3D 视觉

Reflect3r: Single-View 3D Stereo Reconstruction Aided by Mirror Reflections

Reflect3r: 通过镜像反射辅助的单视角3D立体重建

Jing Wu, Zirui Wang, Iro Laina, Victor Adrian Prisacariu

机构 * University of Oxford（牛津大学） 纠错

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

AI总结 Reflect3r通过利用镜像反射作为辅助视图，实现单视角3D立体重建，结合对称感知损失提升姿态估计，并在动态场景中实现高效几何恢复。

Comments 3DV 2026. Code and Data Available at https://jingwu2121.github.io/reflect3r/

Motion Compensation for Real Time Ultrasound Scanning in Robotically Assisted Prostate Biopsy Procedures

机器人辅助前列腺活检中实时超声扫描的运动补偿

Matija Markulin, Luka Matijević, Luka Siktar, Janko Jurdana, Branimir Caran, Marko Švaco, Filip Šuligoj, Bojan Šekoranja

机构 * Faculty of Mechanical Engineering and Naval Architecture, University of Zagreb（Zagreb大学机械工程与造船学院） 纠错

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

AI总结 本研究提出了一种机器人辅助系统，用于实时超声扫描前列腺，以提高活检的准确性和可用性。

Comments Submitted for ICRA 2026

MOSAIC-GS: Monocular Scene Reconstruction via Advanced Initialization for Complex Dynamic Environments

MOSAIC-GS：通过先进初始化进行复杂动态环境的单目场景重建

Svitlana Morkva, Maximum Wilder-Smith, Michael Oechsle, Alessio Tonioni, Marco Hutter, Vaishakh Patil

机构 * ETH Zürich（苏黎世联邦理工学院） ； Google（谷歌公司） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 MOSAIC-GS通过先进初始化实现复杂动态环境的单目场景重建，结合多种几何线索和刚性运动约束，提高重建效率与质量。

Manifold limit for the training of shallow graph convolutional neural networks

浅层图卷积神经网络训练的流形极限

Johanna Tengler, Christoph Brune, José A. Iglesias

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文研究了基于流形假设的浅层图卷积神经网络训练的离散到连续一致性，通过谱定义图卷积和泛函分析方法，证明了训练数据的一致性和收敛性。

Comments 44 pages, 0 figures, 1 table

GaussianSwap: Animatable Video Face Swapping with 3D Gaussian Splatting

GaussianSwap: 基于3D高斯点云的可动画视频人脸交换

Xuan Cheng, Jiahao Rao, Chengyang Li, Wenhao Wang, Weilin Chen, Lvqing Yang

机构 * School of Informatics, Xiamen University（信息学院，厦门大学） 纠错

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

AI总结 GaussianSwap通过3D高斯点云构建可动画视频人脸交换虚拟角色，实现身份保持与高保真视觉效果，支持交互式应用。

LayerGS: Decomposition and Inpainting of Layered 3D Human Avatars via 2D Gaussian Splatting

LayerGS: 通过2D高斯点散布分解和补全分层3D人体人偶

Yinghan Xu, John Dingliana

机构 * Trinity College Dublin（都柏林三一学院） 纠错

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

AI总结 LayerGS通过2D高斯点散布实现分层3D人体人偶的分解与补全，提升渲染质量和虚拟试穿效果。

GS-DMSR: Dynamic Sensitive Multi-scale Manifold Enhancement for Accelerated High-Quality 3D Gaussian Splatting

GS-DMSR：动态敏感多尺度流形增强用于加速高质量3D高斯点散射

Nengbo Lu, Minghua Pan, Shaohua Sun, Yizhou Liang

机构 * School of Artificial Intelligence, Guilin University of Electronic Technology（人工智能学院，电子科技大学） 纠错

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

AI总结 GS-DMSR通过动态敏感多尺度流形增强方法，提升3D高斯点散射的建模效率和渲染质量，实现高速高精度动态场景重建。

Dense 3D Displacement Estimation for Landslide Monitoring via Fusion of TLS Point Clouds and Embedded RGB Images

基于TLS点云与嵌入式RGB图像融合的密集3D位移估计用于滑坡监测

Zhaoyi Wang, Jemil Avers Butt, Shengyu Huang, Tomislav Medic, Andreas Wieser

机构 * ETH Zurich, Institute of Geodesy（苏黎世联邦理工学院测绘与摄影测量研究所） ； Atlas optimization GmbH（Atlas优化公司） 纠错

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

AI总结 本文提出一种融合TLS点云与嵌入式RGB图像的粗到细方法，用于高精度滑坡位移估计，实现高空间覆盖度和准确性。

Comments Published in the International Journal of Applied Earth Observation and Geoinformation. 25 pages, 19 figures

Journal ref Int. J. Appl. Earth Obs. Geoinf., Vol. 146, 105093, 2026

Grasp the Graph (GtG) 2.0: Ensemble of Graph Neural Networks for High-Precision Grasp Pose Detection in Clutter

抓取图（GtG）2.0：图神经网络的集合用于在杂乱环境中高精度抓取姿态检测

Ali Rashidi Moghadam, Sayedmohammadreza Rastegari, Mehdi Tale Masouleh, Ahmad Kalhor

机构 * Robot Interaction Laboratory, School of Electrical and Computer Engineering, University of Tehran, Tehran, Iran（机器人交互实验室，电气与计算机工程学院，德黑兰大学，德黑兰，伊朗） 纠错

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

AI总结 GtG 2.0通过图神经网络集合提升抓取姿态检测精度，实现高精度和高可靠性

Comments 20 pages

From Small to Large: Generalization Bounds for Transformers on Variable-Size Inputs

从小到大：变换器在可变大小输入上的泛化界限

Anastasiia Alokhina, Pan Li

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种理论框架，用于分析变换器在可变大小输入上的泛化界限，通过采样密度和数据流形的内在维数确定误差界，并通过实验验证了理论的准确性。

Rotate Your Character: Revisiting Video Diffusion Models for High-Quality 3D Character Generation

旋转你的角色：重新审视视频扩散模型用于高质量3D角色生成

Jin Wang, Jianxiang Lu, Comi Chen, Guangzheng Xu, Haoyu Yang, Peng Chen, Na Zhang, Yifan Xu, Longhuang Wu, Shuai Shao, Qinglin Lu, Ping Luo

机构 * Hunyuan, Tencent（腾讯文予实验室） ； The University of Hong Kong（香港大学） 纠错

专题命中 新视角合成 ：novel view synthesis(abstract)；3D generation(abstract)；分类 cs.CV

AI总结 本文提出RCM模型，通过旋转角色姿势实现高质量3D角色生成和新视角合成，支持多视角输入和高分辨率视频生成。

Comments 11 pages, 8 figures