3D 视觉

Liquid Neural Networks as a Drop-in Continuous-Time Deformation Field for Dynamic 3D Gaussian Splatting

液态神经网络作为动态3D高斯泼溅的即插即用连续时间变形场

Mingzhao Li, Arghya Pal, Guan Yuan Tan

机构 * Monash University（莫纳什大学） 纠错

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

AI总结 提出用液态神经网络（LNN）的闭式连续时间（CfC）单元替代MLP，构建显式连续时间变形场，在动态场景重建中匹配或超越MLP基线，尤其擅长高频关节运动。

Comparative evaluation of photogrammetric reconstruction methods and 3D Gaussian Splatting for road surface roughness analysis

摄影测量重建方法与3D高斯泼溅用于路面粗糙度分析的比较评估

Marouane Elmegdar, Teng Xiao

机构 * School of International Education, Hubei University of Technology（湖北工业大学国际教育学院） ； School of Computer Science, Hubei University of Technology（湖北工业大学计算机科学学院） 纠错

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

AI总结 本研究比较了COLMAP、Meshroom、Metashape和3D高斯泼溅四种重建方法，评估它们从智能手机图像估计路面粗糙度的能力，结果表明COLMAP对微纹理最敏感，而开源方法适用于低成本路面监测。

Comments accepted by RSMIP 2026

LR-SGS: Robust LiDAR-Reflectance-Guided Salient Gaussian Splatting for Self-Driving Scene Reconstruction

LR-SGS：用于自动驾驶场景重建的鲁棒激光雷达反射率引导显著高斯泼溅

ZY Chen, F Zhu, H Zhu, DY Kong, XK Kuang, YJ Zhang, CM Jiang

机构 * Waymo Open Dataset（Waymo开放数据集） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；point cloud(abstract)；novel view synthesis(abstract)

AI总结 提出一种结合激光雷达反射率与RGB的显著高斯表示方法，通过结构感知初始化、反射率校准和联合对齐，实现高效鲁棒的自动驾驶场景重建。

Comments 8 pages, 7 figures

DirectFisheye-GS: Enabling Native Fisheye Input in Gaussian Splatting with Cross-View Joint Optimization

DirectFisheye-GS: 在三维高斯泼溅中通过跨视图联合优化实现原生鱼眼输入

Zhengxian Yang, Fei Xie, Xutao Xue, Rui Zhang, Taicheng Huang, Yang Liu, Mengqi Ji, Tao Yu

机构 * BNRist, Tsinghua University（北京理工大学，清华大学） ； Beihang University（北航） ； JD.com, Beijing, China（京东（北京，中国）） ； Shanghai AI Lab（上海人工智能实验室） 纠错

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

AI总结 针对鱼眼相机输入导致的信息丢失和细节模糊问题，提出将鱼眼相机模型集成到3DGS框架中，并引入基于特征重叠的跨视图联合优化策略，实现无需预处理的原生鱼眼图像训练，提升重建质量。

Comments CVPR 2026 Highlight; Fix NSFC ID

ConFi-GS Confidence-Guided High-Frequency Injection for 3D Gaussian Splatting Super-Resolution

ConFi-GS：置信度引导的高频注入用于3D高斯泼溅超分辨率

Jiaxiang Li, Zongtan Zhou, Zhen Tan, Yadong Liu, Dewen Hu

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

AI总结 提出一种可靠性感知的频率建模框架，通过几何引导的细节需求先验和频率感知的可靠性图，指导低分辨率3DGS重建中高频细节的注入，提升保真度和感知质量。

ArtSplat: Feed-Forward Articulated 3D Gaussian Splatting from Sparse Multi-State Uncalibrated Views

ArtSplat: 基于前馈的关节式3D高斯泼溅从稀疏多状态未标定视图

Inseo Lee, Yoonji Kim, Eugene Sohn, Jiwoong Lee, Jungmin You, Joonseok Lee, Jin-Hwa Kim

机构 * Seoul National University（首尔国立大学） ； Sogang University（成均馆大学） ； NAVER AI Lab（NAVER AI实验室） 纠错

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

AI总结 提出首个前馈框架ArtSplat，通过稀疏多视图跨多个关节状态，一次性重建几何和关节参数，引入逐像素关节图表示和跨状态注意力机制，在PartNet-Mobility上实现400倍加速。

Improving 3D Gaussian Splatting Compression by Scene-Adaptive Lattice Vector Quantization

通过场景自适应晶格向量量化改进3D高斯散射压缩

Hao Xu, Xiaolin Wu, Xi Zhang

机构 * Department of Electrical & Computer Engineering, McMaster University（麦卡特尼大学电气与计算机工程系） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） 纠错

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

AI总结 本文提出了一种场景自适应晶格向量量化（SALVQ）方法，用于改进3D高斯散射（3DGS）的压缩性能，通过优化晶格基矢来提高适应性和R-D效率，同时减少计算开销和训练时间。

Comments Accepted by IEEE TIP. Code available at https://github.com/hxu160/SALVQ

E2GS: Event Enhanced Gaussian Splatting

E2GS：事件增强的高斯点撒法

Hiroyuki Deguchi, Mana Masuda, Takuya Nakabayashi, Hideo Saito

机构 * Keio University（庆应大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；3D reconstruction(abstract)；novel view synthesis(abstract)

AI总结 本文提出E2GS方法，结合事件数据与高斯点撒法，提升图像去模糊和高质量视角合成效果，实验表明其在合成和真实数据集上均能生成视觉吸引人的渲染结果，且训练和渲染速度更快（140 FPS）

Comments 7pages, Accepted at ICIP 2024

A Single Atlas is All You Need: Decoder-Side Gaussian Splatting for Immersive Video

一个Atlas就足够了：解码器侧的高斯点云渲染用于沉浸式视频

Dawid Mieloch, Stuart Perry

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

AI总结 本文提出了解码器侧高斯点云渲染（DSGS）框架，通过将深度估计阶段替换为前馈3DGS推理，优化整个体积场景，从而在解码器侧从压缩纹理和元数据中实现高质量的沉浸式视频生成。

BEA-GS: BEyond RAdiance Supervision in 3DGS for Precise Object Extraction

BEA-GS：超越辐射监督的3DGS精确物体提取

Alessio Mazzucchelli, Maria Naranjo-Almeida, Jorge Bustos-Sanchez, Mariella Dimiccoli, Francesc Moreno-Noguer, Jordi Sanchez-Riera, Adrian Penate-Sanchez

机构 * Arquimea Research Center（阿奎米亚研究中心） ； Institut de Robòtica i Informàtica Industrial (CSIC-UPC)（机器人与信息技术研究所（CSIC-UPC）） ； Universidad de las Palmas de Gran Canaria (IUSIANI)（Gran Canaria大学（IUSIANI）） 纠错

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

AI总结 BEA-GS通过引入两种新损失函数改进3DGS，实现更精确的物体边界分割，优于现有12种方法。

Comments CVPR 2026 Highlight

Nix and Fix: Targeting 1000x Compression of 3D Gaussian Splatting with Diffusion Models

Nix 和 Fix：通过扩散模型实现 3D 高斯散射的 1000 倍压缩

Cem Eteke, Enzo Tartaglione

机构 * 1 Chair of Media Technology, Munich Institute of Robotics ； Machine Intelligence School of Computation, Information ； Technology Technical University of Munich, 80333 Munich, Germany 2LTCI, T\'el\'ecom Paris, Institut Polytechnique de Paris, France 纠错

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

AI总结 本文提出 NiFi 方法，通过扩散模型实现 3DGS 在极低速率下的高质量压缩，达到 1000 倍压缩率。

AdpSplit: Error-Driven Adaptive Splitting for Faster Geometry Discovery in 3D Gaussian Splatting

AdpSplit：基于误差的自适应分裂以加速3D高斯点云中的几何发现

Yongjae Lee, Jingxing Li, Abhay Kumar Yadav, Rama Chellappa, Deliang Fan

机构 * Arizona State University（亚利桑那州立大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 AdpSplit通过基于误差的自适应分裂操作减少3DGS训练时间，同时保持渲染质量，在多个数据集上实现9.2%-22.3%的加速。

Residual Gaussian Splatting for Ultra Sparse-View CBCT Reconstruction

残差高斯点云法用于超稀疏视角CBCT重建

Jian Lin, Jiancheng Fang, Shaoyu Wang, Changan Lai, Yikun Zhang, Yang Chen, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） 纠错

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

AI总结 本文提出残差高斯点云法，结合小波多分辨率分析与3DGS，解决超稀疏视角CBCT重建中光谱偏倚问题，提升图像细节与几何纹理的精度。

Incoherent Deformation, Not Capacity: Diagnosing and Mitigating Overfitting in Dynamic Gaussian Splatting

不一致变形，而非容量：诊断和缓解动态高斯点云中的过拟合

Ahmad Droby

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文发现动态高斯点云过拟合源于不一致变形而非参数量，通过引入弹性能量正则化等方法显著减少过拟合差距。

Comments 10 pages, 6 figures, 2 tables

WaterClear-GS: Optical-Aware Gaussian Splatting for Underwater Reconstruction and Restoration

WaterClear-GS: 用于水下重建和修复的光学感知高斯点云

Xinrui Zhang, Yufeng Wang, Shuangkang Fang, Zesheng Wang, Dacheng Qi, Wenrui Ding

机构 * Beihang University（北航大学） 纠错

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

AI总结 WaterClear-GS通过整合水的光学特性，提出了一种纯3DGS框架，实现高效的水下3D重建和修复，同时保持实时渲染能力。

Seeing Through Reflections: Advancing 3D Scene Reconstruction in Mirror-Containing Environments with Gaussian Splatting

Zijing Guo, Yunyang Zhao, Lin Wang

机构 * School of Automation and Intelligent Sening, Shanghai Jiao Tong University（自动化与智能传感学院，上海交通大学） ； Ningbo Artificial Intelligence Institute, Shanghai Jiao Tong University（宁波人工智能研究所，上海交通大学） 纠错

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

AttentionGS: Towards Initialization-Free 3D Gaussian Splatting via Structural Attention

Ziao Liu, Zhenjia Li, Yifeng Shi, Xiangang Li

机构 * Wuhan University（武汉大学） 纠错

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

SplatMAP: Online Dense Monocular SLAM with 3D Gaussian Splatting

Yue Hu, Rong Liu, Meida Chen, Peter Beerel, Andrew Feng

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

Journal ref Proceedings of the ACM SIGGRAPH Symposium on Interactive 3D Graphics and Games (I3D '25) May 2025

NexusGS: Sparse View Synthesis with Epipolar Depth Priors in 3D Gaussian Splatting

Yulong Zheng, Zicheng Jiang, Shengfeng He, Yandu Sun, Junyu Dong, Huaidong Zhang, Yong Du

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract)；3DGS(abstract)；point cloud(abstract)

Comments This paper is accepted by CVPR 2025

Biomass phenotyping of oilseed rape through UAV multi-view oblique imaging with 3DGS and SAM model

Yutao Shen, Hongyu Zhou, Xin Yang, Xuqi Lu, Ziyue Guo, Lixi Jiang, Yong He, Haiyan Cen

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

MVPGS: Excavating Multi-view Priors for Gaussian Splatting from Sparse Input Views

Wangze Xu, Huachen Gao, Shihe Shen, Rui Peng, Jianbo Jiao, Ronggang Wang

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

Comments Accepted by ECCV 2024, Project page: https://zezeaaa.github.io/projects/MVPGS/

Optimizing 3D Gaussian Splatting for Sparse Viewpoint Scene Reconstruction

Shen Chen, Jiale Zhou, Lei Li

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

HDRSplat: Gaussian Splatting for High Dynamic Range 3D Scene Reconstruction from Raw Images

Shreyas Singh, Aryan Garg, Kaushik Mitra

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract)；3DGS(abstract)；point cloud(abstract)

SpikeGS: 3D Gaussian Splatting from Spike Streams with High-Speed Camera Motion

Jiyuan Zhang, Kang Chen, Shiyan Chen, Yajing Zheng, Tiejun Huang, Zhaofei Yu

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

Free-SurGS: SfM-Free 3D Gaussian Splatting for Surgical Scene Reconstruction

Jiaxin Guo, Jiangliu Wang, Di Kang, Wenzhen Dong, Wenting Wang, Yun-hui Liu

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

Comments Accepted to MICCAI 2024

Relaxing Accurate Initialization Constraint for 3D Gaussian Splatting

Jaewoo Jung, Jisang Han, Honggyu An, Jiwon Kang, Seonghoon Park, Seungryong Kim

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

Comments Project Page: https://ku-cvlab.github.io/RAIN-GS

SGD: Street View Synthesis with Gaussian Splatting and Diffusion Prior

Zhongrui Yu, Haoran Wang, Jinze Yang, Hanzhang Wang, Zeke Xie, Yunfeng Cai, Jiale Cao, Zhong Ji, Mingming Sun

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract)；3DGS(abstract)；point cloud(abstract)

Pixel-GS: Density Control with Pixel-aware Gradient for 3D Gaussian Splatting

Zheng Zhang, Wenbo Hu, Yixing Lao, Tong He, Hengshuang Zhao

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract)；3DGS(abstract)；point cloud(abstract)

3D Gaussian Accelerated Ray Tracing: Fast training through particle-based backward propagation

3D高斯加速光线追踪：基于粒子反向传播的快速训练

Laurent Vit, Oliver Batchelor, Richard Green

专题命中 Gaussian Splatting ：NeRF(summary_cn,abstract)；Gaussian Splatting(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV、cs.GR

AI总结 针对3D高斯溅射训练的反向传播瓶颈，提出3DGART框架，通过基元导向的反向传播优化，在Mip-NeRF 360上实现训练速度提升，使全光线追踪高斯训练更实用。

A Comparative Evaluation of Geometric Accuracy in NeRF and Gaussian Splatting

神经渲染中NeRF与高斯散射几何精度的比较评估

Mikolaj Zielinski, Eryk Vykysaly, Bartlomiej Biesiada, Jan Baturo, Mateusz Capala, Dominik Belter

机构 * Institute of Robotics and Machine Intelligence, Poznan University of Technology（机器人与机器智能研究所，波兹南技术大学） 纠错

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

AI总结 本文提出评估神经渲染方法几何精度的流程，包含19个多样场景，系统评估重建方法的表面和形状保真度，补充传统视觉指标。