视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
利用流溅射从单目视频学习高效4D高斯表示
机构 * Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 提出Flow Splatting方法，通过构建速度场并扩展溅射技术渲染光流，从单目视频中高效学习4D高斯表示，实现高质量动态场景重建。
DivAS：通过深度加权体素聚合实现交互式3D分割
机构 * Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校）
专题命中 Gaussian Splatting ：NeRF(abstract)；Gaussian Splatting(abstract)；分类 cs.CV
AI总结 DivAS通过深度加权体素聚合实现交互式3D分割，无需优化循环，基于GAussian Splatting和NeRF框架，实现高效且高质量的3D分割。
绝对尺度下的场景生成：利用文本的语义和几何引导实现精确且可解释的3D室内场景生成
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D generation(abstract)；分类 cs.CV
AI总结 提出GuidedSceneGen框架，通过文本预测全局3D布局并利用全景扩散模型和视频扩散模型生成绝对尺度的室内场景，实现高一致性、可导航的3D重建。
Tortho-Gaussian：真数字正射地图的生成
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出Tortho-Gaussian方法，通过优化各向异性高斯核的正交撒点生成真数字正射地图，解决了传统方法中DSM不准确、遮挡检测失效等问题，提升了大范围场景重建的精度和效率。
Comments This work has been submitted to the IEEE Transactions on Geoscience and Remote Sensing for possible publication
CustomX: 视频世界模型中的统一角色、动作与场景定制
机构 * Fudan University（复旦大学） ； Microsoft Research（微软研究院） ； University of Waterloo（滑铁卢大学） ； The University of Hong Kong（香港大学）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出CustomX，结合静态世界生成与可控实体模型，支持用户指定角色在3D场景中执行开放动作，通过条件自回归视频生成保持视觉保真度。
Comments Accepted to ECCV 2026. Project page: https://snowflakewang.github.io/CustomX_Page/
FLAT: 前馈潜在三角形泼溅用于几何精确的场景生成
机构 * Google Research（谷歌研究院） ； University of Oxford, Visual Geometry Group（牛津大学视觉几何组） ； TU Munich（慕尼黑工业大学）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出FLAT方法，首次从视频扩散潜在表示中直接解码三角形泼溅，通过射线中心旋转参数化和乘积窗口函数解决梯度流问题，在保持视觉质量的同时显著提升几何精度。
Semantic Foam：统一空间与语义场景分解
机构 * Simon Fraser University（西蒙弗雷泽大学） ； University of Toronto（多伦多大学） ； Wayve Technologies（Wayve技术公司） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Edinburgh（爱丁堡大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 提出Semantic Foam，通过扩展Radiant Foam表示，结合Voronoi网格的空间分解和显式语义特征场，实现高质量、一致性的语义分割。
Comments 15 pages, 10 figures, Accepted to CVPR 2026 (Highlight) , Project page: http://semanticfoam.github.io/
PhyGenHOI：物理感知的动态人-物交互4D生成
机构 * Hebrew University of Jerusalem（耶路撒冷希伯来大学）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 提出PhyGenHOI框架，结合运动扩散模型和物质点方法，通过窗口吸引损失、接触驱动重模拟和掩码视频SDS目标，生成物理一致且视觉逼真的4D人-物交互动态场景。
基于扩散的二维投影先验和有符号三维高斯的零样本CT超分辨率
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Korea University（韩国大学） ； Seoul, Korea（韩国首尔）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 提出一种零样本三维CT超分辨率框架，通过扩散模型上采样二维投影先验并结合有符号三维高斯溅射（NAB-GS）重建高分辨率CT体积，在公开数据集上实现4倍超分辨率的优越性能。
Comments MICCAI 2026 early accepted
利用真实世界视频学习粒子动力学模型
机构 * Oregon State University（俄勒冈州立大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 提出一种从无标签真实视频直接训练神经物体动力学模型的框架，结合高斯溅射技术，通过渲染监督学习粒子位置和旋转变化，避免对合成数据的依赖。
Comments CVPR 2026 Findings
为机器人操作中的高效视觉表征学习结构潜在点
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； X-Humanoid Robots（X-Humanoid机器人） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；分类 cs.RO
AI总结 本文提出了一种新的预训练框架，通过学习混合表示-结构潜在点，结合隐式表示的表达能力和显式表示的结构先验，以提高机器人操作中的视觉表征效率和鲁棒性。
Journal ref International Conference on Robotics and Automation 2026
RCGDet3D: 重新思考基于增强雷达特征编码的4D雷达-相机融合3D目标检测
机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 本文提出RCGDet3D，通过增强雷达特征编码而非复杂的多模态融合策略，实现了在3D目标检测中更高的准确性和实时性，为实时部署设定了新标准。
FlowLong: 通过流形约束的 Tweedie 匹配实现推理时的长视频生成
机构 * KAIST（韩国科学技术院） ； Amazon（亚马逊）
专题命中 Gaussian Splatting ：3DGS(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出了一种新的推理时长视频生成方法，通过流形约束的Tweedie匹配在重叠滑动窗口中生成长视频，同时保持时间和空间一致性，并且无需额外训练。
Comments Project Page: https://flowlong-video.github.io/
重新审视光度歧义以实现高精度高斯-散射表面重建
机构 * School of Computer Science ； Engineering, State Key Laboratory of Complex Critical \& Software Environment, Jiangxi Research Institute, Beihang University ； State Key Laboratory of Virtual Reality Technology ； Macquarie University ； Tohoku University ； School of Computing, National University of Singapore
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出AmbiSuR框架，通过高斯散射内在解决方案解决光度歧义问题，提升3D表面重建性能，实验显示在多种挑战场景中表现优异。
Comments Accepted at ICML 2026. Project page: https://fictionarry.github.io/AmbiSuR-Proj/
4D神经体素溅射：基于体素化的高斯溅射的动态场景渲染
机构 * National Taiwan University（国立台湾大学） ； Academia Sinica（中央研究院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出4D神经体素溅射方法，结合体素表示与神经高斯溅射，实现高效的动态场景建模，减少内存消耗并提升渲染质量。
Comments 10 pages, 7 figures
Fake3DGS：3D操控检测在神经渲染中的基准
机构 * University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出Fake3DGS基准，用于评估3D内容的真实性，通过3D高斯点散布场景和渲染视图，展示现有2D检测器在区分原始与3D操控图像上的不足，并引入3D-aware方法提升识别性能。
Comments Accepted at ICPR 2026. Code and data: https://github.com/iot-unimore/Fake3DGS
Softmax-GS: 通用高斯学习何时融合或边界
机构 * Adobe Research（Adobe研究院） ； Tripo AI（Tripo人工智能公司） ； Hillbot（Hillbot公司） ； Oregon State University（俄勒冈州立大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 Softmax-GS通过在重叠区域引入softmax竞争机制，解决3D GS中的视图不一致和模糊边界问题，提升重建质量和参数效率。
Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition Findings (CVPRF), 2026
C3G：通过2K高斯学习紧凑的3D表示
机构 * KAIST AI（韩国成均馆大学人工智能研究所） ； ETH AI Center, ETH Zürich（苏黎世联邦理工学院人工智能中心） ； SONY AI（索尼人工智能） ； Sony Group Corporation（索尼集团）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出C3G框架，通过学习可训练标记聚合多视图特征，生成紧凑且几何意义明确的3D高斯表示，提升场景重建与理解的效率和精度。
Comments Project Page : https://cvlab-kaist.github.io/C3G/
AvatarPointillist: 基于自回归的4D高斯虚拟角色生成
机构 * HKUST（香港科技大学） ； Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 本文提出AvatarPointillist框架，通过自回归Transformer生成动态4D高斯虚拟角色，结合点云生成与高斯点散射，实现高精度、可控制的虚拟角色生成。
Comments Accepted by the CVPR 2026 main conference. Project page: https://kumapowerliu.github.io/AvatarPointillist/
3DGR-CT：基于3D高斯表示的稀疏视图CT重建
机构 * organization= School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advance Research, USTC , city= Suzhou , postcode= 215123 , state= Jiangsu , country= China ； organization= Key Laboratory of Precision ； organization= Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS , city= Beijing , postcode= 100190 , country= China
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出3DGR-CT方法，利用3D高斯表示替代隐式神经表示，通过FBP图像引导初始化和高效可微CT投影器提升稀疏视图CT重建精度与收敛速度，实现高精度实时物理模拟。
Journal ref Medical Image Analysis, Volume 103, 103585, 2025
LumiMotion：通过场景动态改进高斯光照明
机构 * Warsaw University of Technology（华沙理工大学） ； Sano Centre for Computational Medicine（Sano计算医学中心） ； Inst. for Biomedical Informatics, Univ. Hospital of Cologne（科隆大学医院生物医学信息学研究所） ； University of Cologne（科隆大学） ； CMMC Cologne（科隆CMMC） ； Jagiellonian University（雅盖隆大学） ； IDEAS Research Institute（IDEAS研究所） ； Microsoft（微软）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出LumiMotion，通过利用场景动态元素作为监督信号，改进高斯反渲染方法，在动态场景中实现更准确的光照与材质分离，实验表明在albedo估计和场景照明中分别提升了23%和15%。
Comments CVPR2026
GaussFly: 用于3D高斯场中视觉-运动策略的对比学习
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院） ； College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化学院）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.RO
AI总结 本文提出GaussFly框架，通过实-仿-实范式解耦表征学习与策略优化，利用3D高斯点划法重建场景并采用对比学习提取鲁棒特征，提升视觉-运动策略的样本效率和实境迁移能力。
流式实时渲染场景作为3D高斯分布
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.GR
AI总结 本文提出通过流式传输3D高斯分布场景表示替代传统2D视频流，提升延迟补偿的视角灵活性和多用户场景建模效率。
野外场景的场景定位
机构 * Tel Aviv University（特拉维夫大学） ； Cornell University（康奈尔大学）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；分类 cs.CV
AI总结 本文提出一种框架，通过将部分重建与完整的参考模型对齐，提升无视觉重叠时的大尺度场景重建一致性。方法基于伪合成渲染，利用3D高斯点云和逆特征优化，引入WikiEarth数据集验证效果。
Comments CVPR 2026. Project page at https://tau-vailab.github.io/SceneGround/
高效的相机姿态增强用于机器人策略学习中的视角泛化
机构 * Xi'an Jiaotong University（西安交通大学） ； Noah's Ark Lab（诺亚方舟实验室）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.RO
AI总结 本文提出GenSplat框架，通过新颖视角渲染实现视角泛化的策略学习，利用3D高斯点云重建和3D先验蒸馏策略，增强策略在空间扰动下的鲁棒性。
Catalyst4D: 通过动态传播实现高保真的3D到4D场景编辑
机构 * State Key Laboratory of Complex and Critical Software Environment, Beihang University（北京航空航天大学复杂关键软件环境国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； Zhejiang Industrial Big Data and Robot Intelligent System Key Laboratory, Hangzhou Innovation Institute, Beihang University（北京航空航天大学杭州创新研究院浙江省工业大数据与机器人智能系统重点实验室）
专题命中 Gaussian Splatting ：NeRF(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出Catalyst4D框架，通过动态传播实现高保真的4D场景编辑，保持时空一致性，优于现有方法。
Comments https://junliao2025.github.io/Catalyst4D-ProjectPage/
GS3LAM: 基于高斯语义散射的SLAM
机构 * School of Software Engineering, Tongji University（同济大学软件工程学院） ； Department of Automation, Shanghai Jiaotong University（上海交通大学自动化系）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 GS3LAM通过多模态数据融合实现实时一致的语义密集地图，采用语义高斯场和多模态误差约束联合优化，引入深度自适应尺度正则化和随机采样关键帧映射策略，提升跟踪鲁棒性和渲染质量。
Comments Accepted by ACM MM 2024
VG-Mapping：面向半静态场景的变分感知密度控制在线3D高斯映射
机构 * Southern University of Science and Technology（南方科技大学） ； CKS Robotics Institute, Hong Kong University of Science and Technology（香港科技大学CKS机器人研究所）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.RO
AI总结 本文提出VG-Mapping，通过变分感知密度控制策略提升半静态场景在线3D高斯映射的更新效率与渲染质量，同时构建了包含合成与真实数据的RGB-D数据集。
更少高斯，纹理更多：4K前馈纹理散射
机构 * HKU（香港大学） ； Apple（苹果公司）
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出LGTM方法，通过预测紧凑高斯体与每体纹理，实现高分辨率4K视图合成，无需场景优化，显著减少高斯体数量。
MoRel：通过基于锚点中继的双向混合与分层密集化实现长距离无闪烁的4D运动建模
专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出MoRel框架，通过锚点中继双向混合与分层密集化方法，实现长距离动态场景的高效4D重建，解决内存占用、时间闪烁及遮挡处理问题。
Comments CVPR 2026 (camera ready ver.). The first two authors contributed equally to this work (equal contribution). Please visit our project page at https://cmlab-korea.github.io/MoRel/
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