视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
NAS-GS: 噪声感知的声纳高斯点云技术
机构 * I-X and Department of Electrical and Electronic Engineering, Imperial College London, UK（I-X 和 电气与电子工程系，帝国理工学院伦敦分校） ； Frontier Robotics, The National Robotarium, Edinburgh UK（前沿机器人技术，国家机器人中心，爱丁堡）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.RO
AI总结 NAS-GS通过双向点云技术和高斯混合噪声模型，提升声纳图像的3D重建和新视角合成性能。
GP-GS：基于高斯过程的3D高斯点云密集化
机构 * Manchester Metropolitan University（曼彻斯特 Metropolitan 大学） ； SECE, Peking University（SECE，北京大学） ； University of Leeds（利兹大学） ； Pengcheng Laboratory（鹏城实验室） ； Hangzhou Dianzi University（杭州电子科技大学） ； Wuhan University（武汉大学） ； Cardiff University（卡迪夫大学） ； University of Klagenfurt（克雷夫大学） ； Imperial College London（伦敦帝国学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 GP-GS通过高斯过程实现3D高斯点云的密集化优化，提升重建质量和渲染保真度，达到1.12 dB PSNR的改进。
Comments 11 pages, 8 figures
CLIP-GS: 通过3D高斯点划法统一视觉-语言表示
机构 * Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学学院） ； National University of Singapore（新加坡国立大学） ； Meituan（美团） ； Georgia Institute of Technology（佐治亚理工学院） ； Picsart AI Research (PAIR)（Picsart AI研究（PAIR））
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 CLIP-GS通过3D高斯点划法统一视觉-语言表示，利用对比损失和图像投票损失提升多模态检索和分类性能。
频感知高斯散射分解
机构 * Tel Aviv University（特拉维夫大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV；3D vision(comments)
AI总结 本文提出一种频感知高斯散射分解方法，通过分组和正则化提升3D重建质量与渲染效率，支持动态细节级别渲染等新功能。
Comments Accepted to the International Conference on 3D Vision (3DV) 2026
机器人中最佳的3D场景表示是什么？从几何到基础模型
专题命中 Gaussian Splatting ：NeRF(abstract)；Gaussian Splatting(abstract)；3DGS(abstract)；point cloud(abstract)
AI总结 本文探讨了机器人中最佳的3D场景表示方法，对比了传统和神经表示的优劣，并展望了基础模型在机器人应用中的潜力。
MG-SLAM：基于曼哈顿世界假设的结构高斯点撒SLAM
机构 * Department of Information Science and Technology and Department of Complexity Science and Engineering, The University of Tokyo（信息科学与技术系和复杂科学与工程系，东京大学） ； Institute of Medical Robotics and Department of Automation, Shanghai Jiao Tong University（医疗机器人研究所和自动化系，上海交通大学） ； Department of Mechanical Engineering, Columbia University（机械工程系，哥伦比亚大学） ； School of Electrical and Electronic Engineering, Nanyang Technological University（电子与电气工程学院，南洋理工大学） ； Department of Computer Science, Dalian University of Technology（计算机科学系，大连理工大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV、cs.RO
AI总结 MG-SLAM基于曼哈顿世界假设，通过融合线段和平面假设提升室内场景重建的几何精度和完整性，实现高斯SLAM的先进性能。
Comments IEEE Transactions on Automation Science and Engineering
Journal ref IEEE Transactions on Automation Science and Engineering 22 (2025) 17034-17049
补偿时空不一致的观测以实现在线动态3D高斯点散射
机构 * Yonsei University（延世大学） ； Electronics and Telecommunications Research Institute（电子电信研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title)；分类 cs.CV
AI总结 本文提出了一种方法，通过补偿时空不一致的观测来提升在线动态3D高斯点散射的时间一致性和渲染质量。
Comments SIGGRAPH 2025, Project page: https://bbangsik13.github.io/OR2
Mon3tr: 单目3D远程存在与预构建高斯人偶作为记忆化
机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科技大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 Mon3tr通过单目3DGS技术实现远程存在，利用预构建的高斯人偶降低系统复杂性，实现实时高精度3D可视化与低带宽传输。
R3-RECON：通过可渲染性进行无辐射场主动重建
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.GR
AI总结 R3-RECON通过无辐射场的可渲染性场实现高效主动重建，提升新视角质量和3DGS重建精度。
Comments 18 pages, 11 figures
基于体素的渐进式3D高斯SLAM：用于大规模场景的VPGS-SLAM
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； Key Laboratory of System Control and Information Processing, Ministry of Education（系统控制与信息处理重点实验室，教育部） ； Thrust of Robotics and Autonomous Systems, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统研究 thrust，香港科技大学（广州）） ； University of Bonn（波恩大学） ； School of Electrical and Electronic Engineering, Nanyang Technological University（电子与电气工程学院，南洋理工大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 VPGS-SLAM提出了一种基于体素的渐进式3D高斯SLAM方法，适用于大规模室内外场景，通过多子地图实现紧凑准确的场景表示，并结合2D-3D融合跟踪和回环闭合方法提升鲁棒性。
Sketch&Patch++: 高效的结构感知3D高斯表示
机构 * National University of Singapore（新加坡国立大学） ； IRIT - Université de Toulouse（图卢兹大学IRIT）
专题命中 Gaussian Splatting ：3DGS(abstract)；分类 cs.CV、cs.GR
AI总结 Sketch&Patch++提出一种结构感知的3D高斯表示方法，通过分层自适应分类框架实现高效存储和渲染，相比传统方法在PSNR、SSIM和LPIPS上均取得显著提升。
SRFlow：一种通过点撒射法栅格化实现高分辨率面部光流的数据库和正则化模型
机构 * School of Automation, Guangdong University of Technology（广东工业大学自动化学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV
AI总结 SRFlow提出高分辨率面部光流数据集和模型，通过定制正则化损失提升光流估计精度和微表情识别性能。
SmartSplat: 基于特征的智能高斯用于超高清图像的可扩展压缩
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV
AI总结 SmartSplat通过特征感知的高斯方法实现超高清图像的高效压缩，兼顾压缩比与重建质量，展现强可扩展性。
Comments Accepted by AAAI 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈