3D 视觉

VerseCrafter: Dynamic Realistic Video World Model with 4D Geometric Control

VerseCrafter：基于4D几何控制的动态真实视频世界模型

Sixiao Zheng, Minghao Yin, Wenbo Hu, Xiaoyu Li, Ying Shan, Yanwei Fu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； HKU（香港大学） ； ARC Lab, Tencent PCG（腾讯PCG ARC实验室） 纠错

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

AI总结 本文提出VerseCrafter，通过4D几何控制生成动态真实视频，相比传统方法更精确控制相机和多物体运动。

Comments Project Page: https://sixiaozheng.github.io/VerseCrafter_page/, Accepted by CVPR 2026

Detailed Geometry and Appearance from Opportunistic Motion

从偶然运动中获取详细的几何与外观

Ryosuke Hirai, Kohei Yamashita, Antoine Guédon, Ryo Kawahara, Vincent Lepetit, Ko Nishino

机构 * Graduate School of Informatics, Kyoto University（京都大学信息学研究生院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出利用物体偶然运动获取更多准确的3D几何与外观，通过联合姿态与形状优化和新型外观模型提升重建精度。

GLINT: Modeling Scene-Scale Transparency via Gaussian Radiance Transport

GLINT：通过高斯辐射传输建模场景级透明度

Youngju Na, Jaeseong Yun, Soohyun Ryu, Hyunsu Kim, Sung-Eui Yoon, Suyong Yeon

机构 * KAIST（韩国科学技术院） ； NAVER LABS 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 GLINT通过显式分解的高斯表示建模场景级透明度，分离反射和透射辐射，利用几何分离线索和预训练视频照明模型提升透明场景重建性能。

Comments CVPR 2026, Project page: https://youngju-na.github.io/GLINT

MoRGS: Efficient Per-Gaussian Motion Reasoning for Streamable Dynamic 3D Scenes

MoRGS：面向流式动态3D场景的高效每高斯运动推理

Wonjoon Lee, Sungmin Woo, Donghyeong Kim, Jungho Lee, Sangheon Park, Sangyoun Lee

机构 * Yonsei University（延世大学） ； Electronics and Telecommunications Research Institute (ETRI)（韩国电子通信研究院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出MoRGS，通过显式建模每高斯运动提升4D重建质量，利用稀疏关键视图的光流作为轻量运动提示，引入每高斯运动置信度以区分动态与静态高斯，提升重建质量和时间一致性。

$π$, But Make It Fly: Physics-Guided Transfer of VLA Models to Aerial Manipulation

$π$, 但使其飞行：基于物理的VLA模型向空中操作的转移

Johnathan Tucker, Denis Liu, Aiden Swann, Allen Ren, Javier Yu, Jiankai Sun, Brandon Kim, Lachlain McGranahan, Quan Vuong, Mac Schwager

机构 * Stanford University（斯坦福大学） ； Physical Intelligence 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.RO

AI总结 本文提出AirVLA系统，研究预训练VLA模型在空中抓取任务中的迁移性，通过引入负载感知指导机制和高斯点扩散管道合成数据，提升空中操作性能，实现导航任务100%成功和抓取任务50%成功。

Where, What, Why: Toward Explainable 3D-GS Watermarking

何处、何物、为何：迈向可解释的3D-GS水印

Mingshu Cai, Jiajun Li, Osamu Yoshie, Yuya Ieiri, Yixuan Li

机构 * Waseda University（早稻田大学） ； Southeast University（东南大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出一种原生表示框架，通过三专家模块和安全预算感知门实现水印载体选择和质量保护，结合通道组掩码提升水印鲁棒性和可解释性，相比现有方法在PSNR和比特精度上均有提升。

Comments CVPR 2026

Nevis Digital Twin: Photogrammetry and Immersive Visualization of Historical Sites

Nevis数字孪生：历史遗址的摄影测量与沉浸式可视化

Alex Apffel, Huy Tran, Vuthea Chheang

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.GR

AI总结 本文提出了一种多模态数据采集流程，用于保护受威胁的历史遗址，通过摄影测量和3D高斯点散布实现虚拟重建，以提供可扩展的数字遗产民主化模型。

Comments ARCHERIX Workshop - IEEE VR 2026

GoDe: Gaussians on Demand for Progressive Level of Detail and Scalable Compression

GoDe：为渐进细节层次和可扩展压缩的高斯

Francesco Di Sario, Riccardo Renzulli, Marco Grangetto, Akihiro Sugimoto, Enzo Tartaglione

机构 * National Institute of Informatics（日本信息处理研究所） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 GoDe通过重新组织高斯原始体，实现可扩展压缩和渐进细节控制，无需重新训练或微调，提升内存和带宽效率。

DriveSplat: Unified Neural Gaussian Reconstruction for Dynamic Driving Scenes

DriveSplat：统一的神经高斯重建用于动态驾驶场景

Cong Wang, Ruiqi Song, Wei Tian, Chenming Zhang, Lingxi Li, Long Chen

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems（多模态人工智能系统国家重点实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Zhongguancun Academy（中关村学院） ； Waytous 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出DriveSplat，一种统一的神经高斯框架，用于重建动态驾驶场景。通过引入场景感知的LOD模型和对象中心的神经高斯原语，实现对静态背景和动态物体的高效重建，实验表明其在新视角合成和时空稳定性方面表现优异。

SMAL-pets: SMAL Based Avatars of Pets from Single Image

基于SMAL的宠物单图像生成高保真可编辑3D宠物化身

Piotr Borycki, Joanna Waczyńska, Yizhe Zhu, Yongqiang Gao, Przemysław Spurek

机构 * Jagiellonian University（雅盖隆大学） ； Huawei（华为） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出SMAL-pets框架，通过混合架构结合3D高斯溅射与SMAL参数模型，实现单图像生成高质量可编辑宠物3D化身，支持通过文本提示进行外观和行为编辑。

4D Radar-Inertial Odometry based on Gaussian Modeling and Multi-Hypothesis Scan Matching

基于高斯建模和多假设扫描匹配的4D雷达-惯性里程计

Fernando Amodeo, Luis Merino, Fernando Caballero

机构 * Service Robotics Laboratory, Universidad Pablo de Olavide（服务机器人实验室， Pablo de Olavide 大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.RO

AI总结 本文提出基于高斯分布的4D雷达场景表示方法，通过全局优化提升注册精度，并通过多假设优化避免局部最优，实验表明其在雷达-惯性里程计任务中表现优异。

Comments Our code and results can be publicly accessed at: https://github.com/robotics-upo/gaussian-rio-cpp Accepted for publication in IEEE Robotics and Automation Letters

IRIS: Intersection-aware Ray-based Implicit Editable Scenes

IRIS：基于交点的射线隐式可编辑场景

Grzegorz Wilczyński, Mikołaj Zieliński, Krzysztof Byrski, Joanna Waczyńska, Dominik Belter, Przemysław Spurek

机构 * Jagiellonian University, Faculty of Mathematics and Computer Science（杰洛尼摩大学数学与计算机科学学院） ； Poznań University of Technology, Institute of Robotics and Machine Intelligence（波兹南技术大学机器人与人工智能研究所） ； IDEAS Research Institute（IDEAS研究所） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 IRIS提出一种高效交互式场景编辑方法，通过分析采样策略和连续特征聚合机制，解决传统射线追踪的效率问题，实现高保真实时渲染和灵活形状编辑。

Grow with the Flow: 4D Reconstruction of Growing Plants with Gaussian Flow Fields

随流生长：利用高斯流场进行植物生长的4D重建

Weihan Luo, Lily Goli, Sherwin Bahmani, Felix Taubner, Andrea Tagliasacchi, David B. Lindell

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 GrowFlow通过结合3D高斯基元与神经微分方程，实现了植物生长的连续流场建模，提供了一种时间一致的外观建模方法。

Comments Project page: https://weihanluo.ca/growflow/

SGI: Structured 2D Gaussians for Efficient and Compact Large Image Representation

SGI：结构化二维高斯用于高效且紧凑的大图像表示

Zixuan Pan, Kaiyuan Tang, Jun Xia, Yifan Qin, Lin Gu, Chaoli Wang, Jianxu Chen, Yiyu Shi

机构 * University of Notre Dame（诺丁汉大学） ； Tohoku University（东洋大学） ； Leibniz-Institut für Analytische Wissenschaften – ISAS – e.V.（莱比锡分析科学研究所 – ISAS – e.V.） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 SGI通过结构化二维高斯方法实现高效且紧凑的大图像表示，实现高达7.5倍的压缩和1.6倍的优化速度，同时保持图像保真度。

Comments Accepted by CVPR 2026

HDR-NSFF: High Dynamic Range Neural Scene Flow Fields

HDR-NSFF：高动态范围神经场景流场

Shin Dong-Yeon, Kim Jun-Seong, Kwon Byung-Ki, Tae-Hyun Oh

机构 * School of Electrical Engineering, KAIST（韩国科学技术院电子工程学院） ； Dept. of Electrical Engineering, POSTECH（POSTECH电子工程系） ； Grad. School of Artificial Intelligence, POSTECH（POSTECH人工智能研究生院） ； School of Computing, KAIST（韩国科学技术院计算机科学学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 HDR-NSFF通过4D时空建模实现动态HDR场景的高精度辐射场重建与时空视图合成。

Comments ICLR 2026. Project page: https://shin-dong-yeon.github.io/HDR-NSFF/

PackUV: Packed Gaussian UV Maps for 4D Volumetric Video

PackUV: 压缩高斯UV映射用于4D体素视频

Aashish Rai, Angela Xing, Anushka Agarwal, Xiaoyan Cong, Zekun Li, Tao Lu, Aayush Prakash, Srinath Sridhar

机构 * Brown University（布朗大学） ； UMass Amherst（马萨诸塞大学阿默斯特分校） ； Meta 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 PackUV通过压缩高斯UV映射实现4D体素视频的高效存储与流式传输，解决了传统方法在长序列和大运动下的时间一致性问题。

Comments https://ivl.cs.brown.edu/packuv

Journal ref CVPR 2026

Phys2Real: Fusing VLM Priors with Interactive Online Adaptation for Uncertainty-Aware Sim-to-Real Manipulation

Phys2Real: 融合视觉语言模型先验与交互在线适应以实现不确定性感知的仿真到现实操控

Maggie Wang, Stephen Tian, Aiden Swann, Ola Shorinwa, Jiajun Wu, Mac Schwager

机构 * Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.RO

AI总结 Phys2Real通过融合视觉语言模型先验与交互适应，提升仿真到现实操控的不确定性感知与任务成功率。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

DM-CFO: A Diffusion Model for Compositional 3D Tooth Generation with Collision-Free Optimization

DM-CFO: 一种用于无碰撞优化的组合3D牙齿生成扩散模型

Yan Tian, Pengcheng Xue, Weiping Ding, Mahmoud Hassaballah, Karen Egiazarian, Aura Conci, Abdulkadir Sengur, Leszek Rutkowski

机构 * School of Computer Science and Technology, Zhejiang Gongshang University（浙江工商大学计算机科学与技术学院） ； AGH University of Krakow（克拉科夫AGH大学） ； Polish Ministry of Science and Higher Education（波兰教育部） ； Tongxiang Institute of General Artificial Intelligence（同祥通用人工智能研究院） ； State Key Laboratory of Advanced Medical Materials and Devices（先进医学材料与器件国家重点实验室） ； School of Artificial Intelligence and Computer Science, Nantong University（南通大学人工智能与计算机科学学院） ； Department of Computer Science, College of Computer Engineering and Sciences, Prince Sattam Bin Abdulaziz University（普莱斯·本·阿卜杜勒阿齐兹大学计算机科学系） ； Department of Computer Science, Qena University（基纳大学计算机科学系） ； Department of Computing Sciences, Tampere University（塔尔库大学计算科学系） ； Department of Computer Science, Universidade Federal Fluminense（里约热内卢联邦大学计算机科学系） ； Shining3D Tech Co., Ltd.（Shining3D科技有限公司） 纠错

专题命中 Gaussian Splatting ：3D generation(abstract)；分类 cs.CV

AI总结 DM-CFO通过扩散模型和无碰撞优化生成组合3D牙齿，提升生成牙齿的多视图一致性和真实性。

Comments Received by IEEE Transactions on Visualization and Computer Graphics

Articulation in Motion: Prior-free Part Mobility Analysis for Articulated Objects By Dynamic-Static Disentanglement

运动中的关节性：通过动态-静态解耦实现无先验知识的关节物体部分移动分析

Hao Ai, Wenjie Chang, Jianbo Jiao, Ales Leonardis, Ofek Eyal

机构 * School of Computer Science, University of Birmingham（伯明翰大学计算机科学学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出了一种无需先验知识的关节物体部分移动分析方法，通过动态-静态解耦实现高质量的3D重建与分割。

Comments Accepted by ICLR 2026. Project Page: https://haoai-1997.github.io/AiM/

LiftAvatar: Kinematic-Space Completion for Expression-Controlled 3D Gaussian Avatar Animation

LiftAvatar：基于运动空间的表达控制3D高斯人偶动画

Hualiang Wei, Shunran Jia, Jialun Liu, Wenhui Li

机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Institute of Artificial Intelligence of China Telecom（中国电信人工智能研究院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 LiftAvatar通过多粒度表达控制和多参考条件机制，提升3D人偶动画的质量和可控性。

Comments 19 pages, 11 figures

CloDS: Visual-Only Unsupervised Cloth Dynamics Learning in Unknown Conditions

CloDS: 未知条件下的视觉-only 无监督布料动力学学习

Yuliang Zhan, Jian Li, Wenbing Huang, Wenbing Huang, Yang Liu, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 CloDS通过无监督学习从多视角视觉数据中学习布料动力学，解决未知条件下的动态模拟问题。

Comments ICLR 2026

M-Gaussian: An Magnetic Gaussian Framework for Efficient Multi-Stack MRI Reconstruction

M-Gaussian：一种用于高效多堆栈MRI重建的磁性高斯框架

Kangyuan Zheng, Xuan Cai, Jiangqi Wang, Guixing Fu, Zhuoshuo Li, Yazhou Chen, Xinting Ge, Liangqiong Qu, Mengting Liu

机构 * School of Biomedical Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学生物医学工程学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 M-Gaussian通过磁性高斯框架实现了高效多堆栈MRI重建，结合物理一致渲染与多分辨率训练，在FeTA数据集上达到40.31 dB PSNR并提升14倍速度。

Comments 15 pages, 9 figures

WildGHand: Learning Anti-Perturbation Gaussian Hand Avatars from Monocular In-the-Wild Videos

WildGHand: 从单目真实视频中学习抗扰动高斯手姿态体

Hanhui Li, Xuan Huang, Wanquan Liu, Yuhao Cheng, Long Chen, Yiqiang Yan, Xiaodan Liang, Chenqiang Gao

机构 * School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学智能系统工程学院） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 WildGHand通过动态扰动解耦模块和扰动感知优化策略，实现从真实视频中抗扰动的高斯手姿态体生成，取得多项指标上的显著提升。

Aesthetic Camera Viewpoint Suggestion with 3D Aesthetic Field

基于3D审美场的美观摄像机视角建议

Sheyang Tang, Armin Shafiee Sarvestani, Jialu Xu, Xiaoyu Xu, Zhou Wang

机构 * University of Waterloo（多伦多大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出基于3D审美场的视角建议方法，通过3D高斯散点网络将2D审美模型的知识蒸馏到3D空间，实现高效且无需密集捕获或RL探索的美观视角搜索。

Comments 14 pages, 10 figures

Changes in Real Time: Online Scene Change Detection with Multi-View Fusion

实时变化：多视角融合的在线场景变化检测

Chamuditha Jayanga Galappaththige, Jason Lai, Lloyd Windrim, Donald Dansereau, Niko Sünderhauf, Dimity Miller

机构 * QUT Centre for Robotics（昆士兰理工大学机器人中心） ； ARIAM ； ACFR, University of Sydney（悉尼大学先进计算机研究中心） ； Abyss Solutions 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出了一种基于多视角融合的在线场景变化检测方法，通过自监督融合损失、快速姿态估计和变化引导更新策略，在高帧率下实现了优于离线方法的性能。

Comments Accepted at CVPR 2026. Project Page: https://chumsy0725.github.io/O-SCD/

MeGA: Hybrid Mesh-Gaussian Head Avatar for High-Fidelity Rendering and Head Editing

MeGA: 混合网格-高斯头像用于高保真渲染和头像编辑

Cong Wang, Di Kang, He-Yi Sun, Shen-Han Qian, Zi-Xuan Wang, Linchao Bao, Song-Hai Zhang

机构 * Tsinghua University（清华大学） ； Tencent（腾讯） ； Technical University of Munich（慕尼黑技术大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 MeGA通过混合网格和高斯表示，实现高保真头像渲染与编辑，提升面部和头发的细节与真实感。

Comments Accepted by CVPR 2025. Project page: https://conallwang.github.io/MeGA_Pages/

Digital Twin Generation from Visual Data: A Survey

从视觉数据生成数字孪生：一项调查

Andrew Melnik, Benjamin Alt, Giang Nguyen, Artur Wilkowski, Maciej Stefańczyk, Qirui Wu, Sinan Harms, Helge Rhodin, Manolis Savva, Michael Beetz

机构 * University of Bremen（不莱梅大学） ； Warsaw University of Technology（华沙技术大学） ； Bielefeld University（比勒菲尔德大学） ； Simon Fraser University（西蒙弗雷泽大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文综述了从视觉数据生成数字孪生的最新方法，探讨了多种技术及其挑战，为实际应用提供了全面的视角。

Wrivinder: Towards Spatial Intelligence for Geo-locating Ground Images onto Satellite Imagery

Wrivinder：迈向空间智能：将地面图像定位到卫星图像

Chandrakanth Gudavalli, Tajuddin Manhar Mohammed, Abhay Yadav, Ananth Vishnu Bhaskar, Hardik Prajapati, Cheng Peng, Rama Chellappa, Shivkumar Chandrasekaran, B. S. Manjunath

机构 * Mayachitra, Inc.（Mayachitra公司） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 Wrivinder通过聚合地面影像与卫星图像，实现零样本的几何驱动定位，提供首个全面的跨视角对齐基准。

ArmGS: Composite Gaussian Appearance Refinement for Modeling Dynamic Urban Environments

ArmGS：复合高斯外观细化用于动态城市环境建模

Guile Wu, Dongfeng Bai, Bingbing Liu

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 ArmGS通过复合高斯溅射与多粒度外观细化，提升动态城市环境自动驾驶场景建模的精度与效率。

Comments ICRA 2026

Learning Physics-Grounded 4D Dynamics with Neural Gaussian Force Fields

基于神经高斯力场的学习物理 grounded 4D 动力学

Shiqian Li, Ruihong Shen, Junfeng Ni, Chang Pan, Chi Zhang, Yixin Zhu

机构 * Institute for AI, Peking University（北京大学人工智能研究院） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理学与认知科学学院） ； School of EECS, Peking University（北京大学电子工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Yuanpei College, Peking University（北京大学元培学院） ； State Key Lab of General AI, Peking University（北京大学通用人工智能国家重点实验室） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出神经高斯力场（NGFF），通过结合3D高斯感知与物理动力学建模，从多视角RGB输入生成交互式、物理真实的4D视频，提升视频预测的物理 grounded 性。

Comments 43 pages, ICLR 2026