3D 视觉

Pi-GS: Sparse-View Gaussian Splatting with Dense π^3 Initialization

Pi-GS：基于密集π³初始化的稀疏视角高斯点云渲染

Manuel Hofer, Markus Steinberger, Thomas Köhler

机构 * Graz University of Technology（格拉茨技术大学） 纠错

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: Conquering Feedforward 2D Gaussian Splatting with Surface Continuity Priors

SurfSplat：通过表面连续性先验攻克前馈2D高斯散射

Bing He, Jingnan Gao, Yunuo Chen, Ning Cao, Gang Chen, Zhengxue Cheng, Li Song, Wenjun Zhang

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） 纠错

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/

Material-informed Gaussian Splatting for 3D World Reconstruction in a Digital Twin

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

Andy Huynh, João Malheiro Silva, Holger Caesar, Tong Duy Son

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） 纠错

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: Zero-Shot Panoptic Segmentation via Explicit Instance Modeling and 3D Gaussian Splatting

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

Leonardo Monchieri, Elena Camuffo, Francesco Barbato, Pietro Zanuttigh, Simone Milani

机构 * University of Padova（帕多瓦大学） 纠错

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。

Position: 3D Gaussian Splatting Watermarking Should Be Scenario-Driven and Threat-Model Explicit

位置：3D高斯散射水印应基于场景驱动和威胁模型明确

Yangfan Deng, Anirudh Nakra, Min Wu

机构 * University of Maryland, College Park, MD, United States（马里兰大学学院公园分校） 纠错

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。

Constrained Dynamic Gaussian Splatting

受限动态高斯点撒技术

Zihan Zheng, Zhenglong Wu, Xuanxuan Wang, Houqiang Zhong, Xiaoyun Zhang, Qiang Hu, Guangtao Zhai, Wenjun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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: Enabling Cross-Device Efficient Gaussian Splatting in Web Browsers via WebGPU

WebSplatter: 通过WebGPU实现跨设备高效高斯溅射

Yudong Han, Chao Xu, Xiaodan Ye, Weichen Bi, Zilong Dong, Yun Ma

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） 纠错

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。