Gaussian splatting
PulseAugur coverage of Gaussian splatting — every cluster mentioning Gaussian splatting across labs, papers, and developer communities, ranked by signal.
- used by Gotit.pub 90%
- instance of CatalyzeX 90%
- instance of alphaXiv 70%
- used by alphaXiv 70%
- instance of ScienceCast 70%
- used by ScienceCast 70%
- uses Simultaneous localization and mapping 70%
- competes with Nerf 70%
- instance of Gotit.pub 70%
- used by CatalyzeX 70%
- used by CORE Recommender 70%
- developed Simultaneous localization and mapping 70%
8 天有情绪数据
-
新的GSCV方法利用视频编解码器增强高斯喷涂序列压缩
研究人员开发了一种名为高斯喷涂序列压缩（GSCV）的新方法，该方法利用标准视频编解码器来压缩高斯喷涂（GS）序列。与以往依赖跟踪原始信息的方法不同，GSCV 采用了 Inter-PLAS 技术来提高帧间相关性，即使没有这些跟踪数据。这种方法提高了高比特深度 GS 图像的可压缩性和质量，性能优于现有的 MPEG 视频和基于点云的压缩方法。
-
MoonGS框架使用高斯溅射重建月球表面
研究人员开发了MoonGS，一个新颖的3D高斯溅射框架，用于从稀疏的火星车图像中高质量地重建月球表面。该框架可以在单次前向传播中生成照片般逼真的新视图，无需每场景优化，并集成了先进的视觉基础模型来提取鲁棒的深度特征。MoonGS还结合了语义先验和熵引导重采样策略，以提高准确性和视觉质量，其性能优于现有的前馈NeRF和3DGS方法。
-
OpenSplatGraph 框架通过语义地图和场景图增强机器人感知能力
研究人员开发了 OpenSplatGraph，一个将密集语义地图与 3D 场景图相结合以增强机器人感知能力的新框架。该系统直接从在线基于高斯的语义地图构建持久化场景图，从而实现更强大的以物体为中心的推理和语言引导的定位。在基准测试和机器人实验中的评估表明，OpenSplatGraph 在开放词汇感知和下游任务中具有有效性。
-
新的逆向渲染方法结合了静态和闪光灯光照
研究人员开发了一种新的逆向渲染方法，该方法结合了从随意室内拍摄的静态和闪光灯光照，以恢复几何、材质和光照。该方法使用 GS 锚定的漫射场，一个在光栅化 2DGS 深度查询的哈希编码 MLP，以改进材质分解。该方法在合成和真实室内场景上优于六个近期基线，在漫射颜色、反照率、粗糙度和重新光照方面显示出显著的改进。
-
新方法实现语言引导的3D高斯头像语义编辑
两篇新的研究论文ChromaGS和ManifoldSplat介绍了使用自然语言对3D高斯头像进行语义编辑的方法。ChromaGS通过为高斯图元增加语义区域分配来实现实时颜色编辑，允许用户在不重新训练的情况下修改颜色。ManifoldSplat通过在FLAME流形内操作来解决形状编辑问题，以保持身份和动画，使用解耦的CVAE来处理形状差异，并实现快速重建和编辑时间。
-
FactorSplat 通过外观控制增强医学体绘制
研究人员推出了一种新颖的医学体绘制方法 FactorSplat，该方法增强了外观控制。与将单一传递函数烘焙到渲染代理中的先前方法不同，FactorSplat 允许在推理时应用特定区域的强度到 RGBA 曲线。该方法利用共享函数编码器和低秩因子来学习残差外观，而几何和方向外观则在不同的预设之间共享。FactorSplat 在 CT 和 MR 扫描上展示了优于现有方法的性能，在各种编辑场景下，在 PSNR 方面取得了显著的提高，并减少了更…
-
新研究通过改进的语义和效率推进3D高斯泼溅技术 · 跟踪6个来源
多篇研究论文正在探索3D高斯泼溅（3DGS）技术的进步。其中一篇论文介绍了一种训练后方法，通过分离检测器、提升过程和表示转换中的错误来改进语义提升。另一篇论文提出了DensiTok，一个用于密集化内部几何标记的模块，使前馈3DGS模型能够更有效地处理稀疏视图。此外，一种新方法侧重于3DGS的场景无关、以对象为中心的表示学习，旨在实现更好的泛化。最后，正在进行关于具有体积次表面散射的可重照3DGS的研究，以及通过多分辨率层次结构实现实时…
-
新的仿射对齐图集改进了视频的高斯渲染
研究人员开发了一种用于视频表示中构建规范高斯的新方法，称为仿射对齐图集。该方法旨在提高视频高斯渲染的效率和质量，特别是对于具有显著全局运动（如相机移动）的视频。通过在规范高斯构建之前将逐帧仿射变换纳入更大的图集空间，该方法减少了规范表示与目标帧之间的错位，从而减轻了时间变形模型的负担。仿射对齐图集可以集成到现有的基于高斯的方法中，只需极少的额外参数成本，并在实验中显示出改进的重建质量。
-
新的OC-GS技术增强了从不规则捕获中进行3D对象重建
研究人员开发了OC-GS，一种新颖的以对象为中心的高斯喷涂技术，旨在改进从不规则转盘捕获中进行3D对象重建。该方法在保持共享相机和旋转轴的同时优化每张图像的角度，从而优化稀疏、不规则视图的几何形状和角度。OC-GS在合成和真实世界捕获的峰值信噪比（PSNR）得分上均显著优于现有的无姿态高斯喷涂基线。
-
SVRecon框架实现高分辨率神经表面重建
研究人员推出了一种新颖的可泛化神经表面重建框架——稀疏体素重建（SVRecon）。该方法通过采用学习到的由占用驱动的稀疏性来解决先前方法的内存限制，从而可以在标准硬件上实现高分辨率重建。SVRecon采用两阶段架构，首先识别包含表面的体素，然后在这些占用区域内进行渲染，从而实现更精细的细节和更平滑的表面，尤其是在稀疏视图场景下。
-
新的HLC-GS方法改进了卫星影像DSM重建
研究人员开发了HLC-GS，一种使用3D高斯泼溅从光学卫星影像重建数字表面模型（DSM）的新方法。该新方法解决了现有3DGS技术中可能出现的高度层混合和非物理高程问题。HLC-GS结合了风险图引导和可靠性校正模块以提高精度，在MAE、RMSE和PAG$_{2.5}$指标方面优于其他六种最先进的方法，并显示出优于EOGS方法的改进。
-
新的基准和方法推动AI的3D场景理解能力 · 跟踪3 个来源
三篇新研究论文介绍了用于改进AI中3D场景理解的新基准和方法。SceneBench 提供了一个具有详细注释的分层数据集，用于评估视觉语言模型在空间推理方面的能力。Spheriverse 提供了一个大规模的球形观测数据集，并引入了 SphereOcc 框架，以弥合球形和笛卡尔表示之间的差距，从而更好地进行语义占用预测。PointPiT 提出了一种用于3D点云基础模型的参数高效微调技术，可在显著降低计算成本的同时实现有效的场景级理解。
-
ECCV 2026 聚焦 AI 预测与行动能力的转变 · 追踪 1 个来源
ECCV 2026 会议将显著增加对世界模型（World Models）和具身人工智能（Embodied AI）的研究，设有 13 个相关研讨会，这标志着人工智能正从理解世界转向预测和行动。这一转变的驱动力在于生成式 AI 的进步使得世界预测能力得到提升，以及机器人和自主系统对新学习范式日益增长的需求。关键讨论将围绕构建、评估和将这些模型整合到可操作的系统中，中国研究人员正积极参与定义边界、建立评估指标以及在真实机器人上部署模型。
-
FrameTwin框架使用高斯对齐实现自适应3D打印
研究人员开发了FrameTwin，一个用于自适应线框3D打印的新型框架。该系统利用稀疏视图图像和曲线锚定高斯核来捕捉和建模打印过程中细线框结构的变形。通过采用可微分渲染管线，FrameTwin估计一个神经变形场，将部分打印的模型与观察到的结构对齐，从而能够实时调整未来的打印轨迹，以提高准确性和一致性。
-
新的SLAM系统集成语义理解以应对动态环境
研究人员开发了RoSe-SLAM，一个新颖的同时定位与地图构建（SLAM）系统，旨在克服传统方法在动态环境中的局限性。通过集成来自2D基础模型的语义理解，RoSe-SLAM提高了相机跟踪和几何重建的准确性。该系统利用时空运动掩码来区分静态背景和动态物体，并采用感知遮挡的关键帧选择机制来提高地图构建质量。在基准数据集上的实验表明，RoSe-SLAM的性能优于现有的动态RGB SLAM基线。
-
新的AI方法通过多视图一致性和LLM集成增强3D场景编辑 · 跟踪6个来源
研究人员正在开发新的方法，以提高AI在3D场景编辑中的一致性和准确性。一种名为“Correspondence Guidance的3D一致性多视图编辑”的方法，专注于确保编辑后不同视图中的对应点保持一致，从而改进NeRF和高斯溅射模型等表示的结果。另一种名为“Chat-Edit-3D++”的方法，通过将2D编辑与3D重建分离，利用大型语言模型实现3D和4D场景的交互式、对话驱动编辑。此外，“DEER-3D”使用一个错误驱动的框架，通过有…
-
NeRF方法在沉浸式教育3D重建领域领先 · 跟踪2个来源
一项最新研究比较了四种3D重建方法——摄影测量法、基于NeRF的方法、高斯溅射法和LiDAR——用于为教育目的创建实验室对象的逼真全息表示。基于NeRF的方法表现出卓越的性能，尤其是在处理透明或反光物体时，并且通常比纹理更准确地再现形状和颜色。该研究概述了一个实用的工作流程，用于开发沉浸式学习对象，以增强增强现实和混合现实教育环境中的空间推理和参与度。
-
新的PAGS框架通过速度自适应改进光声断层成像
研究人员开发了PAGS，一种用于光声计算机断层成像（PACT）的新型框架，解决了未知声速异质性的挑战。该方法使用声速自适应高斯泼溅实现盲自动对焦，用稀疏高斯光声源表示初始压力场。PAGS直接从测量数据更新源参数和声速场，无需校准的声速先验，并展示了重建清晰度和计算效率的提高。
-
新的高斯泼溅表示将物理学整合到神经算子中
研究人员开发了一种新颖的方法，将物理定律整合到神经算子模型中，以求解偏微分方程（PDE）。该方法使用前馈高斯泼溅表示来连接解场和控制算子，从而允许将物理 PDE 算子直接整合到学习到的演化映射中。在二维和三维 PDE 系统（包括平流、扩散和反应动力学）上的评估表明，与纯粹的数据驱动基线相比，预测误差显著降低，频谱保真度得到提高，即使物理方程仅部分已知。
-
FixAnything模型利用视频生成先验精炼3D渲染伪影
研究人员开发了FixAnything，一个旨在精炼3D渲染并修复高斯喷溅和NeRF等各种表示中的伪影的新模型。该模型重新利用了预训练的视频生成模型，将渲染清理视为一个视频到视频的转换任务。通过使用二值掩码来识别干净像素，并采用直接偏好优化（Direct Preference Optimization）以及相机姿态准确性作为奖励信号，FixAnything只需极少的微调即可实现3D一致的结果，提供了一个可以替代多个专业精炼管线的通用解决方案。