视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
医学点云形状学习综述：配准、重建与变化
机构 * East China University of Science and Technology（东华大学）
专题命中 三维重建 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文综述了医学点云形状学习的最新进展，重点探讨配准、重建和变化建模三大任务，分析了当前挑战与未来发展方向。
Med-PU：用于高保真3D医学形状重建的点云上采样
机构 * East China University of Science and Technology（东华大学）
专题命中 三维重建 ：point cloud(title,abstract)；分类 cs.CV
AI总结 Med-PU通过整合体素分割与点云上采样，实现了高保真3D医学形状重建，提升了表面质量和解剖保真度，适用于多种解剖区域。
EventNeuS：从单个事件相机重建3D网格
机构 * Saarland University（萨尔兰大学） ； MPI for Informatics（信息研究所）
专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV；3D vision(journal_ref)
AI总结 EventNeuS通过结合3D符号距离函数和密度场学习，利用事件相机数据实现更精确的3D网格重建。
Comments 13 pages, 10 figures, 3 tables; project page: https://4dqv.mpi-inf.mpg.de/EventNeuS/
Journal ref International Conference on 3D Vision (3DV) 2026
无需对应的功能基仿真到现实学习用于变形表面控制
机构 * Department of Mechanical and Aerospace Engineering, The University of Manchester, United Kingdom（机械与航空航天工程系，曼彻斯特大学，英国） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Shatin, Hong Kong（机械与自动化工程系，香港中文大学（深圳），香港） ； Department of Materials, The University of Manchester, United Kingdom（材料系，曼彻斯特大学，英国）
专题命中 三维重建 ：point cloud(abstract)；分类 cs.RO
AI总结 本文提出一种无需对应的功能基仿真到现实学习方法，用于控制可变形自由形式表面，通过神经网络参数化变形函数空间和置信度图，实现无需对应关系的仿真到现实转移。
Comments arXiv admin note: text overlap with arXiv:2405.08935
反射模式多切片傅里叶偏振光断层成像
专题命中 三维重建 ：3D reconstruction(abstract)
AI总结 本研究提出反射模式多切片傅里叶偏振光断层成像技术，实现高分辨率多层强散射样品的3D成像，通过暗场测量提升分辨率并实现光学切片。
Comments 13 pages, 7 figures (including 3 pages and 3 figures Supplementary Document), submitted to IEEE Transactions on Computational Imaging
仿射等变核空间编码用于NeRF编辑
机构 * Poznan University of Technology, Institute of Robotics and Machine Intelligence（波兹南技术大学机器人与机器智能研究所） ； Jagiellonian University, Faculty of Mathematics and Computer Science（雅盖隆大学数学与计算机科学学院） ； IDEAS Research Institute（IDEAS研究所）
专题命中 NeRF ：NeRF(title)；分类 cs.CV
AI总结 本文提出仿射等变核空间编码，通过高斯核实现局部化、变形感知的NeRF编辑，无需重新训练即可保持高质量渲染。
Pi-GS：基于密集π³初始化的稀疏视角高斯点云渲染
机构 * Graz University of Technology（格拉茨技术大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；point cloud(abstract)；novel view synthesis(abstract)
AI总结 Pi-GS通过密集π³初始化和正则化方案，提升了稀疏视角下3DGS的鲁棒性和精度。
SurfSplat：通过表面连续性先验攻克前馈2D高斯散射
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tianyi Shilian Technology Co., Ltd（天翼视联科技有限公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；3D reconstruction(abstract)；point cloud(abstract)
AI总结 SurfSplat通过表面连续性先验和强制alpha混合策略，提升稀疏输入下高保真3D重建的几何精度和纹理一致性
Comments ICLR 2026; Project Page: https://hebing-sjtu.github.io/SurfSplat-website/
基于材料信息的高斯点散布用于数字孪生中的3D世界重建
机构 * Siemens Digital Industries Software（西门子数字工业软件） ； Dept. of Cognitive Robotics, Delft University of Technology（认知机器人系，代尔夫特理工大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出一种仅使用相机的3D重建方法，通过高斯点散布和材料信息提取，实现高精度的数字孪生重建，无需激光雷达和复杂校准。
Comments 8 pages, 5 figures. Accepted to IEEE Intelligent Vehicles Symposium (IV) 2026. Revised version (v3) presents camera-ready publication
Split&Splat: 通过显式实例建模和3D高斯点撒技术实现零样本全景分割
机构 * University of Padova（帕多瓦大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)；分类 cs.CV、cs.GR
AI总结 Split&Splat通过显式实例建模和3D高斯点撒技术实现零样本全景分割，提升场景重建的精度和效率。
位置：3D高斯散射水印应基于场景驱动和威胁模型明确
机构 * University of Maryland, College Park, MD, United States（马里兰大学学院公园分校）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract)
AI总结 本文主张3D资产水印技术应基于场景驱动和威胁模型明确，以提升知识产权保护效果。
受限动态高斯点撒技术
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 CDGS通过引入可微预算控制器和自适应分配机制，在约束条件下实现高效动态场景重建，提升率-失真性能并实现3倍压缩。
WebSplatter: 通过WebGPU实现跨设备高效高斯溅射
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究所） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title)；分类 cs.CV、cs.GR
AI总结 WebSplatter通过WebGPU实现跨设备高效高斯溅射，采用无等待分层基数排序和不透明度感知的几何裁剪，提升渲染效率。
L2M-Reg：基于建筑级别的不确定性感知LiDAR点云与语义3D城市模型配准
机构 * Chair of Engineering Geodesy, TUM School of Engineering and Design, Technical University of Munich（工程测量学教授会，技术大学慕尼黑工程与设计学院） ； Chair of Geoinformatics, TUM School of Engineering and Design, Technical University of Munich（地理信息学教授会，技术大学慕尼黑工程与设计学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV、cs.RO
AI总结 L2M-Reg提出一种基于平面的精细配准方法，解决建筑级别LiDAR点云与语义3D城市模型配准时的模型不确定性问题，实现更准确高效的配准效果。
Comments Accepted version by ISPRS Journal of Photogrammetry and Remote Sensing
PWAVEP: 通过频谱图小波净化3D点云中的不可察觉对抗扰动
机构 * Software College, Northeastern University（东北大学软件学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； Software College, Shenyang University of Technology（沈阳理工大学软件学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 PWAVEP通过频谱图小波技术净化3D点云中的不可察觉对抗扰动，提升准确性和鲁棒性。
Comments Accepted by WWW 2026
LmPT：用于3D点云上解剖标志检测的条件点变换
机构 * Mines Paris - PSL University, Centre for material sciences (MAT)（巴黎 Mines - PSL 大学材料科学中心） ； Mines Paris - PSL University, Centre for mathematical morphology (CMM)（巴黎 Mines - PSL 大学数学形态学中心） ； Mines Paris - PSL University, Centre for material forming (CEMEF)（巴黎 Mines - PSL 大学材料成形中心） ； The National Veterinary School of Alfort (EnvA)（阿尔福国家兽医学校）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 LmPT通过条件点变换实现跨物种的3D点云解剖标志检测，利用同源骨骼提升标注的泛化能力与准确性。
Comments This paper has been accepted at International Symposium on Biomedical Imaging (ISBI) 2026
Journal ref 2026 IEEE International Symposium on Biomedical Imaging (ISBI)
三维点云数据能否改善奶牛自动体况评分预测？
机构 * Department of Animal Sciences, Institute of Food and Agricultural Sciences, University of Florida（动物科学系，食品与农业科学研究所，佛罗里达大学） ； Department of Large Animal Clinical Sciences, University of Florida（大动物临床科学系，佛罗里达大学） ； Laboratory of Biometry and Bioinformatics, Department of Agricultural and Environmental Biology, Graduate School of Agricultural and Life Sciences, The University of Tokyo（生物计量与生物信息学实验室，农业与环境生物学系，东京大学研究生院） ； Department of Agricultural and Biological Engineering, Institute of Food and Agricultural Sciences, University of Florida（农业与生物工程系，食品与农业科学研究所，佛罗里达大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本研究比较了深度图像与点云数据在奶牛体况评分预测中的效果，发现深度图像在未分割数据和全身分割数据下表现更优，而点云数据在后躯分割数据下表现相当，但整体敏感性更高。
affordanceGrasp-R1: 利用基于推理的 affordance 分割与强化学习进行机器人抓取
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 AffordanceGrasp-R1 通过结合推理和强化学习，提升机器人抓取任务中的推理能力和空间定位，实验表明其在基准和现实场景中均表现优异。
Comments Preprint version
PnP-U3D: 无缝接入3D框架，连接自回归与扩散以实现统一的理解与生成
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV
AI总结 PnP-U3D提出结合自回归与扩散的统一3D理解和生成框架，通过轻量级Transformer实现跨模态信息交换，提升3D生成与编辑性能。
Comments Yongwei Chen and Tianyi Wei contributed equally. Project page: https://cyw-3d.github.io/PnP-U3D/
AIR-VLA：面向空中操作的视觉-语言-动作系统
机构 * The Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； School of Information and Intelligent Engineering, University of Sanya（三亚大学信息与智能工程学院） ； School of Mechanical and Vehicle Engineering, Hunan University（湖南大学机械与车辆工程学院） ； State Key Lab of Intelligent Transportation Systems, School of Transportation Science and Engineering, Beihang University（北京航空航天大学交通科学与工程学院）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.RO
AI总结 AIR-VLA提出首个针对空中操作的视觉-语言-动作系统，通过构建仿真环境和多模态数据集，评估主流模型并揭示其在无人机移动、机械臂控制和高层规划中的能力和限制。
CAD-SLAM: 基于一致性的动态SLAM与动态-静态分离映射
机构 * Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学） ； Department of Computer Science, University College London（计算机科学系，伦敦大学学院） ； Department of Engineering, University of Cambridge（工程系，剑桥大学） ； Department of Automation, Key Laboratory of System Control and Information Processing of Ministry of Education, State Key Laboratory of Avionics Integration and Aviation System-of-Systems Synthesis, Shanghai Key Laboratory of Navigation and Location Based Services, Shanghai Jiao Tong University（自动化系，教育部系统控制与信息处理重点实验室，航空系统集成与航空系统-of-系统综合国家重点实验室，导航与基于位置的服务上海实验室，上海交通大学）
专题命中 SLAM与定位 ：NeRF(abstract)；分类 cs.CV
AI总结 CAD-SLAM通过基于一致性的动态SLAM框架，实现动态物体的在线识别与分离映射，提升动态环境下的定位与映射性能。
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