3D 视觉

Joint Learning of Depth, Pose, and Local Radiance Field for Large Scale Monocular 3D Reconstruction

联合学习深度、姿态和局部辐射场以实现大规模单目3D重建

Shahram Najam Syed, Yitian Hu, Yuchao Yao

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

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

AI总结 本文提出联合学习深度、姿态和局部辐射场的方法，实现大规模单目3D重建，有效降低轨迹误差，提升重建精度和视角合成质量。

Comments 8 pages, 2 figures, 2 tables

Diachronic Stereo Matching for Multi-Date Satellite Imagery

多时相立体匹配用于多日期卫星影像

Elías Masquil, Luca Savant Aira, Roger Marí, Thibaud Ehret, Pablo Musé, Gabriele Facciolo

机构 * IIE, Facultad de Ingeniería, Universidad de la República（乌拉圭国家工程院，工程学院，乌拉圭共和国大学） ； Politecnico di Torino（托斯卡纳理工学院） ； Eurecat, Centre Tecnologic de Catalunya（欧洲催化中心，加泰罗尼亚技术中心） ； AMIAD, Pôle Recherche（AMIAD研究极） ； Universite Paris-Saclay, CNRS, ENS Paris-Saclay, Centre Borelli（巴黎萨克雷大学，国家科学研究中心，巴黎萨克雷高等师范学校，博雷利中心） ； Institut Universitaire de France（法国国家科学研究中心） 纠错

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

AI总结 本文提出多时相立体匹配方法，利用深度网络和单目先验，实现多日期卫星影像的可靠3D重建。

Journal ref ISPRS congress, ISPRS, Jul 2026, Toronto, Canada

Advances in Artificial Intelligence: A Review for the Creative Industries

人工智能进展：面向创意产业的综述

Nantheera Anantrasirichai, Fan Zhang, David Bull

机构 * Visual Information Laboratory, University of Bristol, Bristol, UK（布里斯托大学视觉信息实验室） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本文综述了自2022年以来人工智能在创意产业中的进展，探讨了生成式AI、大语言模型和扩散模型等技术对创意生产流程的影响，并分析了人类与AI协作的新趋势及面临的挑战。

Comments This is an updated review of our previous paper (see https://doi.org/10.1007/s10462-021-10039-7), and has been accepted by Artificial Intelligence Review journal

Molecular Representations in Implicit Functional Space via Hyper-Networks

通过超网络在隐式函数空间中学习分子表示

Zehong Wang, Xiaolong Han, Qi Yang, Xiangru Tang, Fang Wu, Xiaoguang Guo, Weixiang Sun, Tianyi Ma, Pietro Lio, Le Cong, Sheng Wang, Chuxu Zhang, Yanfang Ye

机构 * University of Notre Dame（内布拉斯加大学） ； University of Connecticut（康涅狄格大学） ； Independent Researcher Visiting Zhang's Lab in UConn（独立研究者） ； University of Surrey（萨里大学） ； Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学） ； Yale University（耶鲁大学） ； University of Washington（华盛顿大学） 纠错

专题命中 三维重建 ：point cloud(abstract)

AI总结 MolField通过超网络在隐式函数空间中学习分子表示，实现对分子场的连续建模，提升分子性质预测的稳定性与泛化能力。

SparseGS-W: Sparse-View 3D Gaussian Splatting in the Wild with Generative Priors

稀疏GS-W：基于生成先验的稀疏视图3D高斯点绘在真实场景中

Yiqing Li, Xuan Wang, Jiawei Wu, Yikun Ma, Zhi Jin

机构 * Sun Yat-sen University（中山大学） ； Ant Research（蚂蚁研究） 纠错

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

AI总结 SparseGS-W通过生成先验和约束扩散先验，利用最少五张图像实现稀疏视图下复杂户外场景的高质量重建与遮挡处理。

Learning Geometrically-Grounded 3D Visual Representations for View-Generalizable Robotic Manipulation

学习几何基础的3D视觉表示以实现视图通用的机器人操作

Di Zhang, Weicheng Duan, Dasen Gu, Hongye Lu, Hai Zhang, Hang Yu, Junqiao Zhao, Guang Chen

机构 * Tongji University（同济大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.RO

AI总结 本文提出MethodName框架，通过单视角3D预训练和多步蒸馏实现机器人操作的视图通用性，实验显示其在成功率和视图泛化能力上优于现有方法。

GMOR: A Lightweight Robust Point Cloud Registration Framework via Geometric Maximum Overlapping

GMOR: 一种通过几何最大重叠实现的轻量稳健点云配准框架

Zhao Zheng, Jingfan Fan, Long Shao, Hong Song, Danni Ai, Tianyu Fu, Deqiang Xiao, Yongtian Wang, Jian Yang

机构 * Beijing Engineering Research Center of Mixed Reality and Advanced Display, School of Optics and Photonics, Beijing Institute of Technology（北京混合现实与先进显示工程研究中心，光学与 photonics 学院，北京理工大学） ； Zhengzhou Research Institute, Beijing Institute of Technology（郑州研究院，北京理工大学） ； School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； School of Medical Technology, Beijing Institute of Technology（医学技术学院，北京理工大学） 纠错

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

AI总结 GMOR通过仅旋转BnB搜索和几何最大重叠方法，实现高效的点云配准，兼顾精度与效率。

Rethinking Transferable Adversarial Attacks on Point Clouds from a Compact Subspace Perspective

重新审视点云可迁移对抗攻击的紧凑子空间视角

Keke Tang, Xianheng Liu, Weilong Peng, Xiaofei Wang, Daizong Liu, Peican Zhu, Can Lu, Zhihong Tian

机构 * Cyberspace Institute of Advanced Technology, Guangzhou University（广州大学网络安全研究院） ； School of Computer Science and Cyber Engineering, Guangzhou University（广州大学计算机科学与网络工程学院） ； Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； Institute for Math & AI, Wuhan University（武汉大学数学与人工智能研究院） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能、光学与电子学院（iOPEN）） 纠错

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

AI总结 本文提出CoSA框架，通过紧凑子空间视角提升点云对抗攻击的跨模型可迁移性，优于现有方法并保持良好的鲁棒性。

SDFs from Unoriented Point Clouds using Neural Variational Heat Distances

利用神经变分热距离从无向点云中生成SDF

Samuel Weidemaier, Florine Hartwig, Josua Sassen, Sergio Conti, Mirela Ben-Chen, Martin Rumpf

机构 * Institute for Numerical Simulation, University of Bonn（数值模拟研究所，波恩大学） ； Centre Borelli, ENS Paris-Saclay（博雷利中心，巴黎-萨克雷大学） ； Institute for Applied Mathematics, University of Bonn（应用数学研究所，波恩大学） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院） 纠错

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

AI总结 本文提出利用神经变分热距离从无向点云生成SDF，通过热方法替代eikonal方程，实现更精确的表面重建和SDF梯度计算。

Comments 16 pages, 19 figures, 4 tables

FlowCalib: LiDAR-to-Vehicle Miscalibration Detection using Scene Flows

FlowCalib: 基于场景流的激光雷达到车辆误校准检测

Ilir Tahiraj, Peter Wittal, Markus Lienkamp

机构 * TUM School of Engineering and Design, Chair of Automotive Technology, Technical University of Munich（慕尼黑技术大学工程与设计学院，汽车技术教授职位） ； TUM School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院） 纠错

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

AI总结 FlowCalib通过分析场景流中的运动线索，首次提出利用神经网络和几何描述符检测激光雷达到车辆的误校准问题。

CaLiV: LiDAR-to-Vehicle Calibration of Arbitrary Sensor Setups

CaLiV：任意传感器配置的LiDAR到车辆校准

Ilir Tahiraj, Markus Edinger, Dominik Kulmer, Markus Lienkamp

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 CaLiV提出了一种基于目标的校准技术，用于多LiDAR系统的传感器到传感器和传感器到车辆的校准，适用于非重叠视野范围，无需外部设备，实现了高精度的平移和旋转误差校正。

High-Definition 5MP Stereo Vision Sensing for Robotics

高清晰度5MP立体视觉传感用于机器人

Leaf Jiang, Matthew Holzel, Bernhard Kaplan, Hsiou-Yuan Liu, Sabyasachi Paul, Karen Rankin, Piotr Swierczynski

机构 * NODAR Inc.（NODAR公司） ； NODAR Sensor GmbH（NODAR传感器公司） 纠错

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

AI总结 本研究提出了一种高精度校准和立体匹配方法，用于提升5MP立体视觉系统在机器人中的应用性能，实现高精度和高速度的3D点云生成。

Segment Any Events with Language

通过语言进行任意事件分割

Seungjun Lee, Gim Hee Lee

机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） 纠错

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

AI总结 SEAL通过语义感知框架实现开放词汇事件实例分割，支持多粒度级别的事件分割与掩码分类，并在多个基准测试中表现出优越的性能和效率。

Comments ICLR 2026. Project Page: https://0nandon.github.io/SEAL

UniGeo: A Unified 3D Indoor Object Detection Framework Integrating Geometry-Aware Learning and Dynamic Channel Gating

UniGeo：一种整合几何感知学习和动态通道门控的统一3D室内目标检测框架

Xing Yi, Jinyang Huang, Feng-Qi Cui, Anyang Tong, Ruimin Wang, Liu Liu, Dan Guo

机构 * School of Computer Science and Information Engineering（计算机科学与信息工程学院） ； Institute of Advanced Technology（先进技术研究所） 纠错

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

AI总结 UniGeo通过几何感知学习和动态通道门控机制，提升稀疏点云场景中3D室内目标检测的性能。

SHED Light on Segmentation for Dense Prediction

SHED：用于密集预测的分割光照

Seung Hyun Lee, Sangwoo Mo, Stella X. Yu

机构 * University of Michigan（密歇根大学） 纠错

专题命中 点云 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 SHED通过整合分割到密集预测中，提出了一种新的编码器-解码器架构，以提升深度边界锐度、分割连贯性和3D重建质量。

CaloHadronic: a diffusion model for the generation of hadronic showers

CaloHadronic: 一种用于产生强子 shower 的扩散模型

Thorsten Buss, Frank Gaede, Gregor Kasieczka, Anatolii Korol, Katja Krüger, Peter McKeown, Martina Mozzanica

机构 * Institute for Experimental Physics, Universität Hamburg（汉堡大学实验物理研究所） ； CERN（欧洲核子研究中心） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 CaloHadronic 提出了一种基于 transformer 的扩散模型，用于在高度粒状成像 calorimeter 系统中生成电磁和强子 shower，通过注意力机制提升模拟精度和效率。

Journal ref Journal of Instrumentation, Volume 21, January 2026, P01042

Parametric vector flows for registration fields in bounded domains with applications to nonlinear interpolation of shock-dominated flows

参数流场用于有界域中的注册场，应用于非线性插值的激波主导流

Jon Labatut, Jean-Baptiste Chapelier, Angelo Iollo, Tommaso Taddei

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种基于参数流场的注册方法，用于在有界域中进行非线性插值，以提高激波主导流场的精度。

Omni-View: Unlocking How Generation Facilitates Understanding in Unified 3D Model based on Multiview images

Omni-View: 通过多视角图像解锁生成如何促进理解的统一3D模型

JiaKui Hu, Shanshan Zhao, Qing-Guo Chen, Xuerui Qiu, Jialun Liu, Zhao Xu, Weihua Luo, Kaifu Zhang, Yanye Lu

机构 * Institute of Medical Technology（医学技术研究所） ； Alibaba International Digital Commerce Group（阿里巴巴国际数字商务集团） ； CASIA ； TeleAI 纠错

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

AI总结 Omni-View通过多视角图像实现3D场景的理解与生成，结合纹理和几何模块，提升3D场景建模性能。

Comments Accepted by ICLR 2026

PocketDP3: Efficient Pocket-Scale 3D Visuomotor Policy

PocketDP3: 高效的微型3D视觉-运动政策

Jinhao Zhang, Zhexuan Zhou, Huizhe Li, Yichen Lai, Wenlong Xia, Haoming Song, Youmin Gong, Jie Mei

专题命中 3D生成 ：3D vision(abstract)；分类 cs.RO

AI总结 PocketDP3通过轻量级扩散混合器替代传统解码器，实现高效3D视觉-运动策略，减少参数消耗并提升实时部署性能。