3D 视觉

CropCraft: Complete Structural Characterization of Crop Plants From Images

CropCraft: 作物植物的完整结构表征从图像

Albert J. Zhai, Xinlei Wang, Kaiyuan Li, Zhao Jiang, Junxiong Zhou, Sheng Wang, Zhenong Jin, Kaiyu Guan, Shenlong Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） 纠错

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

AI总结 CropCraft通过逆向程序建模优化植物形态参数，实现从图像中完整重建作物3D结构，用于农业监测与模拟应用。

Comments 3DV 2026 (Oral). Project page: https://ajzhai.github.io/CropCraft

TUN: Detecting Significant Points in Persistence Diagrams with Deep Learning

TUN：利用深度学习在持续图中检测显著点

Yu Chen, Hongwei Lin

机构 * School of Mathematical Sciences Zhejiang University Hangzhou, China（数学科学学院 浙江大学 杭州, 中国） 纠错

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

AI总结 TUN通过深度学习方法在持续图中自动检测显著点，提升拓扑数据分析的实用性与可靠性。

No Mesh, No Problem: Estimating Coral Volume and Surface from Sparse Multi-View Images

无需网格，无需问题：从稀疏多视角图像估计珊瑚体积和表面

Diego Eustachio Farchione, Ramzi Idoughi, Peter Wonka

机构 * KAUST（卡斯土奈特大学） 纠错

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

AI总结 本文提出一种轻量可扩展的框架，通过多视角图像预测珊瑚体积和表面积，实现高效准确的珊瑚几何估计。

Comments Reverted to previous version due to clarity issues

UniField: Joint Multi-Domain Training for Universal Surface Pressure Modeling

UniField：面向通用表面压力建模的多领域联合训练

Junhong Zou, Zhenxu Sun, Yueqing Wang, Wei Qiu, Zhaoxiang Zhang, Xiangyu Zhu, Zhen Lei

专题命中 三维重建 ：point cloud(abstract)

AI总结 UniField通过多领域联合训练提升通用表面压力建模的准确性，尤其在数据稀缺领域表现突出。

SplatBus: A Gaussian Splatting Viewer Framework via GPU Interprocess Communication

SplatBus: 一种通过GPU进程间通信实现的高斯溅射查看框架

Yinghan Xu, Théo Morales, 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,abstract)；3DGS(abstract)；分类 cs.CV、cs.GR

AI总结 SplatBus通过GPU进程间通信实现3D高斯溅射的可视化，解决了传统渲染管线整合难题，适用于自动驾驶和虚拟现实等应用。

EVolSplat4D: Efficient Volume-based Gaussian Splatting for 4D Urban Scene Synthesis

EVolSplat4D: 面向4D城市场景合成的高效体素基于高斯点云方法

Sheng Miao, Sijin Li, Pan Wang, Dongfeng Bai, Bingbing Liu, Yue Wang, Andreas Geiger, Yiyi Liao

机构 * Zhejiang University（浙江大学） ； Huawei（华为） ； University of Tübingen（图宾根大学） 纠错

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

AI总结 EvolSplat4D通过统一体积和像素高斯预测，实现高效4D城市场景合成，提升动态和静态环境的重建精度与一致性。

Rasterizing Wireless Radiance Field via Deformable 2D Gaussian Splatting

通过可变形2D高斯散射法实现无线辐射场的栅格化

Mufan Liu, Cixiao Zhang, Qi Yang, Yujie Cao, Yiling Xu, Yin Xu, Shu Sun, Mingzeng Dai, Yunfeng Guan

机构 * School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（信息科学与电子工程学院，上海交通大学） ； University of Missouri-Kansas City（密苏里大学-凯斯城分校） ； Lenovo Group, Lenovo Research（联想集团，联想研究院） 纠错

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

AI总结 SwiftWRF通过可变形2D高斯散射法高效重建无线辐射场，实现高速光谱合成与高精度信号预测

LL-GaussianImage: Efficient Image Representation for Zero-shot Low-Light Enhancement with 2D Gaussian Splatting

LL-GaussianImage: 用于零样本低光照增强的高效图像表示方法（基于二维高斯点撒）

Yuhan Chen, Wenxuan Yu, Guofa Li, Yijun Xu, Ying Fang, Yicui Shi, Long Cao, Wenbo Chu, Keqiang Li

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

AI总结 LL-GaussianImage提出了一种基于二维高斯点撒的零样本无监督框架，直接在压缩域内实现低光照增强，通过语义引导的专家混合框架、多目标损失函数和两阶段优化提升效率和质量。

CGS-GAN: 3D Consistent Gaussian Splatting GANs for High Resolution Human Head Synthesis

CGS-GAN：基于3D一致高斯散射的GANs用于高分辨率人体头部合成

Florian Barthel, Wieland Morgenstern, Paul Hinzer, Anna Hilsmann, Peter Eisert

机构 * Fraunhofer HHI（弗劳恩霍夫研究所汉诺威研究所） ； HU Berlin（柏林洪堡大学） 纠错

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

AI总结 CGS-GAN通过多视角正则化和改进的生成器架构，实现了无需视角条件的稳定训练和高分辨率人体头部的3D一致合成。

Comments Main paper 12 pages, supplementary materials 8 pages

Point2Vec for Self-Supervised Representation Learning on Point Clouds

Point2Vec用于点云的自监督表示学习

Karim Knaebel, Jonas Schult, Alexander Hermans, Bastian Leibe

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

AI总结 point2vec通过改进data2vec框架，有效解决了点云自监督表示学习中的位置信息泄露问题，在多个任务中表现出色。

Comments Accepted at GCPR 2023. Project page at https://vision.rwth-aachen.de/point2vec

DINO in the Room: Leveraging 2D Foundation Models for 3D Segmentation

DINO在房间内：利用2D基础模型进行3D分割

Karim Knaebel, Kadir Yilmaz, Daan de Geus, Alexander Hermans, David Adrian, Timm Linder, Bastian Leibe

机构 * RWTH Aachen University（亚琛工业大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； Bosch Center for AI（博世人工智能中心） 纠错

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

AI总结 DITR通过整合2D基础模型特征到3D分割模型中，实现了在室内外3D语义分割上的最佳性能。

Comments Accepted to 3DV 2026. Project page at https://vision.rwth-aachen.de/ditr

From Canopy to Ground via ForestGen3D: Learning Cross-Domain Generation of 3D Forest Structure from Aerial-to-Terrestrial LiDAR

从树冠到地面：通过ForestGen3D实现跨领域生成3D森林结构：从航空到地面LiDAR

Juan Castorena, E. Louise Loudermilk, Scott Pokswinski, Rodman Linn

机构 * Los Alamos National Laboratories（洛斯阿拉莫斯国家实验室） ； Southern Research Station（南部研究站） ； Prescribed Fire Laboratory（规定火实验室） 纠错

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

AI总结 ForestGen3D通过跨领域生成模型，从航空LiDAR数据推断地面细节，实现高精度的3D森林结构重建，提升生态分析和遥感应用的准确性。

Multi-View Projection for Unsupervised Domain Adaptation in 3D Semantic Segmentation

多视角投影用于无监督领域适应的3D语义分割

Andrew Caunes, Thierry Chateau, Vincent Fremont

机构 * Logiroad, Nantes, France（法国南特Logiroad） ； LS2N - Ecole Centrale de Nantes, France（法国南特LS2N-中央理工学院） 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视角投影的无监督领域适应方法，通过合成数据集训练2D分割模型并回投影生成3D标签，实现3D语义分割的领域适应和稀有类别分割。