收集详情
采集完成 · 候选 335 · 已筛选 335
RSS 公告日期：2026-10-19
更新时间：2026-10-19T06:07:18.666137Z
中文总结由 AI 基于论文标题与作者摘要生成。
重点推荐 · 6
KFS⁴LAM：面向内窥镜 Gaussian Splatting SLAM 的自适应关键帧选择与结构感知映射
KFS$^4$LAM: Adaptive KeyFrame Selection with Structure-Aware Mapping for Endoscopic Gaussian Splatting SLAM
针对内窥镜中相机运动不均、重复解剖结构、镜面反射和伪影导致的关键帧选择不可靠问题，论文提出 KFS⁴LAM，将运动引导的自适应关键帧选择与结构监督映射、受限时间形变结合，并利用结肠皱襞轮廓强调结构信息。在 C3VD 和 C3VD-v2 上，相比 SplaTAM，作者报告旋转相对位姿误差降低 20.3%、深度 RMSE 降低 38.4%，PSNR 提升 0.78 dB。
关注理由 摘要明确研究 Gaussian Splatting SLAM 的关键帧选择、结构感知映射与动态建模，属于三维 Gaussian 场景重建与定位；应用场景为内窥镜而非城市。
面向 N 维 Splatting 的直接条件参数化
Direct Conditional Parameterization for N-Dimensional Splatting
针对 N-DGS 与 UBS 在每次渲染前通过矩阵求逆和回归乘积恢复条件参数、计算成本较高的问题，论文提出直接条件参数化，以显式的 Cholesky 精度因子和分解式查询到位置回归算子替代协方差派生读出，并应用于 Gaussian 与 Beta kernel。在五个静态和动态基准上，作者报告质量达到或超过原方法，最高提升 1.26 dB；生产切片速度提升 6.9 至 7.7 倍，完整渲染速度提升 1.25 至 1.91 倍。
关注理由 论文直接扩展三维 Gaussian Splatting 到视角和时间条件，并提出更高效的条件参数化，覆盖静态与动态 Gaussian/Beta splatting 表示。
从稀疏无位姿图像进行帧一致的前馈三维 Gaussian Splatting
Frame-Consistent Feed-Forward 3D Gaussian Splatting from Sparse Unposed Images
论文研究将冻结的 VGGT 位姿估计器与冻结的 TokenGS 重建骨干组合用于前馈 Gaussian 重建，指出质量下降的主要原因并非位姿噪声，而是坐标系不一致和位移尺度不匹配。通过确定性修正这些问题，作者报告全视图估计达到 22.47 PSNR，较 COLMAP 参考仅低 0.51 dB；在仅使用四张上下文图像的稀疏设置下，也达到与全视图相当的质量，无需额外训练或细化。
关注理由 论文直接研究从稀疏、无位姿图像进行前馈三维 Gaussian Splatting 重建，分析并修正坐标系和尺度整合问题，属于三维 Gaussian 场景重建与可扩展推理。
TriFold：将不规则三维 Gaussian 折叠为结构化潜变量以生成三维场景
TriFold: Folding irregular 3D Gaussians into structured latents for 3D Scene Generation
针对三维 Gaussian primitive 数量变化大、空间密度不均和局部几何外观差异导致表示学习困难的问题，论文提出 TriFold 原生 3D Gaussian VAE，将场景编码为固定布局的 triplane 潜变量，并通过多槽位聚合、占据预测和集合预测恢复空间变化的 Gaussian 集合。在此基础上训练潜空间 flow-matching 模型，实现点云条件场景生成和单图像条件的非观测区域补全；作者报告单张部分观测图像也能实现高保真重建与生成。
关注理由 论文直接提出原生三维 Gaussian 场景的 VAE 表示与场景级 3DGS 生成方法，覆盖重建、条件生成和单图像补全，是三维 Gaussian 表示学习与生成的核心工作。
X-Splat：用于RGB与X射线联合三维重建的统一Gaussian Splatting
X-Splat: Unified Gaussian Splatting for Joint RGB and X-ray 3D Reconstruction
论文提出统一Gaussian表示，让所有Gaussian原语共享几何参数，仅表面附近原语携带外观属性。方法利用多视角立体匹配与X-ray几何代理进行跨模态配准，并通过双模态监督和表面深度一致性联合优化。作者在InsideOut和Flower & Insect数据集上报告了更稳健的跨模态对齐、更高的RGB渲染质量、无损的X-ray重建以及更紧凑的表示。
关注理由 直接提出统一Gaussian表示，用于RGB与X-ray联合3D重建、跨模态配准和渲染，属于Gaussian场景表示的构建与重建方法。
LonGaussian：面向长上下文前馈Gaussian重建的跟踪基础先验
LonGaussian: Tracking Foundation Priors for Long-Context Feedforward Gaussian Reconstruction
论文提出流式前馈框架LonGaussian，利用预训练流式3D重建骨干将长上下文几何特征解码为稠密Gaussian。方法在每个序列块内使用多帧点轨迹关联同一表面，并通过学习式合并器整合重复Gaussian，再用渲染深度一致性过滤错误遮挡。作者在DL3DV和RealEstate10K上报告了更高的新视角渲染质量，同时使用明显更少的Gaussian。
关注理由 直接研究长序列图像到可渲染Gaussian场景的重建、跨视图跟踪、合并与压缩，属于可扩展Gaussian场景表示和重建。
相关方法 · 7
迈向利用三维基础模型重建地理多样性的建筑
Towards Reconstructing Geographically Diverse Architecture with 3D Foundation Models
论文提出 ArchWorld 建筑地标三维基准，覆盖较广地理区域并包含丰富元数据，用于分析单次前馈三维基础模型在建筑场景结构估计中的不足。研究发现模型误差受数据表示和场景规模影响，也受地区建筑特征与背景干扰影响；作者进一步提出干预方案，报告其可提升三维基础模型性能并减小地理区域间差异。摘要未说明具体 Gaussian 或城市生成表示。
关注理由 论文直接面向建筑地标的三维结构重建，提出具有地理覆盖和建筑元数据的基准并分析建筑区域差异；虽未明确使用 Gaussian 表示，但属于建筑场景三维重建与城市建筑数据支撑。
HilbertGen-3D：面向拓扑感知三维生成的 Hilbert–多重分形条件
HilbertGen-3D:Hilbert--Multifractal Conditioning for Topology-Aware 3D Generation
针对点云生成方法偏重局部体素或局部块特征、难以建模全局结构的问题，论文提出 Hilbert-Multifractal Conditioning，通过三维 Hilbert 曲线序列化多尺度体素度量，估计广义分形维度，并将全局嵌入和多尺度 token 注入扩散去噪器。在 ShapeNet 的 Chair、Airplane 和 Car 类别上，作者报告 1-NNA 偏离 50% 的绝对误差最多降低 8.90 个百分点，覆盖率最多提升 5.88 个百分点。
关注理由 论文研究可扩展的三维点云生成与全局结构条件控制，属于城市生成可借鉴的通用三维场景生成支撑技术，但实验对象仅为 ShapeNet 物体类别，未直接涉及城市、建筑或立面。
Scene-Designer：面向智能体3D场景生成的设计智能学习
Scene-Designer: Learning Design Intelligence for Agentic 3D Scene Generation
论文提出智能体框架Scene-Designer，通过设计与批评经验学习场景设计智能。作者构建Scene-OTA-35K和Scene-OTC-15K数据集，分别提供设计纠错和物理有效性、功能正确性、布局连贯性监督，并提出Critic引导的Scene-GRPO以减少试错。摘要报告其在多项场景质量指标和场景批评上优于对比方法，测试时批评引导还能进一步提升生成效果。
关注理由 面向自然语言驱动的完整室内3D场景生成，研究设计决策、错误纠正与布局质量评估；属于通用3D场景生成，可作为程序化场景创建的支撑，但摘要未涉及城市或建筑外部场景。
Structural Affinity：一种连贯的基于控制笼形状设计算法
Structural Affinity: An Algorithm for Coherent Cage-Based Shape Design
论文提出Structural Affinity，用两层控制笼和基于均值坐标预计算的亲和矩阵耦合控制柄运动，使形变更平滑并减少控制笼自交和网格畸变。该方法在机器人形态协同设计、神经形变迁移和机翼优化中进行了评估，作者报告其改善了表面平滑度、控制笼形变一致性和表面粗糙度，并减少对手工结构损失的依赖。
关注理由 研究可控3D几何形变与平滑控制笼参数化，能够直接支撑交互建模、神经形变迁移和程序化几何创建，但摘要未涉及Gaussian表示或城市任务。
Momentum：视频世界模型的持久动态
Momentum: Persistent Dynamics for Video World Models
论文针对视频世界模型中视野外车辆和行人状态丢失的问题，提出 Momentum 两阶段框架。WorldUpdate 通过连接参考摄像机阵列并联合生成视频，形成场景动态记忆；WorldInteract 再利用该记忆生成相机控制视频。作者在 CARLA 生成街景上报告，使用动态记忆使未见场景的一致性较静态图像条件提升 126.2%，同时改善视觉保真度。
关注理由 面向街景视频世界模型，使用多摄像机参考视图维护跨位置与时间的动态场景记忆，属于可扩展户外/城市场景生成的直接支撑方法。
ESC：利用几何约束摆脱二维扩散歧义，实现一致的新视图合成
ESC: Escaping 2D Diffusion Ambiguity with Geometric Constraints for Consistent Novel View Synthesis
论文针对二维扩散模型在大幅相机变化下生成三维不一致新视图的问题，提出联合生成目标图像和深度图的框架。方法以源图像、源深度和目标相机光线为条件，并加入逐像素深度一致性约束，以验证和强化跨视图空间一致性。作者报告其在视觉准确性与空间对齐方面优于现有方法。
关注理由 研究单图条件下大幅视角变化的新视图合成，并通过深度与逐像素几何一致性约束提升三维一致性；虽未使用 Gaussian 表示，但属于三维场景生成与视图一致性的直接支撑方法。
视频世界模型的持久平面记忆
Persistent Planar Memory for Video World Models
论文提出 PPMem，将紧凑的定向平面原语作为视频世界模型的持久三维记忆。模型通过平面预测头和深度令牌融合模块，在生成 RGB 视频的同时预测平面几何，并将其合并后用于后续视频生成。作者在 DL3DV 和 RealEstate10K 上报告，相比既有三维世界模型视频质量更高，并能持续输出度量深度、法向量和可导出平面几何。
关注理由 提出面向室内外场景的持久三维平面记忆，并明确建模墙体、地面和立面；属于可扩展三维场景生成及建筑/城市场景表示的直接支撑，但不是 Gaussian 表示。