3D 视觉

Comparative Evaluation of 3D Reconstruction Methods for Immersive Visualization of Laboratory Objects

面向实验室对象沉浸式可视化的三维重建方法对比评估

Brian De La Cruz, Aaron Y. Zhao, Maitrey Gramopadhye, Sawyer J. Lazar, Xianming Tan, Daniel Szafir, David S. Lawrence

专题命中 三维重建 ：NeRF(summary_cn,abstract)；3D reconstruction(title,abstract)；Gaussian Splatting(abstract,abstract_cn)；分类 cs.CV、cs.GR

AI总结 本研究对比评估了摄影测量法、NeRF等四种三维重建方法，发现基于NeRF的方法生成的实验室物品全息模型保真度最高，可为AR/MR教育环境提供沉浸式学习对象的实用流程。

Comments 36 pages, 18 figures, 16 tables

Cross-Platform Benchmark of Neural 3D Reconstruction for Autonomous Laboratory Robots

面向自主实验室机器人的神经三维重建跨平台基准测试

Yongho Kim, Mengjiao Han, Victor Mateevitsi, Silvio Rizzi, Michael E. Papka, Nicola Ferrier

机构 * Argonne National Laboratory（阿贡国家实验室） ； University of Illinois Chicago（芝加哥大学伊利诺伊分校） ； Northwestern University（西北大学） 纠错

专题命中 Gaussian Splatting ：NeRF(summary_cn,abstract)；Gaussian Splatting(summary_cn,abstract)；3D reconstruction(title,abstract)；分类 cs.RO

AI总结 本研究针对自主实验室机器人的神经三维重建，开展跨平台基准测试，评估NeRF、3D Gaussian Splatting及SAM3D的性能，为构建分层重建流水线提供依据。

Comments This manuscript is peer-reviewed from the committees in the workshop "VAxAutoSci: Visual Analytics in the Age of Autonomous Scientific Discovery" in conjunction with 2026 IEEE Visualization & Visual Analytics

CGS-SLAM: Collaborative Gaussian Splatting based SLAM for Multi-Agent Reconstruction

CGS-SLAM：基于协作高斯溅射（Gaussian Splatting）的多智能体重建SLAM算法

Jean-Daniel de Ambrogi, Aladine Chetouani, Vincent Nguyen, Aurélien Chateigner

机构 * Université Sorbonne Paris Nord（巴黎北大学） ； SAS IMPACT（SAS IMPACT公司） ； Université d’Orléans（奥尔良大学） ； INSA CVL（中央卢瓦尔河谷国立应用科学学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,title_cn)；3DGS(summary_cn,abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.RO

AI总结 该研究针对消费级智能手机无RGB-D输入、多智能体3DGS协作SLAM方法缺失的问题，提出仅用RGB和惯性数据的CGS-SLAM算法，结合局部跟踪、动态关键帧共享与中央服务器子图对齐，在GNSS拒止环境下实现多智能体重建，性能优于现有方法。

Per-View Gaussian Predictions Enable Training-Free Distractor Filtering in Feed-Forward 3DGS

逐视图高斯预测实现前馈3DGS中无需训练的干扰物过滤

Kangmin Seo, Jae-Pil Heo

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 该研究针对前馈3DGS中瞬态物体引发的伪影问题，提出无需训练的干扰物过滤流程，可在多模型和基准上提升新视图质量且保留干净场景原始重建。

Comments Preprint

KISS-GS: 3D Gaussian Splatting Compression Kept Simple

KISS-GS：保持简单的3D高斯溅射压缩

Wieland Morgenstern, Friedrich Elias Branschke, Florian Fleischmann, Adrian Szatmari, Paul Schlack, Florian Barthel, Peter Eisert, Anna Hilsmann

机构 * Fraunhofer HHI（弗劳恩霍夫海因里希·赫兹研究所） ； Humboldt-Universität zu Berlin（柏林洪堡大学） ； Technische Universität Berlin（柏林工业大学） 纠错

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

AI总结 KISS-GS是将压缩与训练解耦的模块化3DGS压缩流程，结合剪枝、SOG-XT编码等技术实现85-319倍压缩，解码依赖Web原生图像格式，率失真性能优于紧密集成方法。

CoGeo-GS: Concept-Driven and Geometry-Aware Multi-Object Removal in 3D Scenes

CoGeo-GS：3D场景中基于概念驱动与几何感知的多物体移除方法

Yuanxiang Ni, Xianliang Huang, Chenhang Ma, Chen Xiao, Yuewen Ma, Ruxin Wang, Hao Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； ByteDance（字节跳动） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 纠错

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

AI总结 针对3D场景多物体移除的挑战，提出CoGeo-GS框架，通过概念感知语义标签与几何感知补全流水线实现可控多物体移除，在视觉质量与重建保真度上优于现有方法。

Comments 6 pages, 4 figures, accepted at ICME 2026

Bayesian methods and Markov chain Monte Carlo algorithms for curve reconstruction and point cloud data analysis

用于曲线重建与点云数据分析的贝叶斯方法及马尔可夫链蒙特卡洛算法

Asir Intesar Tushar, Ioannis Sgouralis

机构 * University of Tennessee（田纳西大学） 纠错

专题命中 点云 ：point cloud(title)

AI总结 本文针对点云数据量大、含噪声及缺失信息，现有重建无不确定性量化的问题，提出全贝叶斯框架与适配的MCMC采样器，经合成及LiDAR数据实验，实现精确曲线重建与不确定性量化。

Comments 32 pages and 12 figures

SpatialCrafter: Single Image World Modeling with Generative 3D Proxies

SpatialCrafter：基于生成式3D代理的单图像世界建模

Chuan Fang, Lingteng Qiu, Yixun Liang, Rui Chen, Kunming Luo, Zhaohua Zheng, Tongyuan Bai, Feipeng Tian, Zilong Dong, Zihan Zhou, Ping Tan

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； ManyCore Tech Inc.（ManyCore科技公司） ； Jilin University（吉林大学） 纠错

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

AI总结 SpatialCrafter是解决图像到场景生成问题的两阶段框架，通过3D代理及相关策略提升3D一致性，构建了115K场景的新数据集，性能优于现有方法且鲁棒性强。

Comments 12 pages

DPA-I2P: Depth-Guided Projective Alignment for Image-to-Point-Cloud Registration in Autonomous Driving

DPA-I2P：面向自动驾驶中图像与点云配准的深度引导投影对齐

Wenxin Zhang, Hang Li, Zhiwei Xu, Qiankun Dong, Gang Wang, Tao Li

机构 * Nankai University（南开大学） ； Haihe Lab of ITAI（海河人工智能与信息技术实验室） 纠错

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

AI总结 本文针对自动驾驶中图像与点云配准的跨模态对应学习难题，提出DPA-I2P方法，通过RMDE、PVL与CQP提升配准性能，在KITTI、nuScenes数据集上较基线方法有显著提升，可迁移性更好。