arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

视觉与机器人

3D 视觉

三维重建、NeRF、Gaussian Splatting、点云和空间智能。

2026-02-24 至 2026-02-24 共收录 4 信号源:cs.CV, cs.GR, cs.RO

1. Gaussian Splatting 4 篇

2602.19916 2026-02-24 cs.CV cs.GR 86%

Augmented Radiance Field: A General Framework for Enhanced Gaussian Splatting

增强辐射场:一种改进的高斯散射通用框架

Yixin Yang, Bojian Wu, Yang Zhou, Hui Huang

机构 * VCC, CSSE, Shenzhen University(深圳大学视觉计算中心、计算机科学与工程系) Tencent Games(腾讯游戏)

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

AI总结 本文提出增强辐射场框架,通过视图依赖的不透明度建模镜面效应,提升3D高斯散射的渲染性能和参数效率。

Comments Accepted to ICLR 2026. Project page: \url{https://xiaoxinyyx.github.io/augs}

详情

展开后加载摘要…

URL PDF HTML 收藏
2412.00578 2026-02-24 cs.CV cs.GR 86%

Speedy-Splat: Fast 3D Gaussian Splatting with Sparse Pixels and Sparse Primitives

Speedy-Splat: 通过稀疏像素和稀疏原语实现快速3D高斯点播

Alex Hanson, Allen Tu, Geng Lin, Vasu Singla, Matthias Zwicker, Tom Goldstein

机构 * University of Maryland, College Park(马里兰大学 College Park分校)

专题命中 Gaussian Splatting :Gaussian Splatting(title,abstract);NeRF(abstract);point cloud(abstract);分类 cs.CV、cs.GR

AI总结 Speedy-Splat通过优化渲染管线和引入剪枝技术,显著提升了3D高斯点播的渲染速度,模型大小和训练时间也得到优化。

Comments CVPR 2025, Project Page: https://speedysplat.github.io/

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025, pp. 21537-21546

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.06685 2026-02-24 cs.CV 85%

MOGS: Monocular Object-guided Gaussian Splatting in Large Scenes

MOGS:在大场景中使用单目物体引导的高斯散射

Shengkai Zhang, Yuhe Liu, Jianhua He, Xuedou Xiao, Mozi Chen, Kezhong Liu

机构 * State Key Laboratory of Maritime Technology and Safety, Wuhan University of Technology(船舶技术与安全国家重点实验室,武汉理工大学) University of Essex(埃塞克斯大学)

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

AI总结 MOGS通过单目视觉-惯性传感器实现大场景中高斯散射的物体引导密集深度生成,显著降低训练时间和内存消耗,同时保持高质量渲染效果。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.19753 2026-02-24 cs.CV cs.GR 84%

RAP: Fast Feedforward Rendering-Free Attribute-Guided Primitive Importance Score Prediction for Efficient 3D Gaussian Splatting Processing

RAP: 快速前馈渲染-free 属性引导的原始形体重要性分数预测用于高效3D高斯点绘处理

Kaifa Yang, Qi Yang, Yiling Xu, Zhu Li

机构 * Shanghai Jiao Tong University(上海交通大学) University of Missouri–Kansas City(密苏里大学-堪萨斯城分校)

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

AI总结 RAP通过属性引导和高效算法,实现3DGS中原始形体重要性分数的快速预测,提升重建、压缩和传输效率。

Comments Accepted by CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏