3D 视觉

Network geometry of the Drosophila brain

果蝇大脑的网络几何

Bendegúz Sulyok, Sámuel G. Balogh, Gergely Palla

专题命中 三维重建 ：point cloud(abstract)

AI总结 研究果蝇大脑神经网络的几何特性，采用双曲嵌入方法发现其结构比三维欧几里得空间更一致，嵌入质量随维度增加而提升。

VeGaS: Video Gaussian Splatting

VeGaS: 视频高斯散射

Weronika Smolak-Dyżewska, Dawid Malarz, Kornel Howil, Jan Kaczmarczyk, Marcin Mazur, Przemysław Spurek

机构 * Jagiellonian University Faculty of Mathematics and Computer Science（雅盖隆大学数学与计算机科学学院） 纠错

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

AI总结 VeGaS通过折叠高斯分布实现视频数据的真实编辑与重建。

Zero-Shot UAV Navigation in Forests via Relightable 3D Gaussian Splatting

通过可重照明的3D高斯点散布实现森林中的零样本无人机导航

Zinan Lv, Yeqian Qian, Chen Sang, Hao Liu, Danping Zou, Ming Yang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） 纠错

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

AI总结 本文提出一种基于可重照明3D高斯点散布的端到端强化学习框架，实现无人机在复杂森林环境中的零样本导航，具备对光照变化的强鲁棒性。

Comments 12 pages, 8 figures

A Comprehensive Survey on Deep Learning-Based LiDAR Super-Resolution for Autonomous Driving

基于深度学习的激光雷达超分辨率综述：自动驾驶应用

June Moh Goo, Zichao Zeng, Jan Boehm

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 本文综述了自动驾驶中基于深度学习的激光雷达超分辨率方法，涵盖四种主要技术类别，并探讨了当前趋势和未来研究方向。

Comments Accepted to The IEEE Intelligent Vehicles Symposium 2026 (IEEE IV 2026)

Estimation of Conformal Metrics

conformal metrics 的估计

Jérôme Taupin

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种基于点云的 conformal metric 估计方法，利用正则性假设和 Ahlfors 正则性条件，实现了高效的收敛速率和转换结果。

Subtractive Modulative Network with Learnable Periodic Activations

减法调制网络与可学习周期激活

Tiou Wang, Zhuoqian Yang, Markus Flierl, Mathieu Salzmann, Sabine Süsstrunk

机构 * School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Sweden（电气工程与计算机科学学院，皇家理工学院，瑞典） ； School of Computer and Communication Sciences, EPFL, Switzerland（计算机与通信科学学院，瑞士联邦理工学院） 纠错

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

AI总结 SMN通过可学习周期激活和调制掩码模块，实现了高效高保真图像重建和3D NeRF新视角合成。

Comments 4 pages, 3 figures, 3 tables

Journal ref ICASSP 2026-2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)

RoboSpatial: Teaching Spatial Understanding to 2D and 3D Vision-Language Models for Robotics

RoboSpatial: 教授机器人2D和3D视觉-语言模型空间理解能力

Chan Hee Song, Valts Blukis, Jonathan Tremblay, Stephen Tyree, Yu Su, Stan Birchfield

机构 * The Ohio State University（俄亥俄州立大学） ； NVIDIA（英伟达） 纠错

专题命中 空间理解 ：spatial understanding(title,abstract)；3D vision(title)；分类 cs.CV、cs.RO

AI总结 RoboSpatial通过构建大规模空间理解数据集，提升机器人2D和3D视觉-语言模型的空间推理能力。

Comments CVPR 2025 (Oral); Project Website: https://chanh.ee/RoboSpatial