3D 视觉

V-DPM: 4D Video Reconstruction with Dynamic Point Maps

V-DPM：基于动态点图的4D视频重建

Edgar Sucar, Eldar Insafutdinov, Zihang Lai, Andrea Vedaldi

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

AI总结 V-DPM通过动态点图实现4D视频重建，利用预训练模型和合成数据提升动态场景的3D和4D重建性能。

Comments Project page: https://www.robots.ox.ac.uk/~vgg/research/vdpm/

3D-SONAR: Self-Organizing Network for 3D Anomaly Ranking

3D-SONAR：用于3D异常排序的自组织网络

Guodong Xu, Juan Du, Hui Yang

专题命中 三维重建 ：point cloud(abstract)

AI总结 3D-SONAR通过自组织网络模型实现无训练的3D表面异常检测，利用动态系统和力场理论揭示异常，提供了一种数据有限的工业检测新方法。

Comments 28 pages, 12 figures

Variable Basis Mapping for Real-Time Volumetric Visualization

可变基映射用于实时体可视化

Qibiao Li, Yuxuan Wang, Youcheng Cai, Huangsheng Du, Ligang Liu

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

AI总结 本文提出可变基映射方法，通过小波域分析将体数据转换为3DGS表示，从而实现高效实时体可视化。

Comments 11 pages. Under review

GaussianFluent: Gaussian Simulation for Dynamic Scenes with Mixed Materials

GaussianFluent: 用于混合材料动态场景的高斯模拟

Bei Huang, Yixin Chen, Ruijie Lu, Gang Zeng, Hongbin Zha, Yuru Pei, Siyuan Huang

机构 * State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） ； State Key Laboratory of General Artificial Intelligence, BIGAI（北京大学通用人工智能国家重点实验室，BIGAI） 纠错

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

AI总结 GaussianFluent通过生成模型和优化的CD-MPM方法，实现了混合材料动态场景的高保真实时渲染和脆性断裂模拟。

Comments 16 pages

Iterative Differential Entropy Minimization (IDEM) method for fine rigid pairwise 3D Point Cloud Registration: A Focus on the Metric

迭代微分熵最小化（IDEM）方法用于精细刚性点云配对3D点云配准：聚焦度量

Emmanuele Barberi, Felice Sfravara, Filippo Cucinotta

机构 * Department of Engineering, University of Messina（工程学院，墨西拿大学） 纠错

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

AI总结 IDEM方法通过微分熵度量提升点云配准的鲁棒性，有效应对密度差异、噪声和部分重叠等挑战。

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2025, Available in IEEE Xplore

Multimodal Signal Processing For Thermo-Visible-Lidar Fusion In Real-time 3D Semantic Mapping

多模态信号处理用于热-可见-激光雷达融合的实时3D语义制图

Jiajun Sun, Yangyi Ou, Haoyuan Zheng, Chao yang, Yue Ma

机构 * College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机械与控制工程学院） ； School of Robotics, Xi’an-Jiaotong Liverpool University（西安交通大学利物浦大学机器人学院） 纠错

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

AI总结 本文提出通过多模态信号处理融合热、可见和激光雷达数据，提升实时3D语义制图的精度与语义理解能力，适用于灾害评估和工业维护等场景。

Comments 5 pages,7 figures. Under review

A Multi-Mode Structured Light 3D Imaging System with Multi-Source Information Fusion for Underwater Pipeline Detection

一种基于多源信息融合的多模式结构光3D成像系统用于水下管道检测

Qinghan Hu, Haijiang Zhu, Na Sun, Lei Chen, Zhengqiang Fan, Zhiqing Li

机构 * College of Information Science and Technology, Beijing University of Chemical Technology, Beijing 100029, China（信息科学与技术学院，北京化工大学，中国北京100029） ； Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China（机械工程系，清华大学，中国北京100084） ； Guoneng Zhishen Control Technology Co., Ltd., Beijing 102211, China（国能智深控制技术有限公司，中国北京102211） ； College of Intelligent Science and Engineering, Beijing University of Agriculture, Beijing 102206, China（智能科学与工程学院，北京农业大学，中国北京102206） 纠错

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

AI总结 本文提出了一种基于多源信息融合的多模式结构光3D成像系统，用于水下管道检测，通过改进的校正方法和融合策略提升检测精度与鲁棒性。

A Preprocessing and Postprocessing Voxel-based Method for LiDAR Semantic Segmentation Improvement in Long Distance

一种用于增强长距离LiDAR语义分割的预处理和后处理体素方法

Andrea Matteazzi, Pascal Colling, Michael Arnold, Dietmar Tutsch

机构 * University of Wuppertal（乌尔姆大学） ； Aptiv Services Deutschland GmbH（APTIV德国服务公司） 纠错

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

AI总结 本文提出了一种用于增强长距离LiDAR语义分割的预处理和后处理方法，通过多阶段处理和先进模型结合，显著提升了中远距离的mIoU性能。

Efficient Camera-Controlled Video Generation of Static Scenes via Sparse Diffusion and 3D Rendering

通过稀疏扩散和3D渲染实现静态场景的高效摄像机控制视频生成

Jieying Chen, Jeffrey Hu, Joan Lasenby, Ayush Tewari

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 新视角合成 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 本文提出SRENDER方法，通过稀疏扩散和3D渲染生成静态场景的高效视频，使视频生成速度提升40倍，保持高质量和稳定性。

Comments Project page: https://ayushtewari.com/projects/srender/

SCE-SLAM: Scale-Consistent Monocular SLAM via Scene Coordinate Embeddings

SCE-SLAM：通过场景坐标嵌入实现尺度一致的单目SLAM

Yuchen Wu, Jiahe Li, Xiaohan Yu, Lina Yu, Jin Zheng, Xiao Bai

机构 * School of Computer Science and Engineering, State Key Laboratory of Complex & Critical Software Environment, Jiangxi Research Institute, Beihang University（计算机科学与工程学院、复杂与关键软件环境国家重点实验室、江西研究院、北航） ； Macquarie University（麦考瑞大学） ； Beijing Key Laboratory of Semiconductor Neural Network Intelligent Sensing and Computing Technology（北京半导体神经网络智能感知与计算技术重点实验室） 纠错

专题命中 SLAM与定位 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 SCE-SLAM通过场景坐标嵌入实现单目SLAM的尺度一致性，实验显示在KITTI上轨迹误差减少8.36米，同时保持36 FPS。