Visual \& Analytic Computing, Rostock University, Germany ； University of Barcelona ； Computer Vision Center, Spain
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本研究利用2D正射影像和3D ALS点云数据，通过多模态深度学习融合方法，实现对森林生物多样性潜力的高效评估，实验结果达到82%的准确率。
4D-RaDiff: Latent Diffusion for 4D Radar Point Cloud Generation
4D-RaDiff：用于4D雷达点云生成的潜在扩散
机构 * Delft University of Technology（代尔夫特理工大学） ； Perciv AI
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 4D-RaDiff通过潜在扩散生成4D雷达点云，提升目标检测性能并减少标注数据需求
CRISTAL: Real-time Camera Registration in Static LiDAR Scans using Neural Rendering
CRISTAL：利用神经渲染进行静态LiDAR扫描中的实时相机定位
机构 * Hasselt University - Digital Future Lab - Flanders（哈塞尔特大学-数字未来实验室-弗拉芒）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.GR
AI总结 CRISTAL通过神经渲染技术实现静态LiDAR扫描中的实时相机定位，提供无漂移且具有正确度量尺度的跟踪，优于现有SLAM流程。
Semantic-Free Procedural 3D Shapes Are Surprisingly Good Teachers
无语义的程序化3D形状出人意料地成为好的教师
机构 * University of Virginia（弗吉尼亚大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出通过程序化生成的3D形状学习3D表示，发现其在多个下游任务中表现优异，表明3D自监督学习不依赖语义信息。
Comments 3DV | SynData4CV @ CVPR2025 | Project Page: https://point-mae-zero.cs.virginia.edu/
Two-step Generalized RBF-Generated Finite Difference Method on Manifolds
在流形上采用两步广义径向基函数生成有限差分方法
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出了一种在无边界流形上求解PDEs的两步广义径向基函数生成有限差分方法，通过改进的插值系数和自适应调节策略提升计算稳定性与精度。
4. 新视角合成 3 篇
Nexels: Neurally-Textured Surfels for Real-Time Novel View Synthesis with Sparse Geometries
Nexels：基于神经纹理的 surfels 用于具有稀疏几何的实时新视角合成
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Simon Frasier University（西蒙弗雷泽大学） ； University of Liège（列日大学） ； University of British Columbia（不列颠哥伦比亚大学）
专题命中 新视角合成 ：novel view synthesis(title,abstract)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 Nexels 通过结合神经场和 surfels 实现高效的实时新视角合成，使用更少的原始体和内存，同时保持高质量的视觉效果。
Comments Webpage at https://lessvrong.com/cs/nexels
Broadening View Synthesis of Dynamic Scenes from Constrained Monocular Videos
从受限单目视频中广义动态场景视图合成
机构 * Northeastern University（东北大学）
专题命中 新视角合成 ：NeRF(abstract)；Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 ExpanDyNeRF通过高斯溅射先验和伪地面真实生成策略，实现从受限单目视频中高质量动态场景视图合成，并在SynDM数据集上验证其在极端视角偏移下的优越性能。
OLATverse: A Large-scale Real-world Object Dataset with Precise Lighting Control
OLATverse：一个具有精确光照控制的大规模真实世界物体数据集
机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Nanjing University（南京大学）
专题命中 新视角合成 ：novel view synthesis(abstract)；分类 cs.CV、cs.GR
AI总结 OLATverse通过大规模真实物体和精确光照控制，为反向渲染和法线估计提供首个全面的现实世界基准数据集。
5. 3D生成 1 篇
Native and Compact Structured Latents for 3D Generation
原生且紧凑的结构化潜在变量用于3D生成
机构 * Tsinghua University（清华大学） ； Microsoft Research（微软研究院） ； USTC（University of Science and Technology of China） ； Microsoft AI（微软人工智能）
专题命中 3D生成 ：3D generation(title,abstract)；分类 cs.CV
AI总结 本文提出O-体素和稀疏压缩变分自编码器，通过高效生成高质量3D资产，推动3D生成建模的发展。
Comments Project Page: https://microsoft.github.io/TRELLIS.2/
6. 空间理解 2 篇
MMDrive: Interactive Scene Understanding Beyond Vision with Multi-representational Fusion
MMDrive: 通过多表示融合超越视觉的交互场景理解
机构 * organization= College of Computer Science ； Technology, Jilin University , city= Changchun , country= China ； organization= Georgia Institute of Technology , city= Atlanta , country= USA ； organization= Qingdao Institute of Software, College of Computer Science ； Technology, China University of Petroleum (East China) , city= Qingdao , country= China ； organization= Institute for Math \& AI, Wuhan University , city= Wuhan , country= China ； organization= University of Michigan, Ann Arbor , country= USA ； organization= Thrust of Artificial Intelligence, Hong Kong University of Science ； organization= School of Artificial Intelligence ； Computer Science, Nantong University , city= Nantong , country= China
专题命中 空间理解 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 MMDrive通过融合占用图、LiDAR点云和文本描述，实现超越视觉的三维场景理解，提升自动驾驶的多模态推理能力。
Deep Learning Perspective of Scene Understanding in Autonomous Robots
自主机器人场景理解的深度学习视角
专题命中 空间理解 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 本文从深度学习角度综述了自主机器人场景理解中的关键技术，包括目标检测、语义分割、深度估计等，探讨了其在动态环境中的应用与挑战。
Comments 11 pages. Review Paper on Deep Learning Perspective of Scene Understanding in Autonomous Robots
