3D 视觉

MetaSSP: Enhancing Semi-supervised Implicit 3D Reconstruction through Meta-adaptive EMA and SDF-aware Pseudo-label Evaluation

MetaSSP：通过元适应性EMA和SDF-aware伪标签评估增强半监督隐式3D重建

Luoxi Zhang, Chun Xie, Itaru Kitahara

机构 * Doctoral Program in Empowerment Informatics（赋能信息学博士项目） ； University of Tsukuba（茨ukuba大学） ； Center for Computational Science（计算科学中心） 纠错

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

AI总结 MetaSSP通过元适应性EMA和SDF-aware伪标签评估，提升半监督隐式3D重建的精度和效率，达到新的技术水平。

MGP-KAD: Multimodal Geometric Priors and Kolmogorov-Arnold Decoder for Single-View 3D Reconstruction in Complex Scenes

MGP-KAD：多模态几何先验与科莫戈罗夫-阿诺德解码器用于复杂场景中的单视图3D重建

Luoxi Zhang, Chun Xie, Itaru Kitahara

机构 * Doctoral Program in Empowerment Informatics, University of Tsukuba, Japan（赋能信息学博士项目，茨ukuba大学，日本） ； Center for Computational Science, Tsukuba, Ibaraki, Japan（计算科学中心，茨ukuba，Ibaraki，日本） 纠错

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

AI总结 MGP-KAD通过整合多模态特征与几何先验，结合科莫戈罗夫-阿诺德网络解码器，提升复杂场景中单视图3D重建的精度与细节保持能力。

Comments 6 pages. Published in IEEE International Conference on Image Processing (ICIP) 2025

Journal ref Proc. IEEE International Conference on Image Processing (ICIP), 2025, pp. 1564-1569

Learning Human Visual Attention on 3D Surfaces through Geometry-Queried Semantic Priors

通过几何查询的语义先验学习人类在3D表面上的视觉注意

Soham Pahari, Sandeep C. Kumain

机构 * UPES Dehradun（德里敦大学） 纠错

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

AI总结 本文提出SemGeo-AttentionNet，通过几何查询语义先验，有效建模人类在3D表面的视觉注意，实现了显著性检测与扫描路径生成的改进。

Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation

通过跨模态注意力安装实现对齐的新视角图像和几何合成

Min-Seop Kwak, Junho Kim, Sangdoo Yun, Dongyoon Han, Taekyung Kim, Seungryong Kim, Jin-Hwa Kim

机构 * NAVER AI Lab（NAVER AI实验室） ； KAIST AI（韩国科学技术院人工智能学院） ； SNU AIIS（首尔国立大学人工智能研究所） 纠错

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

AI总结 本文提出了一种基于扩散的框架，通过跨模态注意力蒸馏实现新视角图像和几何的对齐生成，提升几何鲁棒性和重建质量。

Comments Project page at https://cvlab-kaist.github.io/MoAI

Geometric Kernel Interpolation and Regression

几何核插值与回归

Patrick Guidotti

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出基于核的插值与回归方法，用于计算光滑超曲面的几何量，并通过核基 meshfree 方法近似几何算子。

Comments 21 pages, 8 figures, 6 tables

GaussianPOP: Principled Simplification Framework for Compact 3D Gaussian Splatting via Error Quantification

GaussianPOP: 基于误差量化的原则性简化框架用于紧凑3D高斯点云渲染

Soonbin Lee, Yeong-Gyu Kim, Simon Sasse, Tomas M. Borges, Yago Sanchez, Eun-Seok Ryu, Thomas Schierl, Cornelius Hellge

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

AI总结 GaussianPOP通过基于误差量化的原理性框架，实现3D高斯点云渲染的高效简化，提升模型紧凑性与渲染质量的平衡。

COSMOS: Coherent Supergaussian Modeling with Spatial Priors for Sparse-View 3D Splatting

COSMOS: 基于空间先验的相干超高斯建模用于稀疏视角3D点划

Chaeyoung Jeong, Kwangsu Kim

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

AI总结 COSMOS通过引入3D结构先验和超高斯分组，改进稀疏视角下的3D点划重建，提升泛化能力和稳定性。

From Blurry to Believable: Enhancing Low-quality Talking Heads with 3D Generative Priors

从模糊到可信：利用3D生成先验增强低质量的对话头

Ding-Jiun Huang, Yuanhao Wang, Shao-Ji Yuan, Albert Mosella-Montoro, Francisco Vicente Carrasco, Cheng Zhang, Fernando De la Torre

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Texas A&M University（德克萨斯大学） 纠错

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

AI总结 SuperHead通过动态感知3D反向过程，利用预训练3D生成模型先验知识，提升低质量对话头的3D重建与动画质量。

Comments Accepted to 3DV 2026. Project Page: https://humansensinglab.github.io/super-head/

FloPE: Flower Pose Estimation for Precision Pollination

FloPE：用于精准传粉的花朵姿态估计

Rashik Shrestha, Madhav Rijal, Trevor Smith, Yu Gu

机构 * West Virginia University（西弗吉尼亚大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV、cs.RO

AI总结 FloPE通过3D高斯点划法生成合成数据集，实现低计算成本下的高精度花朵姿态估计，提升机器人传粉效率。

Comments Accepted to IROS 2025. Project page: https://wvu-irl.github.io/flope-irl/

SPARK: Scalable Real-Time Point Cloud Aggregation with Multi-View Self-Calibration

SPARK：可扩展的实时点云聚合与多视角自校准

Chentian Sun

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

AI总结 SPARK通过自校准实时多摄像机点云重建框架，实现稳定且高效的点云融合与外参估计，适用于大规模3D重建场景。

Comments 10 pages, 1 figure, submitted to IEEE Transactions on Image Processing (TIP). Version 3: Minor revision; several experimental results have been removed and supplemented after further verification

BADet: Boundary-Aware 3D Object Detection from Point Clouds

BADet: 基于点云的边界感知3D目标检测

Rui Qian, Xin Lai, Xirong Li

机构 * Key Lab of Data Engineering and Knowledge Engineering（数据工程与知识工程重点实验室） ； Renmin University of China（中国人民大学） ； School of Mathematics, Renmin University of China（中国人民大学数学学院） ； Department of Physics, J.K. Institute of Science（科学研究院物理系） 纠错

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

AI总结 BADet通过构建局部邻域图和轻量级特征聚合模块，提升基于点云的3D目标检测性能。

Comments The manuscript is accepted by Pattern Recognition on 6 Jan, 2022

Extracting Manifold Information from Point Clouds

从点云中提取流形信息

Patrick Guidotti

机构 * University of California, Irvine（加州大学伊维特分校） 纠错

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

AI总结 本文提出了一种基于核的方法，用于从点云中提取流形信息，通过构造签名函数来估计维度、法线和曲率。

Comments 21 pages, 11 figures, 4 tables

3D Object Detection for Autonomous Driving: A Survey

自动驾驶中的3D物体检测：综述

Rui Qian, Xin Lai, Xirong Li

机构 * Key Lab of Data Engineering and Knowledge Engineering, Renmin University of China, Beijing 100872, China（数据工程与知识工程重点实验室，中国人民大学，北京100872，中国） ； School of Mathematics, Renmin University of China, Beijing 100872, China（数学学院，中国人民大学，北京100872，中国） 纠错

专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV

AI总结 本文综述了自动驾驶中3D物体检测的研究进展，涵盖了传感器、数据集、性能指标及最新方法，并分析了其优缺点及未来方向。

Comments The manuscript is accepted by Pattern Recognition on 14 May 2022

Point Virtual Transformer

点虚拟变换器

Veerain Sood, Bnalin, Gaurav Pandey

机构 * Texas A \& M University Email ； Engineering Technology \& Industrial Distribution Texas A \& M University Texas, USA 纠错

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

AI总结 PointViT通过融合真实和虚拟点，提升远距离3D目标检测性能，实现91.16%的3D AP和95.94%的BEV AP。

Comments 8 pages, 4 figures

MATTER: Multiscale Attention for Registration Error Regression

MATTER: 多尺度注意力用于注册误差回归

Shipeng Liu, Ziliang Xiong, Khac-Hoang Ngo, Per-Erik Forssén

机构 * Department of Electrical Engineering, Linköping University, Linköping, Sweden（Linköping大学电子工程系） 纠错

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

AI总结 MATTER通过多尺度注意力机制实现点云注册误差的回归，提升注册质量评估的精度与鲁棒性，尤其在异质点云中表现优异。

Efficient-LVSM: Faster, Cheaper, and Better Large View Synthesis Model via Decoupled Co-Refinement Attention

Efficient-LVSM: 通过解耦共细化注意力实现更高效、更经济、更优质的大型视角合成模型

Xiaosong Jia, Yihang Sun, Junqi You, Songbur Wong, Zichen Zou, Junchi Yan, Zuxuan Wu, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI (TEAI)（可信具身人工智能研究院） ； Sch. of Computer Science & Sch. of Artificial Intelligence（计算机科学学院与人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 Efficient-LVSM通过解耦共细化注意力机制，实现了更高效、更经济、更优质的大型视角合成模型，提升了PSNR性能并加快了训练和推理速度。

Comments Accepted at ICLR 2026

MultiGraspNet: A Multitask 3D Vision Model for Multi-gripper Robotic Grasping

MultiGraspNet：一种多任务3D视觉模型用于多机械手抓取

Stephany Ortuno-Chanelo, Paolo Rabino, Enrico Civitelli, Tatiana Tommasi, Raffaello Camoriano

机构 * VANDAL Laboratory, Department of Control and Computer Engineering, Politecnico di Torino（沃纳达实验室，控制与计算机工程系，都灵理工大学） ； Comau S.p.A., Advanced Automation Solutions（Comau S.p.A.，先进自动化解决方案） ； Istituto Italiano di Tecnologia（意大利技术研究所） 纠错

专题命中 其他3D视觉 ：3D vision(title)；分类 cs.CV、cs.RO

AI总结 MultiGraspNet是一种多任务3D视觉模型，通过统一框架同时预测平行和真空机械手的抓取姿态，提升机器人在复杂环境中的抓取能力和适应性。