视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
LocusGS：用于前馈三维高斯溅射的空间锚定令牌
机构 * National University of Defence Technology（国防科技大学）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title)；novel view synthesis(abstract)；分类 cs.CV
AI总结 LocusGS为前馈3DGS的高斯查询添加三维锚定状态，提升查询空间连贯性，在相同高斯预算下改善新视图合成的渲染质量。
JSGS：基于混合质量视图的3D高斯溅射的JPEG状态引导监督
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 针对混合质量JPEG图像损坏3D高斯溅射（3DGS）跨视图高斯更新的问题，提出JSGS方法，利用JPEG量化表构建观测算子并结合块差异正则化，在7个场景和3种设置下获最优指标且渲染速度约150 FPS。
EvTrajGS：基于无姿态事件流的精确高效3D高斯溅射（Gaussian Splatting）方法
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Guangdong Province Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education（机器智能与先进计算教育部重点实验室） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Computing and Information Technology, Great Bay University（大湾区大学计算与信息技术学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,title_cn)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出EvTrajGS框架，针对无姿态事件流实现精确高效的3D高斯溅射，通过连续时间轨迹参数化、时间耦合姿态更新及损失加权事件采样，在提升重建与姿态精度的同时降低计算开销，性能优于现有方法。
DynActiveGS：面向动态场景重建的主动高斯溅射方法
机构 * Tsinghua University, Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Huawei Technologies Ltd（华为技术有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 DynActiveGS是基于3DGS的动态感知主动重建框架，通过分解不确定性实现动态场景的鲁棒主动重建，在多指标上优于现有基线。
Comments Accepted to ACM Multimedia 2026
AtlasLC：适用于编解码器的以对象为中心的3D高斯溅射的快速压缩
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AtlasLC，一种无源码无训练的以对象为中心的3DGS压缩管线，可减少压缩时间并优化部署相关指标，助力构建可扩展的XR资产库。
Comments Accepted to IEEE ISMAR 2026 (TVCG)
用于3D高斯点云的量子启发式非正交函数空间压缩
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 研究针对3D高斯点云存储和渲染成本高的问题，提出量子启发式非正交函数空间压缩方法QIRF，通过构建矩阵、广义特征分解等操作减少高斯数量和存储，提升渲染速度，且保持重建质量，揭示了非正交函数空间冗余的重要性。
GeoGS-SLAM：使用带几何先验的高斯点云的在线单目重建
机构 * State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University（工业控制技术国家重点实验室，浙江大学控制科学与工程学院） ； Key Laboratory of Collaborative Sensing and Autonomous Unmanned Systems of Zhejiang Province（浙江省协同感知与自主无人系统重点实验室）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.RO
AI总结 研究提出GeoGS-SLAM在线单目密集重建系统，结合3DGS地图表示与几何先验。利用前馈模型预测先验，通过采样扩展地图，粗到细优化姿态和地图，纳入回环检测与姿态图优化，实验表明其在质量、精度和实时性上优于现有方法。
StereoSplat+：具有扩散辅助渐进推理的前馈立体高斯点云渲染
机构 * Institute of Science Tokyo（东京科学研究所）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 研究从单目立体观察恢复高质量3DGS场景的问题，提出StereoSplat+框架，包含StereoSplat估计器及扩散增强单步渐进推理方案，实验表明该方法提升了新视图渲染质量和几何精度，优于现有前馈3DGS基线。
Comments 8 pages, accepted as a conference paper for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2026)
GeoGS-SLAM：用于密集单目 SLAM 的仅几何高斯点云法
机构 * School of Instrument Science and Opto-electronics Engineering, Beihang University（仪器科学与光电工程学院，北京航空航天大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；novel view synthesis(abstract)
AI总结 研究针对密集视觉 SLAM 问题，提出仅几何高斯点云法（GeoGS）及基于此的 GeoGS-SLAM 系统。该方法仅保留空间参数减少基元参数，专注几何重建，通过有效训练框架和地图更新策略，提升在线映射效率与几何重建质量。
具有原生不确定性和自适应复杂度控制的渲染感知贝叶斯3D高斯点云渲染
机构 * Advanced Micro Devices, Inc.（超威半导体公司） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 研究针对3D高斯点云渲染标准训练管道的不足，引入渲染感知贝叶斯3DGS框架，通过特定后验跟踪高斯几何，有可选扩展及明确训练计划。实验表明该框架在主动视图选择等任务中表现出色，能提供原生预测不确定性，提升相关指标。
Comments 26 pages, 4 figures, 24 tables including appendix. Preprint
通过具有法线先验的高置信度深度传播，使用高斯点云进行稀疏视图曲面重建
机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom（中国电信） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；novel view synthesis(abstract)
AI总结 研究稀疏视图的3D重建难题，提出基于3D高斯点云的方法，用法线引导深度传播扩展深度信息，引入异常深度边缘感知正则化处理深度不连续，实验表明该方法优于现有技术。
Comments Accepted by ECCV 2026
AnchorSplat：用于高斯泼溅的快速且结构一致的细节合成
机构 * MAIS&NLPR, CASIA（中国科学院自动化研究所模式识别国家重点实验室） ； GigaAI ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出AnchorSplat，一种端到端3D原生深度网络，通过点锚机制实现几何一致性，无需原始多视图图像，在3DGS-SR基准上实现比优化方法快10^5倍的细节合成。
Comments Accepted by ECCV2026. Code: https://github.com/zhude233/AnchorSplat
X-Splat：基于高斯泼溅的从单张全景X光片生成3D CBCT
机构 * Sano Centre for Computational Medicine（桑诺计算医学中心） ； Jagiellonian University（雅盖隆大学） ； Warsaw University of Technology（华沙技术大学） ； Research Institute IDEAS（IDEAS研究 institute） ； Harvard Medical School（哈佛医学院）
专题命中 Gaussian Splatting ：NeRF(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出X-Splat，首个利用高斯泼溅从单张全景X光片生成CBCT样3D牙科体积的方法，通过已知采集几何初始化可学习高斯原语，结合Beer-Lambert重投影和多视角训练监督，优于NeRF和GAN基线。
Comments 19 pages, 6 figures, including appendix. Under review
Pocket-SLAM：面向内存高效的3DGS-SLAM的渲染区域感知剪枝
机构 * University of Minnesota, Twin Cities（明尼苏达大学双城分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 提出一种渲染区域感知的剪枝策略，根据高斯点对有效渲染区域的贡献进行选择性移除，在EuRoC和KITTI数据集上实现超过60%的内存减少和2倍以上的FPS提升，同时保持定位与建图精度。
Comments 2026 IEEE International Conference on Robotics and Automation(ICRA)
面向动态3D高斯泼溅的时间感知致密化
机构 * Indian Institute of Science（印度科学研究所）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出Visibility-Aware Densification框架，通过时间可见性、自适应阈值和时间偏移扭曲，改进动态3DGS的致密化，提升动态区域重建质量。
Splaxel：通过像素级通信实现大规模场景重建的高效分布式3D高斯泼溅训练
机构 * Independent Researcher（独立研究者） ； Rice University（里士满大学） ； University of Georgia（佐治亚大学） ； University of Houston（休斯顿大学） ； University of Washington（华盛顿大学） ； Argonne National Labs（阿贡国家实验室）
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；分类 cs.CV
AI总结 提出Splaxel框架，通过像素级局部渲染与全局组合替代高斯同步，在保持数学一致性的同时稳定通信开销，结合可见性预测和冲突消除策略，实现大规模3DGS分布式训练加速7.6倍。
Comments 17 pages, 25 figures
EmoZone-Talker: 基于面部动作单元的音频驱动3DGS说话人头部的区域语义控制
机构 * China University of Petroleum (East China)（中国石油大学（华东））
专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 提出EmoZone-Talker框架，通过区域解耦和时序建模解决音频与表情信号的冲突，实现精细、可解释的面部表情控制。
面向低光照3D高斯泼溅的场景自适应非线性色调曲线伪地面真值生成
机构 * Southern University of Science and Technology（南方科技大学） ； Pengcheng Laboratory（鹏城实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；novel view synthesis(abstract)
AI总结 针对低光照3D重建中伪地面真值生成问题，提出场景自适应非线性色调曲线框架，通过两种曲线（ASE和AP3）替代线性增益，在三个基准上PSNR提升最高4.34dB。
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
机构 * Monash University（莫纳什大学）
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。
3D高斯加速光线追踪：基于粒子反向传播的快速训练
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。
GeoFovea-GS：用于无线空中VR的几何感知跨层高斯点渲染
专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)
AI总结 针对无线空中VR中高分辨率视图生成和传输受限，3DGS有几何误差问题，本文提出GeoFovea-GS框架，开发失真度量，将渲染与传输联合选择设为跨层优化问题并设计调度器，实验证明其能降成本提渲染质量。
Comments 7 pages, 5 figures
超越光栅化速度的可微Voronoi光线追踪
机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Zenseact（森赛克特公司） ； Linköping University（林雪平大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(summary_cn,abstract)；NeRF(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV
AI总结 该研究提出VoroTracing，通过协同设计场景表示、优化与GPU执行，在RTX 5090上实现623 FPS的实时新视图合成，吞吐量优于现有光线方法和3D Gaussian Splatting，支持多种非针孔效应且保持竞争力。
TopoGS：通过拓扑感知3D高斯点云进行平面重建
机构 * Shenzhen University（深圳大学） ； Autodesk Research（欧特克研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；3D reconstruction(abstract)；分类 cs.CV、cs.GR
AI总结 研究旨在从原始图像提取结构化3D表示，提出TopoGS框架，通过提取多视图图像的2D拓扑关系，将高斯基元锚定到结构元素，联合优化平面参数等，在ScanNet++数据集上达最优性能，生成高质量3D模型。
Comments European Conference on Computer Vision (Proceedings of ECCV 2026); Project page: https://vcc.tech/research/2026/TopoGS
LEGS: 拉普拉斯增强的高斯泼溅与非线性加权损失
机构 * Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences（中国科学院长春光学精密机械与物理研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV、cs.GR
AI总结 提出LEGS方法，利用二阶拉普拉斯结构引导和非线性权重函数改进高斯泼溅的损失函数，在保持渲染管线不变的情况下提升结构感知优化，在Tanks&Temples和Mip-NeRF360数据集上PSNR最高提升1.68 dB。
QuARC-GS：面向基于高斯溅射的紧凑动态场景流的量化锚定残差编码
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract_cn)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出QuARC-GS框架，用于在线动态场景重建，通过量化锚定变形和变化门控致密化策略，在保持重建质量与速度的同时，将逐帧存储压缩最多11倍。
Comments 9 pages, 5 figures, 3 tables
LaGSplat：使用潜拉格朗日高斯溅射从单目视频中推断物理控制的交互式模拟
机构 * Université Paris-Saclay（巴黎-萨克雷大学） ； CEA（法国原子能和替代能源委员会） ； CEA, List（法国原子能和替代能源委员会 电子与信息技术实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究提出LaGSplat框架，可从单目视频推断物理控制的交互式模拟，能对刚性/可变形物体施加训练外的力并实时渲染响应，解决了无约束预测器发散问题。
Comments 25 pages, 11 figures, 4 tables. Project page with interactive demo: https://louenpottier.github.io/lagsplat.html
CasDeblurGS：用于从两张模糊图像重建3D高斯溅射的级联2D到3D多视图一致性方法
机构 * University of Virginia（弗吉尼亚大学） ； KT R&D Center（KT研发中心）
专题命中 Gaussian Splatting ：NeRF(summary_cn,abstract)；Gaussian Splatting(title)；分类 cs.CV
AI总结 CasDeblurGS是一种级联框架，仅用两张已知内参的运动模糊图像即可重建连贯3D场景，在Deblur-NeRF场景上PSNR较基线提升1.19dB和2.11dB，渲染与几何一致性均改善。
Comments Accepted to the ECCV 2026 MUSTCV Workshop. Project page: https://haeyun-choi.github.io/Cascaded2D3D_page/
探索对于摆脱3D高斯点渲染中的模糊陷阱至关重要
机构 * Hunan University（湖南大学） ； Nanyang Technological University（南洋理工大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV
AI总结 研究3D高斯点渲染中模糊陷阱问题，通过数学分析确定其两种类型，提出随机播种和随机分割策略减轻模糊陷阱，经实验验证可有效克服该问题，实现高质量渲染。
Comments Project page: https://chengbo-wang.github.io/ExploreGS/
SPARE-GS：用于3D高斯点云的结构简约与资源高效性
机构 * School of Electronics and Information, Northwestern Polytechnical University（西北工业大学电子信息学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Telecommunication Engineering, Xidian University（西安电子科技大学通信工程学院） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； Department of Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电气工程系）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；novel view synthesis(abstract)；分类 cs.CV
AI总结 研究针对3D高斯点云训练效率和表示紧凑性问题，提出SPARE-GS框架，通过将结构演化公式化并动态调整基元分布，实现减少高斯数量、训练时间，提升PSNR及下游处理效率，证明全局结构预算调节的广泛适用性。
AugSplat: 基于辐射场信息的高斯泼溅用于稀疏视图设置
机构 * Google（谷歌） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；3D vision(abstract)；分类 cs.CV
AI总结 针对稀疏视图下高斯泼溅对初始几何敏感的问题，提出AugSplat，利用辐射场合成新视角图像作为辅助监督，提升重建质量并保持实时渲染。
Comments 9 pages, 5 figures
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