H-2DGS:用于清晰且可变形神经外科表面重建的高度场高斯泼溅技术
H-2DGS 提出一种三阶段管道,将受限视野下的光真实感皮层重建与全脑 MRI 及扩散纤维束路径融合。该方法在五个真实神经外科手术案例中实现了低多视图深度不一致性、7.97MB 紧凑表示以及每帧 29--42ms 的交互式渲染。其生成的清晰可变形表面能明确整合纤维束追踪与解剖结构,有效支持术后对齐任务。
H-2DGS 提出一种三阶段管道,将受限视野下的光真实感皮层重建与全脑 MRI 及扩散纤维束路径融合。该方法在五个真实神经外科手术案例中实现了低多视图深度不一致性、7.97MB 紧凑表示以及每帧 29--42ms 的交互式渲染。其生成的清晰可变形表面能明确整合纤维束追踪与解剖结构,有效支持术后对齐任务。
FlexPart 是一个统一的图像到 3D 部件生成框架,通过门控自适应调制融合稀疏点到密集掩码等异构输入。在 PartVerseXL 数据集上,该模型将 Part CD 相对 TripoSG + SAM3D 降低 16.6%,相对 OmniPart 降低 10.5%。代码已开源,论文已被 NeurIPS 2026 接收。
针对单图 3D 生成在真实世界图像上因光照不均、模糊和遮挡导致效果下降的问题,该研究提出 Gate3DGen 模型。该模型作为预处理模块接入现有 3D 生成器而无需重训,通过退化感知路由跳过清洁输入并提取特征引导净化,利用合成数据引擎构建配对监督以优化空间损失从而保留物体身份与纹理线索。
论文提出 OmniRay 模型,通过单调径向基底、球谐残差和自由形式残差的组合表示射线场,实现无需相机参数的单目 3D 重建。实验表明该方法在不同相机配置下达到新的最先进水平。材料为 arXiv 预印本,未提及同行评审状态或开源代码链接。
推荐理由:该工作提出分层射线场架构,解决针孔与广角相机几何差异问题,为单目无相机参数重建提供新基线。
HiP3R 提出分层姿态图方法,先优化块级 Sim(3) 图确立全局布局与尺度,再固定布局估计每帧共享 SE(3) 相机以统一轨迹。该方法无需额外训练或微调即可适配基于块和流式后端,在多个基准测试中显著提升了相机轨迹与三维重建效果。代码已公开于指定 URL。
该论文提出 F2G-Pose 框架,旨在解决无需实例特定 CAD 模型或参考视图的类别级 RGB-D 物体位姿估计难题。该方法通过单次前向传播预测类别级位姿、度量尺寸及相机坐标系下的完整形状,利用 DGCNN 编码局部几何并集成专家混合 Transformer。
推荐理由:该工作提出 F2G-Pose 框架,在无需实例 CAD 模型下实现类别级物体位姿估计与形状补全,代码与预训练模型已开源。
Squaring-the-Sphere 提出 CubeAtlas 新表示法,将立方体图面展开为单画布以保留几何并支持扩散 Transformer 单次生成。该方法引入布局感知稀疏注意力掩码降低计算量,配合免训练超分与融合方案提升细节质量。实验表明其在基准测试中优于现有方法,在几何保真度、跨视图一致性及高分辨率视觉质量上取得更好效果。
该工作利用 PI-CAI、FastMRI Prostate 和 PROSTATEx 数据集训练了五种配置,验证了通过解剖掩码生成完整前列腺双参数 MRI 的可行性。联合合成在保持分布保真度的同时生成了全模态图像,且直接合成的 ADC 和高 b 值 DWI 优于从合成扩散加权图像推导的结果。研究展示了该框架缓解深度学习应用中大样本代表性数据集稀缺问题的潜力。
该预印本论文提出一种在线可修正的语义映射框架,利用多视图时序证据持续更新物体表示的点级置信度,结合跟踪与重识别保持实例身份。实验显示在 Replica 和 ScanNet 数据集上分别提升 3.46% 和 2.55% 的映射精度,并在动态环境与感知噪声下表现鲁棒,支持物体导航与具身问答任务的成功率分别为 82.4% 和 76.7%。
MixPT 是一种点云 Transformer,通过交错排列的窗口和全局注意力块平衡计算成本与场景级交互。在室内外基准测试中,该模型相比代表性基线实现了具有竞争力的精度及更低延迟。研究还验证了通过重复交错模式在深度方向扩展注意力阶段的可行性。
MVLoMa 是一种稀疏星图匹配器,将 LoMa 从图像对扩展至多视图场景。该方法首先利用冻结的多视图几何模型联合描述星图中的所有图像,然后将生成的跨视图几何上下文注入局部描述符。
RecallGS 提出一种轻量级、免训练机制,利用历史观测作为非参数先验解决在线语义 3DGS 缺失几何上下文问题。该方法在 ScanNet 和 ScanNet++ 数据集上实现 2.48 FPS 推理速度,验证了无需额外学习分支即可有效恢复几何 - 语义背景。
针对辅助结肠镜检查中实时息肉分割面临的高延迟预算难题,本文提出了轻量级帧补偿器(LFC),这是一个 7.7 万参数的即插即用模块。该模块在冻结的分割骨干网络前运行,利用时空注意力机制融合三帧窗口内的连续图像以生成单张补偿帧,且仅使用不同种子模型生成的伪标签进行训练,无需专家标注。
MoRSe 通过联合解析两帧图像直接预测移动区域掩码,无需光流或点跟踪即可在相机运动下区分真实场景运动与视差。该方法在包含静态、动静混合及动态设置的 MoRSe-5K 基准(42 序列)上表现优于专用分割方法与带运动阈值的密集 4D 重建方法。项目页面提供视频演示,代码与权重暂未提及开放许可。
针对投影式方法在特征提取中存在的几何信息丢失及空间关系建模不足问题,论文提出 RaSFNet 架构。该方法通过射线对齐几何分布编码模块刻画视锥内点云分布,利用扫描拓扑感知的 Mamba 块捕捉长程依赖,并引入范围约束的点 - 视锥融合机制以维持空间对应性。在 SemanticKITTI 和 nuScenes 验证集上分别取得 70.2% 和 77.7% 的 mIoU 分数。
针对现有无磁强计惯性测量单元(IMU)方法依赖预校准传感器位置或特定关节模型的问题,本文提出一种扩展卡尔曼滤波框架,能同时估计相对 IMU 姿态与传感器位置,无需离线校准或全局方位锚点。
针对无约束视频中的面部表情识别问题,该研究提出 GM-GReFEL 模型,采用 Modulated GroupMamba 骨干网络将计算复杂度从二次方降至线性,并引入 GReFEL 可靠性模块利用可训练几何锚点提升不确定区域的判断。实验显示其在 DFEW 和 MAFW 数据集上达到 SOTA 水平,且延迟接近 ViT-B/16 基线。代码已开源。
推荐理由:该工作提出几何引导的状态空间网络,以线性复杂度替代自注意力机制并引入可靠性模块,在 DFEW 等基准上表现优异。
Pos4CHD 提出了一种仅利用正常样本即可生成高质量伪阳性数据的无监督框架,解决了胎儿先心病数据稀缺难题。该方法在自建数据集上实现了 -12.97 FID 和 +3.96% DSC 的图像质量指标,并在零样本分类任务中分别达到 EbA 93.25% ACC 与 TAPVC 72.92% ACC。代码与模型已开源至 GitHub,相关论文正提交至 IEEE TMI 审稿中。
arXiv 论文 DRAFT 首次提出仅凭脑电信号与相机轨迹重建未见过的室内场景三维布局的任务,解决了视觉信号快速变化与 fMRI 信号模糊的时间不匹配问题。方法从初级视皮层提取紧凑的布局表示并与相机运动导出的几何自由空间融合。
针对医学图像分割在小样本场景下性能下降的问题,作者提出 DPIF 通用双路径交互框架。该框架兼容任意编码器 - 解码器网络,利用跨视图解剖互补性减少标注依赖。方法包括基于 Sinkhorn 最优传输的跨视图分布对齐、条件互信息引导的特征解耦以及基于持久同调的拓扑正则化。
推荐理由:提出通用双路径交互框架,通过拓扑正则化缓解小样本依赖,在心脏超声等数据稀缺场景下实现多视图分割性能提升。
针对计算机辅助设计(CAD)中离散拓扑连接与精确空间几何的建模难题,本文提出 GraphCAD 框架。该框架基于新颖的边邻接图(EAG)表示,采用混合图扩散公式联合建模离散与连续分量,并引入几何感知去噪机制将节点属性转化为空间点集,利用 SE(3) 等变骨干网络将其融合以锚定物理几何。
论文提出一种在查询时校准 CLIP 特征的方法用于开放词汇三维分割。该方法通过从视觉特征和文本原型中减去共享场景方向,并使用固定通用词表对文本原型进行白化处理,从而缓解场景特定特征分布的方向集中问题。实验显示,该方法无需重训练、重新编码源图像或重新提升特征,在七个提升方法和四个数据集上均提升了多类与单查询分割的平均交并比(mIoU)。
论文提出 WovenAnchor Matcher(WAM),一种基于角色专业化上下文聚合的半稠密特征匹配框架。该方法引入两个互补算子:WovenMamba 通过水平随后垂直的状态空间传播实现图像内聚合,保留二维依赖结构;AnchorCrossAttention 利用交叉注意力从跨图像的合理对应区域收集上下文信息。
论文 GSHeadRelight 针对人像摄影、VR/AR 等应用中的人像重光照与新颖视角合成任务,提出基于生成式3D高斯的解决方案。该方法采用统一的神经辐射传输表示构建线性响应入射光的照明模型,仅需野外图像即可实现优于现有工作的重光照效果,且渲染速度较以往3D感知人像重光照研究提升12倍。材料为预印本论文,未涉及真实机器人部署或硬件发布。
推荐理由:原文提出基于生成式3D高斯的快速重光照方法,在野外图像上实现优于现有工作的效果且渲染速度提升12倍。
该研究针对多智能体体育场景,利用融合轨迹与姿态的社会时序编码器及关节损失重加权机制,在 WorldPose 和 3DPW 数据集上显著提升了姿态预测精度。通过采用非重叠协议与确定性无预言家策略进行公平评估,该方法证明了其联合公式能泛化至密集交互场景。论文已提交至 WACV 2027,代码与权重暂未开放。
MoRE 提出了一种结合轴分类与 Plücker 系数坐标对齐的关节属性编码,通过可微期望将属性重建与其诱导的运动耦合。该方法在 PartNet-Mobility 和 ACD 数据集上展现了优于基线的部件盒一致性、可动状态几何及视觉相似度,且关节预测误差低于 ArtiLatent。代码与预训练检查点未来将发布。
论文研究如何在动态 4D 场景中通过自然语言对多目标或零目标进行指代分割。作者提出 ReferGaussian 框架,将低层动态高斯转化为持久化、语言可寻址的实体,利用 MLLM 分解查询并执行约束感知定位,无需场景特定的语义优化。
论文介绍 EgoHand,一个针对自摄视频的单体 3D 手部重建模型。该方法构建了包含合成数据、真实视频和多相机动捕的高质量训练语料(1400 万图像),采用 SOMA-Hand 参数化表示并结合 Transformer 编码器处理 2D 手部裁剪,引入相机线索与辅助分支以提升几何一致性与对齐效果。
针对单图 3D 场景重建中细粒度几何与资产质量不足的问题,本文提出 Easy-3Dfy 工作流,将对象生成与场景布局估计解耦,利用 RPF 对齐器建立局部网格与点云间的几何对应以恢复布局。
针对单目内窥镜图像在低纹理、非朗伯表面及移动光源下的几何估计难题,本文提出 ColonAdapter 框架。该方法利用预训练几何先验并通过自监督微调适配临床数据,引入细节恢复模块与几何一致性损失以增强低纹理区域性能与尺度一致性,同时采用置信度加权光度损失提升稳定性。实验表明,无需真值内参即可在姿态估计、单目深度预测及稠密 3D 点云重建任务上达到最先进水平。
该论文全面调研了红外小目标检测领域的深度学习方法,涵盖卷积神经网络、生成对抗网络、Transformer 及图/超图神经网络等建模策略。文章对比了各类模型在关键场景下的表现评估协议,并指出深度学习已超越传统无监督与低秩稀疏分解方法。最后提出了未来研究需关注的几个有前景的方向。
该综述系统梳理了红外小目标检测领域的传统方法,重点涵盖数学模型、机器学习及信号处理模型中的低秩和稀疏分解技术。文章分析了这些方法在地面、空中及海洋监控等场景下的关键适用情况,并提供了相关数据集与库资源。作为系列研究的第一部分,后续将探讨深度学习模型方向。
AxonSynth 是一个无需手动标注真实训练体积即可训练三维轴突分割模型的域随机化合成数据框架。该框架生成具有方向先验的合成轴突标签,并通过随机化的密度、对比度、偏置场、模糊和噪声进行渲染。
论文提出 NormLift 框架,无需训练即可将 2D 语义特征映射到 3D 高斯泼溅模型中。作者从 3D 视角重新审视特征提升过程,将其建模为 CLIP 单位球上的余弦对齐问题,证明 L2 归一化后的反向投影特征是闭式解。
推荐理由:该文提出 NormLift,从 3D 视角重新解释特征提升机制,利用特征范数量化语义可靠性并指导模式投票修正漂移方向。
作者发布了一个在活跃建筑工地采集的高质量数据集,包含三十条视觉惯性序列,覆盖十层楼及八个月周期。数据涵盖变光、移动人员等真实挑战,并附带高质激光雷达惯性系统的真值轨迹。材料还报告了开放挑战赛结果,显示 SLAM 任务参与度显著高于平面图定位,旨在推动该领域研究。
论文提出了一种名为 SLASH 的被动式光学攻击方法,利用镜头或保护盖上的微小划痕在特定光照条件下产生结构化伪影,从而系统性扭曲深度线索。研究在 nuScenes 数据集及真实物理实验中验证了该方法对单目深度估计和 3D 目标检测模型的显著影响,导致车辆距离估算误差高达 32% 至 36%,揭示了硬件缺陷作为潜在触发式对抗机制的新风险。
SpineContextResUNet 是一种专为资源受限环境设计的轻量级 3D 残差 U-Net,通过并行多膨胀卷积捕捉长程解剖依赖。在 VerSe2020 和 CTSpine1K 基准测试中,该模型分别达到 88.17% 和 88.13% 的 Dice 分数,且能在 Intel Core i5/8GB RAM 等边缘设备上稳健运行。
针对 Visual Geometry Grounded Transformer (VGGT) 在多任务(深度估计、相机位姿预测、点云重建)下量化误差敏感性不均的问题,提出基于对角 Fisher 信息矩阵的量化方法 FGQ。
Iterative Gaussian Synopsis 提出一种针对 3D Gaussian Splatting 的自顶向下“展开”框架,利用自适应可学习掩码剪枝构建多级层次结构以消除冗余。该方法结合分层空间网格与共享锚点代码本,在带宽和内存受限场景下实现了高效的渐进式渲染与显著存储压缩。实验表明该方案在所有细节层级均维持高渲染质量,具备实用性与可扩展性。
针对三维点云场景分割中训练场景少、标注稀疏且缺乏重建用二维图像的三重数据不足问题,论文提出 PLOVIS 框架。该方法利用开放词汇图像分割模型从训练点云直接生成二维图像以创建伪标签,并通过两阶段过滤与类别平衡内存库提升质量。