3D 视觉

AdaGaR: Adaptive Gabor Representation for Dynamic Scene Reconstruction

AdaGaR：自适应Gabor表示用于动态场景重建

Jiewen Chan, Zhenjun Zhao, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University（阳明交通大学） ； University of Zaragoza（巴塞罗那大学） 纠错

专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV

AI总结 AdaGaR通过自适应Gabor表示和时间曲率正则化，实现动态场景重建的高精度与稳定性，展现优异的性能和泛化能力。

Comments Project page: https://jiewenchan.github.io/AdaGaR/

Thinking on Maps: How Foundation Model Agents Explore, Remember, and Reason Map Environments

地图上的思考：基础模型代理如何探索、记忆和推理地图环境

Zhiwei Wei, Yuxing Liu, Hua Liao, Wenjia Xu

专题命中 三维重建 ：spatial understanding(abstract)

AI总结 本文提出交互式评估框架，分析基础模型代理在符号地图环境中探索、记忆和推理的过程，揭示不同组件在空间理解中的作用。

Comments 43 pages, 8 figures

NeRF-VIO: Map-Based Visual-Inertial Odometry with Initialization Leveraging Neural Radiance Fields

NeRF-VIO: 基于地图的视觉-惯性里程计与利用神经辐射场的初始化

Yanyu Zhang, Dongming Wang, Jie Xu, Mengyuan Liu, Pengxiang Zhu, Wei Ren

机构 * Department of Electrical and Computer Engineering, University of California, Riverside（电子与计算机工程系，加州大学河滨分校） 纠错

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

AI总结 NeRF-VIO通过结合神经辐射场与多状态约束卡尔曼滤波，实现了更准确高效的基于地图的视觉-惯性里程计。

Journal ref 2025 IEEE 21st International Conference on Automation Science and Engineering (CASE), pp. 3506-3511, 2025

Neural Brain Fields: A NeRF-Inspired Approach for Generating Nonexistent EEG Electrodes

神经脑场：一种受NeRF启发的方法用于生成不存在的EEG电极

Shahar Ain Kedem, Itamar Zimerman, Eliya Nachmani

机构 * School of Electrical and Computer Engineering, Ben Gurion University of the Negev（本·古里安大学内盖夫分校电子与计算机工程学院） ； School of Computer Science, Tel Aviv University（特拉维夫大学计算机科学学院） 纠错

专题命中 NeRF ：NeRF(title,abstract)；分类 cs.CV

AI总结 本文提出了一种受NeRF启发的方法，通过生成不存在的EEG电极数据，实现对脑活动的高分辨率可视化和EEG信号的重建。

CropNeRF: A Neural Radiance Field-Based Framework for Crop Counting

CropNeRF: 一种基于神经辐射场的作物计数框架

Md Ahmed Al Muzaddid, William J. Beksi

专题命中 NeRF ：NeRF(abstract)；分类 cs.CV、cs.RO

AI总结 CropNeRF通过3D实例分割实现精确作物计数，结合神经辐射场与可见性评分，无需参数调优，验证于多个农业数据集，表现优于现有方法。

Comments 8 pages, 10 figures, and 2 tables

Stereo-GS: Multi-View Stereo Vision Model for Generalizable 3D Gaussian Splatting Reconstruction

Stereo-GS：用于通用3D高斯点云重建的多视角立体视觉模型

Xiufeng Huang, Ka Chun Cheung, Runmin Cong, Simon See, Renjie Wan

机构 * Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系） ； NVIDIA AI Technology Center, NVIDIA（NVIDIA 人工智能技术中心） ； School of Control Science and Engineering, Shandong University（控制科学与工程学院，山东大学） 纠错

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

AI总结 Stereo-GS通过立体视觉和解耦框架实现高效通用3D高斯点云重建，无需依赖相机参数，提升鲁棒性和实用性。

Comments ACM Multimedia 2025

SV-GS: Sparse View 4D Reconstruction with Skeleton-Driven Gaussian Splatting

SV-GS: 基于骨骼驱动的稀疏视图4D重建

Jun-Jee Chao, Volkan Isler

机构 * University of Minnesota（明尼苏达大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 SV-GS通过骨骼驱动的变形场，在稀疏观测下实现动态目标的4D重建，提升了在现实场景中的应用可行性。

Reconstructing Building Height from Spaceborne TomoSAR Point Clouds Using a Dual-Topology Network

从空间borne TomoSAR点云重建建筑高度的双拓扑网络

Zhaiyu Chen, Yuanyuan Wang, Yilei Shi, Xiao Xiang Zhu

机构 * The Chair of Data Science in Earth Observation, Technical University of Munich (TUM)（地球观测数据科学教授职位，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； School of Engineering and Design, Technical University of Munich (TUM)（工程与设计学院，慕尼黑技术大学） 纠错

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

AI总结 本文提出了一种双拓扑网络，用于从空间borne TomoSAR点云中重建建筑高度，通过点和网格分支联合处理，实现去噪和缺失区域填充，提升城市高度映射的精度。

Comments Accepted for publication in IEEE Transactions on Geoscience and Remote Sensing

Towards Streaming LiDAR Object Detection with Point Clouds as Egocentric Sequences

面向点云作为自车序列的流式LiDAR目标检测

Mellon M. Zhang, Glen Chou, Saibal Mukhopadhyay

专题命中 点云 ：point cloud(title)；分类 cs.CV

AI总结 PFCF提出了一种混合检测器，结合极坐标处理和笛卡尔推理，实现低延迟高精度的LiDAR目标检测。

Comments Accepted to WACV 2026

CrownGen: Patient-customized Crown Generation via Point Diffusion Model

CrownGen: 通过点扩散模型实现患者定制的牙冠生成

Juyoung Bae, Moo Hyun Son, Jiale Peng, Wanting Qu, Wener Chen, Zelin Qiu, Kaixin Li, Xiaojuan Chen, Yifan Lin, Hao Chen

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Division of Pediatric Dentistry and Orthodontics, Faculty of Dentistry（牙科学院儿童牙科与正畸科） ； University of Hong Kong（香港大学） ； Department of Chemical and Biological Engineering（化学与生物工程系） ； Division of Life Science（生命科学系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港联合创新研究院） ； State Key Laboratory of Nervous System Disorders（神经系统疾病国家重点实验室） ； Delun Dental Hospital（德尔润牙科医院） 纠错

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

AI总结 CrownGen通过点扩散模型实现患者定制的牙冠自动化生成，提升了牙科修复的效率和质量。

ballmapper: Applying Topological Data Analysis Ball Mapper in Stata

ballmapper：将拓扑数据分析球映射应用于Stata

Simon Rudkin, Wanling Rudkin

专题命中 点云 ：point cloud(abstract)

AI总结 本文介绍了一个用于Stata的ballmapper包，用于在Stata中应用拓扑数据分析球映射方法进行多变量数据的可视化分析。

Comments The accompanying GitHub is https://github.com/srudkin12/statabm