3D 视觉

Three-dimensional visualization of X-ray micro-CT with large-scale datasets: Efficiency and accuracy for real-time interaction

基于大规模数据集的X射线微CT三维可视化：实时交互中的效率与精度

Yipeng Yin, Rao Yao, Qingying Li, Dazhong Wang, Hong Zhou, Zhijun Fang, Jianing Chen, Longjie Qian, Mingyue Wu

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

AI总结 本文探讨了基于大规模数据集的X射线微CT三维可视化方法，分析了精度与效率的平衡，旨在提升实时交互中材料缺陷的检测精度和效率。

Comments Page1-37

SurfSLAM: Sim-to-Real Underwater Stereo Reconstruction For Real-Time SLAM

SurfSLAM: 基于仿真到现实的水下立体重建用于实时SLAM

Onur Bagoren, Seth Isaacson, Sacchin Sundar, Yung-Ching Sun, Anja Sheppard, Haoyu Ma, Abrar Shariff, Ram Vasudevan, Katherine A. Skinner

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

AI总结 SurfSLAM通过仿真到现实的训练方法，结合立体相机与IMU、气压计和DVL测量，实现水下实时SLAM，提升水下环境下的立体估计和3D重建能力。

RealX3D: A Physically-Degraded 3D Benchmark for Multi-view Visual Restoration and Reconstruction

RealX3D：一种物理退化3D基准，用于多视图视觉修复与重建

Shuhong Liu, Chenyu Bao, Ziteng Cui, Yun Liu, Xuangeng Chu, Lin Gu, Marcos V. Conde, Ryo Umagami, Tomohiro Hashimoto, Zijian Hu, Tianhan Xu, Yuan Gan, Yusuke Kurose, Tatsuya Harada

机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（日本信息处理学会） ； Tohoku University（东北大学） ； University of Würzburg（乌尔姆大学） ； RIKEN AIP（理化学研究所AIP） 纠错

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

AI总结 RealX3D是一个用于多视图视觉修复和3D重建的现实捕获基准，通过多种物理退化测试评估方法的性能。

GAT-NeRF: Geometry-Aware-Transformer Enhanced Neural Radiance Fields for High-Fidelity 4D Facial Avatars

GAT-NeRF：基于几何感知的Transformer增强神经辐射场用于高保真的4D面部虚拟人物

Zhe Chang, Haodong Jin, Ying Sun, Yan Song, Hui Yu

机构 * Department of Control Science and Engineering, University of Shanghai for Science and Technology（控制科学与工程系，上海科学技术大学） ； Business School, University of Shanghai for Science and Technology（商学院，上海科学技术大学） ； School of Psychology and Neuroscience, University of Glasgow（心理学与神经科学学院，格拉斯哥大学） 纠错

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

AI总结 GAT-NeRF通过整合Transformer机制与几何感知模块，提升从单目视频重建高保真4D动态面部虚拟人物的能力。

Advancing Talking Head Generation: A Comprehensive Survey of Multi-Modal Methodologies, Datasets, Evaluation Metrics, and Loss Functions

推进说话头生成：多模态方法、数据集、评估指标和损失函数的全面综述

Vineet Kumar Rakesh, Soumya Mazumdar, Research Pratim Maity, Sarbajit Pal, Amitabha Das, Tapas Samanta

机构 * Engineering Sciences, Homi Bhabha National Institute Training School Complex（工程科学，霍米·巴赫瓦全国研究所培训学校） ； Computer and Informatics Group, VECC 1/AF（计算机与信息组，VECC 1/AF） 纠错

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

AI总结 本文全面综述了说话头生成的多模态方法、数据集、评估指标和损失函数，探讨了技术挑战与未来发展方向。

RI3D: Few-Shot Gaussian Splatting With Repair and Inpainting Diffusion Priors

RI3D: 少样本高斯点云渲染与修复与修复扩散先验

Avinash Paliwal, Xilong Zhou, Wei Ye, Jinhui Xiong, Rakesh Ranjan, Nima Khademi Kalantari

机构 * Texas A&M University（德克萨斯A&M大学） ； Meta Reality Labs（Meta现实实验室） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） 纠错

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

AI总结 RI3D通过分离视图合成任务并结合修复与修复扩散模型，实现了高质量的少样本3D渲染与缺失区域重建。

Comments ICCV 2025, Project page: https://people.engr.tamu.edu/nimak/Papers/RI3D, Code: https://github.com/avinashpaliwal/RI3D

ESGaussianFace: Emotional and Stylized Audio-Driven Facial Animation via 3D Gaussian Splatting

ESGaussianFace: 通过3D高斯点散射实现情感和风格化的音频驱动面部动画

Chuhang Ma, Shuai Tan, Ye Pan, Jiaolong Yang, Xin Tong

机构 * IEEE Publication Technology Group（IEEE出版技术组） 纠错

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

AI总结 ESGaussianFace通过3D高斯点散射实现情感和风格化音频驱动面部动画，提升面部细节重建和风格特征表达。

Comments 13 pages, 10 figures

Journal ref IEEE Transactions on Visualization and Computer Graphics, 2026

ConeGS: Error-Guided Densification Using Pixel Cones for Improved Reconstruction With Fewer Primitives

ConeGS: 基于像素锥的误差引导稠密化用于更少基础元素的改进重建

Bartłomiej Baranowski, Stefano Esposito, Patricia Gschoßmann, Anpei Chen, Andreas Geiger

机构 * University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） 纠错

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

AI总结 ConeGS通过基于像素锥的误差引导稠密化方法，在较少基础元素的情况下提升3D重建质量与渲染性能。

ScenDi: 3D-to-2D Scene Diffusion Cascades for Urban Generation

ScenDi: 3D到2D场景扩散级联用于城市生成

Hanlei Guo, Jiahao Shao, Xinya Chen, Xiyang Tan, Sheng Miao, Yujun Shen, Yiyi Liao

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； The University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 ScenDi通过整合3D和2D扩散模型，解决3D城市生成中外观细节与相机可控性的平衡问题，实现高质量场景生成。

Registration-Free Monitoring of Unstructured Point Cloud Data via Intrinsic Geometrical Properties

无需配准的无结构点云数据监控：通过内在几何特性

Mariafrancesca Patalano, Giovanna Capizzi, Kamran Paynabar

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

AI总结 本文提出了一种无需配准的点云数据监控方法，利用内在几何特性进行特征学习，有效识别不同类型的缺陷。

Comments Code available at https://github.com/franci2312/RFM

Geo-Registration of Terrestrial LiDAR Point Clouds with Satellite Images without GNSS

无需GNSS的地面LiDAR点云与卫星图像地理配准

Xinyu Wang, Muhammad Ibrahim, Haitian Wang, Atif Mansoor, Xiuping Jia, Ajmal Mian

机构 * Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） ； School of Engineering and Technology, University of New South Wales（工程与技术学院，新南威尔士大学） 纠错

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

AI总结 本研究提出了一种无需GNSS的LiDAR点云与卫星图像地理配准方法，通过点云分割、道路骨架提取和刚性变换实现高精度配准，显著降低地理偏移误差。

Comments Submitted to IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Under reviewing now

Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching

耦合拉普拉斯特征映射用于局部感知的3D刚性点云匹配

Matteo Bastico, Etienne Decencière, Laurent Corté, Yannick Tillier, David Ryckelynck

机构 * Mines Paris, Université PSL（巴黎 Mines 学院，巴黎大学） ； Centre des Matériaux (MAT), UMR7633 CNRS（材料中心（MAT），CNRS UMR7633） ； Centre de Morphologie Mathématique (CMM)（数学形态学中心（CMM）） ； Centre de Mise en Forme des Matériaux (CEMEF), UMR7635 CNRS（材料成型中心（CEMEF），CNRS UMR7635） 纠错

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

AI总结 本文提出基于耦合拉普拉斯特征映射的3D点云匹配方法，通过考虑局部结构提升匹配精度，应用于物体异常检测和骨侧估计任务。

Comments This paper has been accepted at Computer Vision and Patter Recognition (CVPR) 2024

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2024, pp. 3447-3458

Point Cloud Streaming with Latency-Driven Implicit Adaptation using MoQ

基于延迟驱动的隐式适应的点云流媒体使用MoQ

Andrew Freeman, Michael Rudolph, Amr Rizk

专题命中 点云 ：point cloud(title,abstract)

AI总结 本研究提出一种基于延迟驱动的隐式适应方法，利用MoQ协议实现点云流媒体的动态质量调整，根据客户端延迟需求自动优化视频质量。

Symmetry Informative and Agnostic Feature Disentanglement for 3D Shapes

对3D形状的对称信息性和对称无关性特征解耦

Tobias Weißberg, Weikang Wang, Paul Roetzer, Nafie El Amrani, Florian Bernard

机构 * University of Bonn（波恩大学） ； Lamarr Institute（拉玛尔研究所） 纠错

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

AI总结 本文提出了一种同时具有对称信息性和对称无关性的特征解耦方法，以提高3D形状分析的鲁棒性和准确性。

Comments Accepted at 3DV 2026

OSMa-Bench: Evaluating Open Semantic Mapping Under Varying Lighting Conditions

OSMa-Bench: 评估开放语义映射在不同光照条件下的性能

Maxim Popov, Regina Kurkova, Mikhail Iumanov, Jaafar Mahmoud, Sergey Kolyubin

机构 * Biomechatronics and Energy-Efficient Robotics (BE2R) Lab, ITMO University（生物机电学与节能机器人实验室，ITMO大学） 纠错

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

AI总结 OSMa-Bench通过评估不同光照条件下语义映射算法的性能，推动了更鲁棒的机器人系统发展。

Comments Project page: https://be2rlab.github.io/OSMa-Bench/

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, 2025, pp. 10786-10791