视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
PIVOT：面向真实世界3D重建中姿态、内参和新视点评估的多轨迹数据集与测试平台
专题命中 三维重建 ：3D reconstruction(title)；3DGS(abstract,abstract_cn)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 PIVOT是用于研究真实世界3D重建中姿态、内参等因素的多轨迹数据集与测试平台，其基准测试揭示了新视点合成方法在不同轨迹、姿态及内参下的性能差异。
Point2Pose：基于2D点跟踪器的遮挡恢复多未知物体6D姿态跟踪与3D重建
专题命中 三维重建 ：3D reconstruction(title)；分类 cs.CV、cs.RO
AI总结 Point2Pose利用2D点跟踪器实现多未知物体的6D姿态跟踪与3D重建，在完全遮挡后能快速恢复，无需CAD模型或类别先验。
通过拓扑分析区分冷暗物质与自相互作用暗物质
专题命中 三维重建 ：3D reconstruction(abstract)
AI总结 该研究利用属统计量分析Darkium宇宙学模拟数据，发现密度场拓扑特征对暗物质自相互作用敏感，可作为区分自相互作用暗物质与冷暗物质的观测探针。
Comments 12 pages, 12 figures
3DGS-HPC: 无干扰的3D高斯散射与混合逐块分类
机构 * Sun Yat-sen University（中山大学） ； Texas A&M University（德克萨斯农工大学） ； Cardiff University（卡迪夫大学） ； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心）
专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 3DGS-HPC通过结合逐块分类策略和混合分类度量标准，有效抑制干扰因素，提升基于3DGS的新视角合成性能。
Comments Accepted at ICML 2026
水下高斯溅射：一项受控跨场景研究
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文通过受控实验对比5款公开代码的高斯溅射相关系统，探究其在不同浊度、光照的水下场景的表现，发现性能更多依赖设置而非架构，相关代码已公开。
4DGS-WAM：基于4D高斯溅射的以对象为中心的世界动作模型，连接过去与未来
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Fudan University（复旦大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；point cloud(abstract)；分类 cs.CV
AI总结 本研究提出基于4D高斯溅射的以对象为中心的世界动作模型4DGS-WAM，将2D观测转为持久4D表示，复用静态内容以聚焦动态对象演化，在KITTI-MOT上完成短程预测与过去重建评估。
Comments This is a work in progress
PAGS：基于声速自适应高斯溅射的光声断层扫描自动聚焦
机构 * Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； National Biomedical Imaging Center（国家生物医学成像中心） ； Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院） ； PKU–Nanjing Institute of Translational Medicine（北京大学南京转化医学研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 PAGS是基于声速自适应高斯溅射的可微分框架，无需声速先验，通过联合优化高斯光声源与声速场，提升了异质介质下光声断层扫描的重建清晰度与稀疏视图鲁棒性，且计算效率更高。
Comments 13 pages, 6 figures
使用3D高斯泼溅渲染MRI的新视图
机构 * Visual Geometry Group, University of Oxford（视觉几何组，牛津大学） ； Oxford Machine Learning in NeuroImaging Lab, University of Oxford（牛津大学神经影像学机器学习实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 通过3D高斯泼溅从稀疏各向异性MRI重建体积并采样与目标解剖对齐的平面，生成更优的放射学分级视图，相比原始扫描和体素插值方法提高了椎管狭窄分级准确性。
Comments Spotlight at AI4M3D workshop at ECCV 2026
基于显著性引导基元合并的紧凑前馈三维高斯模型
机构 * Bosch Research（博世研究院） ； University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究针对前馈三维高斯方法基元冗余问题，提出显著性引导的基元合并流水线，可在仅1/20高斯数量下保留视觉质量，实现高效紧凑的三维场景表示与渲染。
3DGAA：面向自动驾驶的逼真且鲁棒的基于3D高斯的对抗攻击
机构 * School of Intelligent Engineering and Automation, Beijing University of Posts and Telecommunications, China（智能工程与自动化学院，北京邮电大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出3DGAA框架，通过3D高斯溅射实现视图一致、几何保持的可打印对抗包裹，在CARLA仿真等测试中显著降低自动驾驶车辆相机感知的检测性能，为安全评估与防御设计提供支撑。
Comments TIFS
AGRO-Nav：基于自主图的果园导航
机构 * School of Computer Engineering, Korea University of Technology and Education (KOREATECH)（韩国技术教育大学计算机工程学院（KOREATECH））
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 针对果园半结构化环境中网格规划器易偏离行中心的问题，提出 AGRO-Nav 框架，通过 SLAM 点云构建拓扑图并结合 Dijkstra 搜索等算法规划路径，在真实和仿真环境中均表现出更高精度与规划效率。
Comments 8 pages, 4 figures
基于视频基础模型引导的4D激光雷达标注工具
机构 * KAIST（韩国科学技术院） ； Chung-Ang University（中央大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究针对4D激光雷达标注成本高、难扩展的问题，提出LiDAR-SAM2框架，借助SAM2自动生成标注，大幅降低3D/4D场景理解的标注负担。
Comments ECCV 2026 Workshop
UNRIO：面向雷达-惯性里程计的不确定性感知速度学习
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 UNRIO通过直接处理雷达IQ信号预测体坐标系速度，结合Transformer架构和GRT框架，在多模式下实现不确定性估计与姿态图融合，有效提升横向运动轨迹中的里程计精度。
LaGen：迈向自主驾驶的自回归激光雷达场景生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出LaGen，首个支持长时交互生成的自回归框架，能基于单帧输入生成高保真4D激光雷达场景，并通过场景解耦和噪声调节模块提升生成质量。
Comments Accepted to ECCV 2026
用于多尺度算子学习的框架核方法
机构 * Kahlert School of Computing, University of Utah（犹他大学卡勒特计算机学院） ； U.S. Air Force Research Laboratory（美国空军研究实验室）
专题命中 点云 ：point cloud(abstract)
AI总结 该研究提出原生多尺度算子学习的框架核方法，用于多尺度PDE代理建模，其精度优于流行神经算子，可实现后验多尺度分解。
专题命中 点云 ：point cloud(abstract)
热力学 regime 下通过随机几何图检测一阶同调
专题命中 点云 ：point cloud(abstract)
AI总结 该研究针对紧致黎曼流形上的随机几何图，提出仅需 O(n) 条边的方法，在热力学超临界 regime 下可高概率推断其一阶同调群，确定了正确尺度并证明结果最优。
Comments 34 pages, 4 figures
多点热带松弛与蒙日 - 安培方程
专题命中 点云 ：point cloud(abstract)
AI总结 研究平面亚历山德罗夫蒙日 - 安培方程，构建关联驱动的热带逼近，通过结合多种方法，得到\(N^{-1/2}F_N\)的收敛性、曲率估计等结果，还包括随机点云极限、协方差及对角线相关结论。
Comments 67 pages, 3 figures. Revised exposition and proof clarifications; corrected numerical appendix. Main results unchanged
Memory-V2V: 通过记忆增强的视频到视频扩散模型实现一致的多轮编辑
机构 * Adobe Research（Adobe研究实验室） ； KAIST AI（韩国科学技术院人工智能研究所） ； Adobe Internship（Adobe实习） ； Project Lead（项目负责人）
专题命中 新视角合成 ：novel view synthesis(abstract)；分类 cs.CV
AI总结 Memory-V2V通过引入外部记忆模块，解决多轮视频编辑中的跨轮一致性问题，提升编辑连贯性并保持视觉质量，优于现有基线模型。
Comments 38 pages, 22 figures, ECCV 2026, Project page: this https URL (https://dohunlee1.github.io/MemoryV2V)
面向细粒度文本到3D质量评估：一个基准和两阶段排名学习指标
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 3D生成 ：3D generation(abstract)；分类 cs.CV
AI总结 针对T23DQA的基准缺失与指标缺陷，本文推出组合式T23D生成基准T23D-CompBench，并提出两阶段排名学习指标Rank2Score，其性能优于现有指标且可作为奖励函数优化生成模型。
ScaRF-SLAM: 基于前馈模型与经典视觉SLAM的尺度一致重建
机构 * Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院）
专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.RO
AI总结 提出一种解耦框架，将经典特征SLAM用于鲁棒跟踪，几何基础模型仅用于建图，通过尺度优化和子图融合实现高质量一致密集重建，在建筑级数据集上重建精度提升10%-20%。
Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈