3D 视觉

Large-scale Photorealistic Outdoor 3D Scene Reconstruction from UAV Imagery Using Gaussian Splatting Techniques

基于高斯点扩散技术的无人机影像大规模真实感户外3D场景重建

Christos Maikos, Georgios Angelidis, Georgios Th. Papadopoulos

机构 * Department of Informatics and Telematics（信息学与电信学系） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract)；3DGS(abstract)；3D reconstruction(abstract)

AI总结 本文提出基于高斯点扩散技术的无人机影像大规模真实感户外3D场景重建方法，实现低延迟的高保真度3D重建。

Comments 7 pages, 2 figures

CuriGS: Curriculum-Guided Gaussian Splatting for Sparse View Synthesis

CuriGS：基于课程指导的高斯点云法用于稀疏视角合成

Zijian Wu, Mingfeng Jiang, Zidian Lin, Ying Song, Hanjie Ma, Qun Wu, Dongping Zhang, Guiyang Pu

机构 * Zhejiang Sci-Tech University（浙江科技学院） ； China Jiliang University（中国嘉兴大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 CuriGS通过课程指导方法提升稀疏视角下3DGS的重建效果，实现更稳定的视角增强和更高的渲染保真度。

Dropping Anchor and Spherical Harmonics for Sparse-view Gaussian Splatting

丢弃锚点与球面谐波用于稀疏视角高斯点扩散

Shuangkang Fang, I-Chao Shen, Xuanyang Zhang, Zesheng Wang, Yufeng Wang, Wenrui Ding, Gang Yu, Takeo Igarashi

机构 * Beihang University（北京航空航天大学） ； The University of Tokyo（东京大学） ； StepFun 纠错

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

AI总结 DropAnSH-GS通过引入锚点机制和球面谐波系数的Dropout策略，有效缓解稀疏视角下3DGS的过拟合问题，提升模型鲁棒性与压缩能力。

Comments Accepted by CVPR 2026

Learning Hierarchical Sparse Transform Coding for 3DGS Compression

学习分层稀疏变换编码用于3DGS压缩

Hao Xu, Xiaolin Wu, Xi Zhang

机构 * McMaster University, Canada（麦斯威尔大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； Southwest Jiaotong University, China（西南交通大学） 纠错

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

AI总结 本文提出了一种学习分层稀疏变换编码方法，通过引入分析-合成变换和联合优化3DGS表示与熵模型，提升3DGS压缩的R-D性能和解码效率。

Comments Our code will be released at \href{https://github.com/hxu160/SHTC_for_3DGS_compression}{here}

WildGHand: Learning Anti-Perturbation Gaussian Hand Avatars from Monocular In-the-Wild Videos

WildGHand: 从单目真实视频中学习抗扰动高斯手姿态体

Hanhui Li, Xuan Huang, Wanquan Liu, Yuhao Cheng, Long Chen, Yiqiang Yan, Xiaodan Liang, Chenqiang Gao

机构 * School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学智能系统工程学院） 纠错

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

AI总结 WildGHand通过动态扰动解耦模块和扰动感知优化策略，实现从真实视频中抗扰动的高斯手姿态体生成，取得多项指标上的显著提升。

Aesthetic Camera Viewpoint Suggestion with 3D Aesthetic Field

基于3D审美场的美观摄像机视角建议

Sheyang Tang, Armin Shafiee Sarvestani, Jialu Xu, Xiaoyu Xu, Zhou Wang

机构 * University of Waterloo（多伦多大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出基于3D审美场的视角建议方法，通过3D高斯散点网络将2D审美模型的知识蒸馏到3D空间，实现高效且无需密集捕获或RL探索的美观视角搜索。

Comments 14 pages, 10 figures

Changes in Real Time: Online Scene Change Detection with Multi-View Fusion

实时变化：多视角融合的在线场景变化检测

Chamuditha Jayanga Galappaththige, Jason Lai, Lloyd Windrim, Donald Dansereau, Niko Sünderhauf, Dimity Miller

机构 * QUT Centre for Robotics（昆士兰理工大学机器人中心） ； ARIAM ； ACFR, University of Sydney（悉尼大学先进计算机研究中心） ； Abyss Solutions 纠错

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

AI总结 本文提出了一种基于多视角融合的在线场景变化检测方法，通过自监督融合损失、快速姿态估计和变化引导更新策略，在高帧率下实现了优于离线方法的性能。

Comments Accepted at CVPR 2026. Project Page: https://chumsy0725.github.io/O-SCD/