3D 视觉与重建

x^2-Fusion：事件边缘空间中的跨模态与跨维度流估计

x^2-Fusion: Cross-Modality and Cross-Dimension Flow Estimation in Event Edge Space

把事件相机输出的时空边缘当作统一的潜空间锚点，让图像与激光雷达特征显式对齐到同一表示，再做可靠性感知的自适应融合；这套「以事件边缘场为共享潜空间」的思路可直接迁移到其他多传感器融合任务（如深度补全、BEV 感知），跨维度对比学习也可用于耦合 2D 与 3D 运动估计。

tttLRM：面向长上下文与自回归三维重建的测试时训练

tttLRM: Test-Time Training for Long Context and Autoregressive 3D Reconstruction

把多视角观测压缩进 TTT 层的快速权重作为隐式三维表示，再解码为高斯泼溅，为长序列/流式输入的三维重建提供线性复杂度方案；其「新视角合成预训练迁移到显式三维建模」的结论对做前馈三维重建的读者有直接参考价值。

mmWaveFlow：毫米波人体点云的统一增强与生成

mmWaveFlow: Unified Enhancement and Generation of mmWave Human Point Clouds

提出可逆的流匹配框架，在稠密与稀疏毫米波点云之间建立双向传输，并用跨模态潜变量对齐与原点感知流匹配缓解潜路径交叉，为稀疏点云增强与生成提供可复用范式。

iSplat：面向细粒度高斯泼溅的迭代学习

iSplat: Iterative Learning for Fine-Grained Gaussian Splatting

把单次前馈高斯泼溅重建改成 3 次循环的 GRU 迭代优化器，配合基于不确定性的深度搜索空间收缩，可在不增加参数量的前提下显著提升跨数据集新视角合成的泛化；做前馈 3DGS 或深度先验融合的工作可直接借鉴该迭代精化范式。

iLRM：迭代式大型三维重建模型

iLRM: An Iterative Large 3D Reconstruction Model

把多视图全局注意力拆成两阶段注意力、并把场景表示与输入图像解耦，是让前馈 3DGS 重建在视图数与分辨率增大时仍可扩展的通用手段，可直接迁移到任何多视图 Transformer 重建或新视角合成管线。

eRetinexGS：通过事件流与 3D 高斯泼溅进行 Retinex 建模的低光照场景增强

eRetinexGS: Retinex Modeling for Low-Light Scene Enhancement via Event Streams and 3D Gaussian Splatting

把 Retinex 的反射率-光照分解嵌入 3DGS 的辐射场优化，并用事件流提供高动态范围几何/光度约束，为低光照新视角合成与场景重建提供了一套可复用的多视图一致性框架。

Zoo3D：场景级零样本 3D 目标检测

Zoo3D: Zero-Shot 3D Object Detection at Scene Level

提出无需训练的零样本 3D 目标检测框架，利用 2D 实例掩码的图聚类构建 3D 包围盒，并通过最佳视角选择与视角一致性掩码生成进行开放词表语义标注，可直接用于点云或图像场景的 3D 感知。

ZipMap：基于测试时训练的线性时间有状态三维重建

ZipMap: Linear-Time Stateful 3D Reconstruction via Test-Time Training

用测试时训练层把整组图像压缩成紧凑的隐场景状态，将多视图前馈重建的二次复杂度降到线性，视觉研究者可直接借鉴这一「有状态前馈」范式处理大规模图像集与实时场景查询。

从单张图像零样本重建具有布料动力学的可动画 3D 化身

Zero-Shot Reconstruction of Animatable 3D Avatars with Cloth Dynamics from a Single Image

提出基于 Transformer 的前馈架构直接预测动态 3D 高斯形变，结合静态到动态的知识迁移与 LoRA 微调，为单图人体化身重建提供可复用的零样本方案；DynaFlow 损失利用光流引导几何线索，可迁移至其他动态重建任务。

基于视觉语言模型的零样本深度补全

Zero-Shot Depth Completion with Vision-Language Model

把稀疏深度以视觉 token、文本提示和文本监督三种方式注入 VLM，使通用视觉语言模型无需改结构即可输出带绝对尺度的稠密深度，为利用 VLM 语义先验做几何感知提供了一条可复用的路径。

面向前馈高斯泼溅的 Z-Order Transformer

Z-Order Transformer for Feed-Forward Gaussian Splatting

将无序高斯点集通过 Z-order 曲线序列化，并用稀疏注意力建模空间与语义关系，为前馈式 3DGS 提供了一种可复用的高效上下文建模与冗余压缩方案。

Yo'City：基于自评论扩展的个性化无边界三维真实感城市场景生成

Yo'City: Personalized and Boundless 3D Realistic City Scene Generation via Self-Critic Expansion

把大模型智能体（全局规划器 + 局部设计器）与等距图像合成、图像到三维生成串联成可无限扩展的城市场景流水线，并用场景图做距离与语义感知的布局优化；对做三维场景生成的人，这是一套可复用的「语言规划→二维等距图→三维资产」分层生成范式与配套评测指标。

XPaintNet：一种无需图像修复网络的极轻量级立体转换框架

XPaintNet: An eXtreme Lightweight Framework for Stereoscopic Conversion without Inpainting Network

提出 Bi-Warp 双向光流与可学习掩码融合的轻量级立体视图合成方法，可复用于需要实时新视图生成且避免图像修复网络的重建或渲染任务。

X 波段雷达非视域成像

X-band Radar Non-Line-of-Sight Imaging

把 NLOS 成像从光学波段搬到 X 波段雷达，利用长波长把漫反射变成准镜面反射，从而突破平方衰减的射程限制；其「学习式稠密预测 + 几何感知重建」的两阶段神经重建框架，可迁移到低分辨率、长波段的深度/几何反演任务。

X-Part：高保真且结构连贯的形状分解与补全

X-Part: High Fidelity And Structure Coherent Shape Decomposition And Completion

把边界框当作部件生成的提示、并注入逐点语义特征来实现语义一致的部件分解，这套「框提示 + 点特征」的条件注入方式可直接迁移到部件级补全、重拓扑与可编辑资产生成流程中。

写在关键处：面向 3D 高斯泼溅的策略引导水印

Write Where It Matters: Policy-Guided Watermarks for 3D Gaussian Splatting

把水印嵌入位置与强度建模为马尔可夫决策过程，用轻量策略网络按即时奖励逐锚点调节梯度尺度；做 3DGS 版权保护或需要在不破坏渲染质量的前提下向高斯参数注入可控扰动时，这套策略引导的逐锚点梯度缩放可直接复用。

WorldGen：从文本到可漫游、可交互的三维世界

WorldGen: From Text to Traversable and Interactive 3D Worlds

把「图像生成器提供外观先验 + 图像到3D模型做整体重建 + 逐实体高分辨率重生成」串成一条可复用的场景生成流水线，对做文本驱动3D场景生成和可导航场景重建的人，提供了一个绕开场景不完整/不一致问题的分解-重生成范式。

WonderZoom：多尺度三维世界生成

WonderZoom: Multi-Scale 3D World Generation

把尺度自适应的 Gaussian surfels 与渐进式细节合成器结合，让单张图像可以自回归地「放大」出跨尺度的三维内容，为单图三维场景生成与实时渲染提供了一条可复用的多尺度表示思路。

WildRayZer：动态环境中的自监督大视角合成

WildRayZer: Self-supervised Large View Synthesis in Dynamic Environments

用「仅相机的静态渲染器 + 残差」做分析-合成测试，从残差自动生成伪运动掩码并蒸馏运动估计器，再以掩码 token 与门控损失梯度把监督聚焦到跨视角背景补全——这套「静态解释不了的就是瞬态」的自监督信号构造方式，可直接迁移到动态场景重建、稀疏视角 NVS 与动态 SLAM 中的运动分割。

WildPose：面向野外鲁棒姿态估计的统一框架

WildPose: A Unified Framework for Robust Pose Estimation in the Wild

把冻结的 MASt3R 特征骨干网络接入可微 BA 的 3D-aware 更新算子，并用同一骨干的多层级特征训练运动掩码检测器，为动态场景下的单目相机定位提供了一条可复用的「前馈感知前端 + 端到端优化」路线。

WildCap：通过混合逆向渲染实现野外环境下的人脸反照率捕捉

WildCap: Facial Albedo Capture in the Wild via Hybrid Inverse Rendering

提出混合逆向渲染框架：先用数据驱动方法（SwitchLight）把野外图像转成受约束条件，再用基于模型的逆向渲染；并用 texel grid 光照模型把网络预测的非物理伪影（如阴影烘焙）解释为局部物理光照下的干净反照率，配合扩散先验联合优化以消解局部光照与反照率的尺度歧义。这套「数据驱动预处理 + 物理逆向渲染 + 生成先验正则」的思路可迁移到其他本征分解与材质估计任务。

WeatherCity：可控多天气变换的城市场景重建

WeatherCity: Urban Scene Reconstruction with Controllable Multi-Weather Transformation

把天气编辑从图像级搬到 4D 高斯场景级：用共享场景特征加天气专属解码器构造天气高斯表示，并用内容一致性优化保证跨天气几何一致，可直接用于自动驾驶闭环仿真中的多天气数据合成。

小波驱动的姿态无关与稀疏视角下的3D异常检测

Wavelet-Driven 3D Anomaly Detection under Pose-Agnostic and Sparse-View

针对稀疏视角下3D异常检测，提出小波驱动的高斯建模与姿态估计方法，利用高频监督恢复几何细节、低频结构增强姿态初始化，为稀疏观测下的3D重建与定位提供可复用思路。

Wave-Former：基于无线形状补全的穿透遮挡三维重建

Wave-Former: Through-Occlusion 3D Reconstruction via Wireless Shape Completion

把视觉中的形状补全范式迁移到毫米波点云上，用三阶段流水线（候选表面生成→Transformer 补全→熵引导选择）解决穿透遮挡后的稀疏高噪点云补全问题；其纯合成训练、真实数据泛化的设定，对做稀疏/噪声点云补全和跨域泛化的视觉研究者有直接借鉴价值。

Voxify3D：像素艺术遇上体渲染

Voxify3D: Pixel Art Meets Volumetric Rendering

提出正交像素艺术监督与可微 Gumbel-Softmax 量化，将 3D 网格优化与 2D 像素艺术监督桥接，为离散颜色空间下的可微优化和风格化体素生成提供可复用技术。

体函数映射

Volumetric Functional Maps

把 functional maps 从曲面推广到体 Laplace 算子的特征函数空间，为体数据（四面体网格、医学体）之间的对应与信号迁移提供了可复用的谱域工具；做形状匹配时引入体谱还能提升纯曲面谱方法的精度。

Vista4D：基于 4D 点云的视频重拍摄

Vista4D: Video Reshooting with 4D Point Clouds

把输入视频与目标相机统一锚定在 4D 点云表示上，用静态像素分割 + 4D 重建显式保留已见内容并提供稠密相机信号，再用重建的多视角动态数据训练以抵抗真实点云伪影——这套「4D 点云作为中间表示 + 合成数据增强鲁棒性」的思路可直接迁移到新视角合成、动态场景编辑与视频重渲染任务。

Vinedresser3D：迈向智能体式文本引导 3D 编辑

Vinedresser3D: Towards Agentic Text-guided 3D Editing

把 3D 编辑搬到原生 3D 生成模型的潜空间里做，用 MLLM 做编辑意图解析与区域定位、再用 inversion-based rectified-flow 图像修复提供视觉引导，这条「语言代理 + 2D 引导 + 3D 潜空间修复」的流水线可直接迁移到 3D 资产编辑与可控 3D 生成任务。

Video2Robo：基于 3DGS 的单视频合成数据实现可扩展机器人学习

Video2Robo: 3DGS-based Synthetic Data from One Video Enables Scalable Robot Learning

利用 3DGS 作为可编辑场景表示，从单段人类演示视频中重建场景并显式编辑物体布局、背景、光照和相机视角，生成多样化的机器人操作训练数据，为视觉研究者提供了一种将 3D 重建与数据生成结合的可复用范式。

ViLearn：通过可见性学习加速图像到三维生成的训练收敛

ViLearn: Accelerating Training Convergence of Image-to-3D Generation via Visibility Learning

将 VecSet 词元按可见性分组并设计可见性感知位置编码，为单图三维生成中的扩散模型注入结构先验，可显著加速收敛；该思路可迁移到其他基于无序集合表示的三维生成或重建任务。

ViHOI：借助视觉先验的人体-物体交互合成

ViHOI: Human-Object Interaction Synthesis with Visual Priors

把大视觉语言模型的多层特征经 Q-Former 适配器压缩成先验 token，作为扩散生成 3D 人体-物体交互运动的条件；视觉研究者可复用这套「VLM 特征→紧凑先验→条件生成」的跨模态条件注入范式，并用文生图合成参考图提升对未见物体的泛化。

Velox：学习 4D 几何与外观的表征

Velox: Learning Representations of 4D Geometry and Appearance

把无序动态点云压缩成一组动态 token，并用 4D 表面解码器与高斯解码器双监督，为视频到 4D 生成、3D 跟踪等任务提供可复用的紧凑 4D 潜变量表示；做动态场景重建或 4D 生成时可直接借用该编码器-双解码器范式。

基于变分的图法向积分

Variational Graph-based Normal Integration

把法向积分从规则网格推广到非结构化点集，用有向加权图 + 双分量高斯混合后验显式建模深度不连续，可直接用于散乱点云/稀疏采样的表面重建与深度补全。

VarSplat：面向鲁棒 RGB-D SLAM 的不确定性感知三维高斯泼溅

VarSplat: Uncertainty-aware 3D Gaussian Splatting for Robust RGB-D SLAM

把每个高斯球的外观方差作为可学习量，并用全方差定律配合 alpha 合成，在单次光栅化中渲染出逐像素不确定性图；这张图可直接用于跟踪、子图配准与回环检测的加权，是做 3DGS-SLAM 或任何需要衡量重建置信度的人可以复用的手段。

VLM-Loc：基于视觉语言模型的点云地图定位

VLM-Loc: Localization in Point Cloud Maps via Vision-Language Models

将点云转为BEV图像和场景图，利用VLM的跨模态推理能力实现文本到点云的定位，为3D场景理解提供可解释的空间推理新范式。

面向扩散式人体网格恢复的 VLM 引导组偏好对齐

VLM-Guided Group Preference Alignment for Diffusion-based Human Mesh Recovery

把 VLM 驱动的自反思评审智能体产出的细粒度质量分数，转成组间偏好数据用于微调扩散式 HMR，可直接迁移到其他一对多歧义的三维/生成任务（如姿态、深度、新视角合成）做偏好对齐后训练。

VIAFormer：用于高保真体素细化的体素-图像对齐 Transformer

VIAFormer: Voxel-Image Alignment Transformer for High-Fidelity Voxel Refinement

把标定多视图图像作为条件来修复不完整噪声体素，其 Image Index 为 2D 图像 token 注入显式 3D 空间定位、Correctional Flow 直接学习体素细化轨迹，可作为视觉基础模型输出（如单目/多视图重建体素）的后处理精修模块复用。

VGGT-Ω

VGGT-Ω

用单一密集预测头加多任务监督替代高分辨率卷积层与全局注意力，并以场景 token 做特征聚合，这套架构与自监督训练协议可直接迁移到其他前馈三维重建或位姿估计模型的规模化训练中。

VGGT-Det：挖掘 VGGT 内部先验实现无传感器几何的多视图室内三维目标检测

VGGT-Det: Mining VGGT Internal Priors for Sensor-Geometry-Free Multi-View Indoor 3D Object Detection

将 VGGT 编码器内部注意力图作为语义先验初始化目标查询、并用可学习 See-Query 跨层聚合几何特征，为无相机位姿条件下的多视图三维检测提供了可复用的查询生成与特征聚合范式。

VGGT-360：几何一致的零样本全景深度估计

VGGT-360: Geometry-Consistent Zero-Shot Panoramic Depth Estimation

把 VGGT 这类多视图三维重建基础模型当作零样本深度估计的几何引擎，通过全景重投影把逐视图推理统一成一致的三维理解；其中不确定性引导的自适应投影切片与注意力结构显著性增强，可直接迁移到其他需要弥合域差距（如鱼眼、全景、广角）的视觉任务。

VGG-T$^3$：大规模离线前馈三维重建

VGG-T$^3$: Offline Feed-Forward 3D Reconstruction at Scale

用测试时训练把随视角数增长的 KV 场景表示蒸馏进固定大小的 MLP，使前馈式多视图重建的复杂度从二次降为线性，可直接用于大规模图像集的三维重建与基于场景表示的视觉定位。

VGA：以视觉几何对齐赋能空地定位

VGA: Empowering Aerial-Ground Localization by Visual Geometry Alignment

把单目透视场推断出的重力对齐先验与 BEV 平面上的 Procrustes 对齐结合，可在未标定、超大基线与小重叠条件下估计 6DoF 相对相机姿态，为跨视角定位与标定提供可复用的几何先验融合思路。

VAD-GS：面向动态城市场景三维高斯泼溅的可见性感知稠密化

VAD-GS: Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes

针对 3DGS 在无界动态城市场景中初始化点云覆盖不全导致梯度错误传播的问题，用体素级可见性推理筛出不可靠几何、再用多视图立体补出缺失结构来生成新的高斯基元，可直接迁移到自动驾驶场景重建与动态物体建模的稠密化环节。

V-DPM：基于动态点图的四维视频重建

V-DPM: 4D Video Reconstruction with Dynamic Point Maps

把 DUSt3R 的不变点图扩展到视频序列并显式建模每点三维运动，可直接复用于动态场景的前馈式 4D 重建与相机位姿估计；其「在 VGGT 上用少量合成数据适配新表示」的做法，也为把静态预训练重建器迁移到动态设定提供了可复用范式。

Urban-GS：面向紧凑高保真航拍到街景重建的统一3D高斯泼溅框架

Urban-GS: A Unified 3D Gaussian Splatting Framework for Compact and High-Fidelity Aerial-to-Street Reconstruction

针对航拍与街景视角差异极大的联合重建场景，提出自适应稠密化与基于贡献的锚框剪枝，可在保持渲染质量的同时将存储降低41%，为大规模城市级3DGS重建提供了可复用的紧凑化方案。

基于多视图扩散先验的无监督单目三维关键点发现

Unsupervised Monocular 3D Keypoint Discovery from Multi-View Diffusion Priors

把预训练多视图扩散模型当作几何先验来源：用单图生成的多视图图像作为监督信号，并把扩散特征转成显式三维特征体，从而在无标注、无标定多视图的条件下做单目三维关键点估计；这套「扩散先验→三维监督」的流程可迁移到其他缺乏三维标注的物体/人体结构化任务。

Unposed-to-3D：从真实世界图像学习可直接用于仿真的车辆模型

Unposed-to-3D: Learning Simulation-Ready Vehicles from Real-World Images

用相机预测检测头替代已知位姿监督，把可微渲染的光度误差当作自监督信号，使三维重建网络能从无位姿的真实驾驶图像中学习；这套「位姿预测+可微渲染」闭环可直接迁移到其他缺少相机标注的真实数据三维重建任务。

解锁三维视觉几何估计的关键因素之力

Unlocking the Power of Critical Factors for 3D Visual Geometry Estimation

论文通过系统性消融实验揭示了数据多样性、损失函数设计、监督对齐方式等关键因素对前馈三维几何估计的影响，并提出了结合优化方法优势的一致性损失函数和高分辨率架构设计，这些发现和设计可直接用于改进深度估计、相机位姿估计和点云重建等视觉任务。

以2D语义知识解锁3D功能可供性分割

Unlocking 3D Affordance Segmentation with 2D Semantic Knowledge

利用2D视觉基础模型的语义知识，通过跨模态亲和力迁移预训练3D编码器，为点云功能可供性分割提供结构化特征学习方案。

通过由粗到细语言引导的通用三维形状匹配

Universal 3D Shape Matching via Coarse-to-Fine Language Guidance

把类无关三维分割得到的部件与 MLLM/VLM 的文本嵌入对齐，用语言作为跨类别形状的语义桥梁，再以基于排名的对比学习把粗粒度部件匹配细化为稠密对应，可直接迁移到跨类别非等距形状配准、纹理/属性迁移等任务。

统一球面前端：从任意相机学习球面图像的旋转等变表示

Unified Spherical Frontend: Learning Rotation-Equivariant Representations of Spherical Images from Any Camera

USF 提供了一种将任意标定相机图像映射到单位球面并进行球面卷积/池化的通用前端，其仅依赖距离的卷积核实现旋转等变，可替代传统球面 CNN 中的球谐变换，为处理鱼眼、全景等宽视场图像提供高效且镜头无关的表示。

统一图元代理用于结构化形状补全

Unified Primitive Proxies for Structured Shape Completion

将图元（primitive）解码从点云级联中解耦为独立通路，并用可学习查询（primitive proxies）一次性前馈输出几何、语义与内点归属，可直接迁移到点云补全、部件级重建与装配式表面重建流程。

UniTEX：面向三维形状的通用高保真生成式纹理

UniTEX: Universal High Fidelity Generative Texturing for 3D Shapes

用统一的 3D 函数空间直接回归纹理，绕开 UV 映射的拓扑歧义；把表面纹理扩展为连续体积场（Texture Functions）作为训练目标，这一思路可迁移到任何需要稠密 3D 场监督的重建/生成任务。

UniSH：单次前馈中统一场景与人体重建

UniSH: Unifying Scene and Human Reconstruction in a Feed-Forward Pass

提出一种利用无标注真实视频的两阶段训练范式：先在合成数据上学习粗定位，再通过优化 SMPL 网格与人体点云的几何对应关系在真实数据上微调，并蒸馏专家深度模型的高频细节来提升人体表面质量。该思路可直接迁移到其他需要弥合 sim-to-real 差距的 3D 重建任务。

UniPixie：通过流匹配的统一概率三维物理学习

UniPixie: Unified and Probabilistic 3D Physics Learning via Flow Matching

将物理属性预测从确定性点估计重构为连续分布学习，利用流匹配从单张图像生成可控的材质场，并统一适配 MPM、LBS、弹簧-质点等多种物理求解器，为视觉驱动的物理仿真提供了可复用的概率建模范式。

UniPart：基于统一三维几何-分割潜变量的部件级三维生成

UniPart: Part-Level 3D Generation with Unified 3D Geom-Seg Latents

Geom-Seg VecSet 把物体几何与部件级结构编码进统一的潜变量表示，使部件感知在整体几何学习过程中自然涌现，从而无需依赖外部强分割器；做三维生成或部件编辑的工作可以直接复用这一潜变量表示与两阶段潜扩散流程。

UniPR：基于单对立体图像的统一物体级真实到仿真感知与重建

UniPR: Unified Object-level Real-to-Sim Perception and Reconstruction from a Single Stereo Pair

将检测、分割、形状重建与姿态估计统一为单次前向的端到端框架，并借助双目几何约束解决尺度歧义；其 Pose-Aware Shape Representation 把姿态信息编码进形状表示，可作为物体级 real-to-sim 与机器人仿真数据生成的通用范式。

UniDAC：面向任意相机的通用度量深度估计

UniDAC: Universal Metric Depth Estimation for Any Camera

把度量深度解耦为相对深度预测加空间变化的尺度估计，并用相对深度引导的轻量模块把粗尺度图上采样到高分辨率，这一思路可直接迁移到鱼眼、全景等大视场相机的深度模型；RoPE-φ 的纬度感知加权位置编码也为 ERP 畸变建模提供了可复用的做法。

UniCorrn：跨 2D 与 3D 的统一对应 Transformer

UniCorrn: Unified Correspondence Transformer Across 2D and 3D

用共享权重的双流解码器（外观流+位置流）统一 2D-2D、2D-3D、3D-3D 匹配，可直接复用到跨模态特征匹配与点云配准的特征融合与查询式对应估计环节。

Uni3R：基于可泛化高斯泼溅的无位姿多视角图像统一三维重建与语义理解

Uni3R: Unified 3D Reconstruction and Semantic Understanding via Generalizable Gaussian Splatting from Unposed Multi-View Images

提出一种前馈式框架，直接从无位姿多视角图像联合重建带开放词表语义的 3D 高斯表示，可复用于需要同时进行新视角合成与开放词表 3D 语义分割的任务，避免逐场景优化。

地下植物探索：基于点图神经网络的探地雷达非破坏性根系三维评估

Underground Plant Exploration: Non-Destructive 3D Root Assessment with GPR Based on Point Graph Neural Network

将 GPR 多 B-scan 中的双曲回波先验与曲线参数回归结合，得到稀疏三维根切片，再用点图网络加上采样模块补全完整根系；对视觉研究者而言，这是一套从稀疏二维扫描到稠密三维结构的重建范式，可迁移到其他稀疏观测下的三维形状补全任务。

不确定性驱动的各向异性可见性场三维高斯泼溅主动建图

Uncertainty-driven 3D Gaussian Splatting Active Mapping via Anisotropic Visibility Field

把每个高斯的各向异性可见性场用球谐表示并接入贝叶斯不确定性光栅化器，可在 200 FPS 下为合成视角实时输出不确定性，这一模块可直接复用于任何 3DGS 场景的新视角可靠性评估与主动建图的下一最佳视角选择。

Unblur-SLAM：面向模糊输入的稠密神经 SLAM

Unblur-SLAM: Dense Neural SLAM for Blurry Inputs

将前馈去模糊网络与 3DGS 建图耦合：成功去模糊的帧走局部-全局多视图优化与回环，失败帧则用额外模糊网络在 3D 空间显式建模模糊子帧形成过程，为模糊输入下的位姿估计与清晰重建提供了可复用的两阶段设计。

UZ3DVG：基于生成语言条件的无辅助零样本 3D 视觉定位

UZ3DVG: Unaided Zero-Shot 3D Visual Grounding with Generated Language Conditions

用 VLM 离线生成物体级空间伪标签与推理链，再蒸馏到仅吃点云的轻量 3DVG 学生网络，配合 GeoSM 对齐文本推理与 3D 几何；这条「大模型造标签 + 蒸馏 + 推理时零外部依赖」的路线可直接迁移到其他需要空间推理的 3D 任务。

ULF-Loc：面向 3D 高斯泼溅鲁棒视觉定位的无偏地标特征

ULF-Loc: Unbiased Landmark Feature for Robust Visual Localization with 3D Gaussian Splatting

论文揭示了 3DGS 中 alpha-blending 优化会给高斯点特征引入偏差，并提出几何加权特征融合替代有偏的特征优化；对做 3DGS 特征场、2D-3D 匹配定位的工作，这是一个可直接复用的特征学习范式修正。

UIKA：基于无位姿图像的快速通用头部化身

UIKA: Fast Universal Head Avatar from Pose-Free Images

用像素级人脸对应把任意视角、任意表情的输入重投影到与相机位姿和表情无关的 UV 空间，再在屏幕级与 UV 级联合做注意力，为无位姿输入的前馈可动画头部重建提供了可复用的表示与网络设计思路。

UFO：统一前馈与优化方法的大规模驾驶场景建模

UFO: Unifying Feed-Forward and Optimization-based Methods for Large Driving Scene Modeling

把前馈重建与逐场景优化统一成循环式 4D 场景 token 表示，并用可见性过滤把 3D 到像素对应的复杂度从二次降到近线性，可直接迁移到长序列动态场景重建与新视角合成。

UAVLight：无人机场景下光照鲁棒三维重建的基准

UAVLight: A Benchmark for Illumination-Robust 3D Reconstruction in Unmanned Aerial Vehicle (UAV) Scenes

为多视图立体、SfM 与神经渲染方法提供了一个几何与视角固定、仅光照变化的受控评测基准，可用于诊断和缓解光照不一致导致的几何漂移、颜色不一致与阴影烙印问题，并支撑可重光照重建研究。

U4D：面向激光雷达序列的不确定性感知 4D 世界建模

U4D: Uncertainty-Aware 4D World Modeling from LiDAR Sequences

用预训练分割模型输出的空间不确定性图来引导扩散生成，先重建高熵难区再补全其余区域，并配 MoST 块融合时空表征——这套「不确定性引导的由难到易生成」可直接迁移到点云/占据栅格/视频等任何需要时序一致性的生成式世界模型。

Turbo-GS：加速高分辨率辐射场的三维高斯拟合

Turbo-GS: Accelerating 3D Gaussian Fitting for High-Resolution Radiance Fields

针对高分辨率场景下 3DGS 拟合慢的问题，提出稀疏像素渲染（dilated rendering）与收敛感知的预算控制，可直接迁移到任何需要加速高斯泼溅训练或高分辨率辐射场重建的流程中。

跟踪引导的 4D 生成：面向 3D 模型动画的基础跟踪器运动先验

Tracking-Guided 4D Generation: Foundation-Tracker Motion Priors for 3D Model Animation

将基础点跟踪器提取的稠密特征级运动先验注入多视图视频扩散模型的中间特征，并用于 4D-GS 的混合运动编码，为动态 4D 生成提供可复用的时序一致性约束手段。

迈向3D世界中的视觉查询定位

Towards Visual Query Localization in the 3D World

论文提出的3DVQL基准和LaF融合算法为视觉研究者提供了在3D点云与RGB-D数据上进行时空查询定位的新任务设定和可复用的多模态融合模块，可直接用于点云-图像融合的定位与跟踪研究。

TouchDream：通过想象触觉实现三维物体补全

TouchDream: 3D Object Completion through Imagined Touch

把触觉传感当作可生成的模态：以粗点云和采样接触位姿为条件，用扩散模型生成紧凑的触觉潜变量，再将其反投影到 3D 空间来优化几何，为点云补全提供了一条不依赖视觉线索、可复用的细节引导思路。

面向无监督非刚性点云对应的拓扑感知特征传播

Topology-aware Feature Propagation for Unsupervised Non-rigid Point Cloud Correspondence

用拓扑感知的超点特征传播替代基于空间近邻的传播，并用向量量化码本增强特征以抵抗形状差异，可直接迁移到非刚性配准、形变跟踪与点云对应任务的特征提取环节。

TopoMesh：通过拓扑统一实现高保真网格自编码

TopoMesh: High-Fidelity Mesh Autoencoding via Topological Unification

提出将任意网格统一到 Dual Marching Cubes 拓扑框架下，从而在顶点/面级别建立显式对应并施加显式网格监督，可复用于任何需要高保真网格重建或作为 3D 生成 VAE 的工作。

TopoMA：基于分布式推理的拓扑引导多智能体稠密 RGB 三维重建

TopoMA: Topology-Guided Multi-Agent Dense RGB 3D Reconstruction via Distributed Inference

把场景的空间拓扑骨架作为可轻量传输的共享信息，让各智能体只交换拓扑而非稠密地图即可完成跨智能体对齐与子图融合，这一思路可直接迁移到多机器人 SLAM、分布式 NeRF/3DGS 建图等需要低带宽协同的视觉重建场景。

TokenSplat：面向无位姿前馈重建的词元对齐三维高斯泼溅

TokenSplat: Token-aligned 3D Gaussian Splatting for Feed-forward Pose-free Reconstruction

把跨视角语义对应直接放在特征空间里做词元对齐，并用非对称双流解码器把相机词元与图像词元解耦，这套设计可迁移到任何需要从无位姿多视图前馈重建三维表示（高斯/NeRF/点云）的流程中，省去逐场景优化与迭代位姿精化。

TokenHand：面向高效手部网格重建的离散 token 表示

TokenHand: Discrete Token Representation for Efficient Hand Mesh Reconstruction

把 3D 手部网格重建从回归改成对离散 token 的分类，并用预训练解码器从 token 直接还原网格，为视觉研究者提供了一条「离散化 + 分类」替代连续回归、兼顾精度与实时性的可复用思路，可迁移到人体、物体等其他参数化网格重建任务。

TokenGS：用可学习词元将 3D 高斯预测与像素解耦

TokenGS: Decoupling 3D Gaussian Prediction from Pixels with Learnable Tokens

将 3D 高斯预测从像素网格解耦为可学习词元，使前馈 3DGS 重建不再受输入分辨率和视图数限制，并支持在词元空间进行测试时优化，为动态场景重建和场景流估计提供了新思路。

先思考再生成：面向一致性3D生成的结构化思维链推理

Think-Then-Generate: Structural Chain-of-Thought Reasoning for Consistent 3D Generation

把思维链式推理引入文本到3D生成：先用文本语义解析做结构规划，再用多视图渲染结果评估潜变量不一致并多轮迭代修正，可直接迁移到任何基于2D扩散先验的3D生成管线以抑制多视图幻觉。

热成像总是难以驯服：刻画并应对纯热成像新视角合成的挑战

Thermal is Always Wild: Characterizing and Addressing Challenges in Thermal-Only Novel View Synthesis

针对低动态范围与逐帧光度漂移，提出轻量预处理加泼溅管线来扩展可用动态范围并稳定每帧光度，可直接迁移到其他低质量传感器（如事件相机、低光相机）的 NVS 优化中，缓解无 RGB 引导时的 floater 伪影。

度量深度的点石成金

The Midas Touch for Metric Depth

把现成的相对深度预测结果用极稀疏的 3D 点（如 LiDAR 稀疏点、SfM 点）提升为度量深度，分段稀疏图优化加不连续感知测地代价的像素级细化，可直接作为后处理模块接在任意单目深度模型后面，用于需要真实尺度的下游 3D 任务。

TextFM：语言引导的鲁棒半稠密特征匹配

TextFM: Robust Semi-dense Feature Matching with Language Guidance

将视觉语言模型（VLM）的文本嵌入作为实例级查询引入无检测器特征匹配的粗匹配阶段，为视觉特征提供域不变的语义上下文；同时用LoRA微调视觉基础模型并融合光照不变物理先验，提升跨域和极端光照下的匹配鲁棒性。

文本-图像条件驱动的3D生成

Text-Image Conditioned 3D Generation

论文提出文本-图像联合条件的3D生成任务，并给出TIGON双分支基线：分别保留图像条件与文本条件骨干，再用轻量跨模态融合模块整合两路预测。对做3D生成的研究者，这提供了一个可复用的条件融合范式，也提示可用晚期融合作为诊断手段来量化不同条件模态的互补性。

测试时三维占用预测

Test-Time 3D Occupancy Prediction

利用视觉基础模型在测试时增量构建并优化3D高斯，再体素化为任意分辨率的占用预测，无需训练即可实现开放词表识别，为动态场景理解提供免训练、可适配的3D表示方案。

TerraSeg：面向任意激光雷达的自监督地面分割

TerraSeg: Self-Supervised Ground Segmentation for Any LiDAR

提出一种无需人工标注、跨传感器配置的激光雷达地面分割自监督框架，其 PseudoLabeler 通过逐扫描运行时优化生成高质量伪标签，可复用于其他点云分割任务的标签生成与域泛化。

教 DINOv3 理解部分 3D 几何：一种自监督的几何感知方法

Teaching DINOv3 About Partial 3D Geometry: A Self-Supervised Geometry-Aware Approach

用 LoRA 自监督微调 DINOv3 特征，使其对部分观测（partial shape）鲁棒，可直接替换部分形状匹配与左右对称预测流程中的特征描述子。

TeHOR：文本引导的带纹理三维人体与物体重建

TeHOR: Text-Guided 3D Human and Object Reconstruction with Textures

用文本描述替代/补充接触先验来约束人-物联合三维重建，可复用于非接触交互场景（指向、注视）的重建与生成；其将外观线索纳入对齐过程的做法，对单图人-物重建中的视觉合理性约束有直接借鉴价值。

TeFlow：为自监督前馈场景流估计实现多帧监督

TeFlow: Enabling Multi-frame Supervision for Self-Supervised Feed-forward Scene Flow Estimation

提出时序集成策略，从多帧候选池中聚合最一致的监督信号，可复用于任何需要从点对应中挖掘可靠监督的自监督3D任务，如场景流、光流或深度估计。

Tavatar：面向可动画人体化身的拓扑感知高斯属性推导

Tavatar: Topology-Aware Gaussian Attribute Derivation for Animatable Human Avatars

将高斯属性（尺度、旋转）解析地绑定到网格局部几何，而非自由学习，为基于 3DGS 的人体建模提供了一种保证拓扑一致性的参数化方案，可推广到其他需要与模板网格对齐的动态场景重建。

面向激光雷达系统自动化设计的任务驱动隐式表示

Task-Driven Implicit Representations for Automated Design of LiDAR Systems

把激光雷达传感器配置编码为6D连续空间中的隐式密度，用流生成模型学习任务相关的采样分布，再用EM拟合出具体传感器参数——这套「任务驱动隐式表示+参数拟合」的思路可直接迁移到相机阵列、事件相机、ToF等成像系统的联合设计，也可作为生成式传感器仿真的新范式。

共同交谈：从音频合成共处同一空间的 3D 对话

Talking Together: Synthesizing Co-Located 3D Conversations from Audio

从混合音频中同时生成两个共处同一空间的人物的完整 3D 面部动画，并显式建模两人之间的相对位置、朝向与相互注视；其双流架构、说话人角色嵌入与说话人之间的交叉注意力，以及视线损失，为多人语音驱动动画与共处场景合成提供了可复用的建模思路。

TagSplat：面向动态网格建模与跟踪的拓扑感知高斯泼溅

TagSplat: Topology-Aware Gaussian Splatting for Dynamic Mesh Modeling and Tracking

把高斯球的连通性显式编码成拓扑结构，并据此做致密化与剪枝，可让基于高斯泼溅的动态重建直接产出流形一致的网格序列；这套「拓扑感知致密化/剪枝 + 时序正则化」的思路可迁移到任何需要从高斯表示提取干净网格或做表面跟踪的 4D 重建流程。

TWINGS：面向稀疏视角高斯泼溅的薄板样条形变对齐初始化

TWINGS: Thin Plate Splines Warp-aligned Initialization for Sparse-View Gaussian Splatting

用薄板样条把单目深度反投影点对齐到三角化控制点，为 3DGS 提供几何一致的稠密初始化；做稀疏视角重建时可直接替换随机初始化或 SfM 点云初始化环节。

TROPHIES：从多视角视频中时序重建场所、人体与相机

TROPHIES: Temporal Reconstruction of Places, Humans, and Cameras from Multi-view Videos

把动态人体、静态场景与相机位姿放进同一全局坐标系联合优化，并用尺度一致性、接触先验与跨视角时序一致性做耦合，可直接借鉴到多视角/自我中心视频下的 4D 场景重建与人体-场景交互建模。

TR2M：借助语言描述与双层尺度导向对比将单目相对深度迁移为度量深度

TR2M: Transferring Monocular Relative Depth to Metric Depth with Language Descriptions and Dual-Level Scale-Oriented Contrast

把相对深度经文本+图像双模态条件、以像素级重缩放图映射到度量深度，并用深度分布引导的双层对比学习约束尺度，可作为跨域深度尺度对齐与伪度量标签构建的可复用范式。

TGSFormer：面向具身语义场景补全的可扩展时序高斯泼溅

TGSFormer: Scalable Temporal Gaussian Splatting for Embodied Semantic Scene Completion

用持久化的高斯记忆加置信度感知的跨注意力做时序融合，替代依赖帧缓存与图像一致性的做法，可复用到任何需要在线增量重建、且场景尺度无界的具身感知或流式建图任务中。

TEXTRIX：面向原生纹理生成及更多应用的潜变量属性网格

TEXTRIX: Latent Attribute Grid for Native Texture Generation and Beyond

用潜空间三维属性网格 + 稀疏注意力 Diffusion Transformer 直接在体空间给 3D 模型上色，绕开多视角融合的视角不一致问题；同一架构改预测语义属性即可做 3D 部件分割，为「生成式三维表征复用为判别任务」提供了可借鉴范式。

TESO：通过随机优化在线跟踪本质矩阵

TESO: Online Tracking of Essential Matrix by Stochastic Optimization

提出一种在本质矩阵流形上做在线随机优化的方法，用核相关鲁棒损失函数直接优化稀疏对应点，无需训练即可在线跟踪双目外参漂移，对资源受限的视觉感知系统有直接复用价值。

TAlignDiff：基于扩散变换学习的自动牙齿对齐

TAlignDiff: Automatic Tooth Alignment assisted by Diffusion-based Transformation Learning

将扩散模型用于学习变换矩阵的潜分布，并与点云回归网络双向反馈，为点云配准/对齐任务提供了一种结合几何约束与生成式先验的新范式。

TALO：推动 3D 视觉基础模型走向全局一致的在线重建

TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction

把 3D 基础模型逐窗口的前馈预测用薄板样条（TPS）做高自由度长程对齐，并用点无关的子图配准提升对噪声几何的鲁棒性；做在线/流式 3D 重建或需要跨时序窗口融合深度与位姿时可直接复用这套即插即用框架。

SyncMos：面向多智能体场景交互的可扩展运动同步

SyncMos: Scalable Motion Synchronisation for Multi-Agent Scene Interaction

把扩散后验采样与时间规整控制结合，在无需重训练的前提下把单智能体运动合成模型扩展为多智能体时序同步生成，可直接迁移到人体-场景交互、虚拟角色动画等需要跨主体时序对齐的生成任务。

SwiftTailor：基于几何图像表示的高效三维服装生成

SwiftTailor: Efficient 3D Garment Generation with Geometry Image Representation

用紧凑的几何图像（统一 UV 空间编码所有衣片 3D 表面）替代序列化缝纫图案到网格的物理仿真流程，配合重网格化与动态缝合的逆映射直接组装网格，为视觉研究者提供了一种可复用的「2D 参数化图像 → 3D 网格」快速重建范式，可迁移到其他可展曲面/薄壳物体的生成。

SunFaded：面向相机搭载主动光源暗场景的光照感知高斯泼溅

SunFaded: Illumination-Aware Gaussian Splatting for Dark Scenes with Camera-Mounted Active Lighting

针对相机搭载主动光源的暗场景，提出基于瓦片的着色方案与光照加权损失函数，将光照与场景本征外观显式分离，并利用几何先验模型提升重建精度，为暗光下的三维重建提供了可复用的光照解耦思路。

SuP：子点云驱动的点云配准

SuP: Sub-cloud Driven Point Cloud Registration

把低重叠配准转化为高重叠子点云对（锚框对）挖掘问题，用特征显著性先验加权加多尺度邻域一致性后加权筛选锚框对，再做 merge-to-match 生成对应关系；对做点云配准、部分重叠匹配的人可直接复用这套子点云锚框挖掘与对齐感知加权损失。

结构到强度扩散的恶劣天气激光雷达生成

Structure-to-Intensity Diffusion for Adverse-Weather LiDAR Generation

把扩散去噪过程按「先几何结构、后反射强度」显式分解，并用真实传感器统计做天气退化仿真，可直接用于扩充恶劣天气下的激光雷达训练数据，也可作为点云生成中解耦几何与辐射属性的可复用范式。

面向三维高斯泼溅重建的随机光线追踪

Stochastic Ray Tracing for the Reconstruction of 3D Gaussian Splatting

用无排序的可微随机光线追踪替代沿光线对高斯做深度排序，可直接复用到非针孔相机与可重光照 3DGS 的重建与渲染流程中，解决排序瓶颈并支持全光线追踪阴影与着色。

通过动态特征归一化稳定流式视频几何

Stabilizing Streaming Video Geometry via Dynamic Feature Normalization

DyFN 通过动态调制潜变量特征的统计量（均值和方差）来稳定单目几何基础模型在流式输入下的尺度漂移，仅微调 2% 参数即可复用现有强模型，为视频深度估计和在线三维重建提供了一种轻量、因果的时序一致性方案。

面向物体引导的人-人协同操作的稳定性驱动运动生成

Stability-Driven Motion Generation for Object-Guided Human-Human Co-Manipulation

把流匹配的向量场回归与基于采样的稳定性优化耦合起来，用于生成多个人体与共享物体之间的接触运动；其中「对抗交互先验」与「仿真驱动的流场修正」这两个模块，可以直接迁移到人-物交互、双手操作等需要物理合理性的运动生成任务上。

Splatent：泼溅扩散潜变量用于新视角合成

Splatent: Splatting Diffusion Latents for Novel View Synthesis

在 VAE 潜空间做 3DGS 新视角合成时，不必在 3D 空间里补细节，而是用多视角注意力从输入视角的 2D 特征中恢复高频细节，从而在不微调 VAE、不依赖扩散模型幻觉的前提下提升重建保真度；这一思路可直接迁移到任何潜空间辐射场或前馈式稀疏视角重建管线。

SplatSuRe：面向多视图一致三维高斯泼溅的选择性超分辨率

SplatSuRe: Selective Super-Resolution for Multi-view Consistent 3D Gaussian Splatting

把相机位姿与场景几何结合，判断哪些区域缺少高频监督，只在这些欠采样区域注入超分辨率内容，从而避免逐图独立 SR 带来的多视图不一致；这一「按几何可见性选择性增强」的思路可直接迁移到 3DGS/NeRF 的高分辨率重建与训练视图增密流程。

基于泼溅的锥束 CT 金属伪影校正：紧凑衰减建模

Splat-Based Metal Artifact Reduction in Cone-Beam CT via Compact Attenuation Modeling

把连续高斯泼溅表示与能量相关的紧凑材质参数化结合，构建可微多色前向模型，为锥束 CT 中金属伪影的联合几何-材质优化提供了无需金属掩膜的方案，可迁移到其他需要物理一致前向模型的逆渲染问题。

SpiderCam：基于差分散焦的低功耗快照深度相机

SpiderCam: Low-Power Snapshot Depth from Differential Defocus

把 depth-from-differential-defocus 从离线算法变成可在极小 FPGA 上流式运行的快照深度方案，其针对低功耗传感器的算法改进与内存局部化流式实现，可为资源受限端的被动深度感知提供可复用设计思路。

球面 Voronoi：将方向外观作为球面的可微划分

Spherical Voronoi: Directional Appearance as a Differentiable Partition of the Sphere

用可微的球面 Voronoi 分区替代球谐函数来参数化 3DGS 的视角相关颜色，可直接替换现有管线中的 SH 系数，并进一步把反射方向作为输入当作可学习反射探针，解决 SH 无法表达高光和吉布斯振铃的问题。

以更短高斯列表加速三维高斯学习

Speeding Up the Learning of 3D Gaussians with Much Shorter Gaussian Lists

通过定期重置高斯尺度并沿射线对 alpha 混合权重施加熵约束，缩短每个像素的高斯列表长度，可直接嵌入现有 3DGS 训练流程以降低泼溅渲染开销；该思路也可迁移到其他基于射线采样的表示（如神经辐射场）的加速。

面向无位姿激光雷达视图合成的频谱-几何神经场

Spectral-Geometric Neural Fields for Pose-Free LiDAR View Synthesis

把频谱先验作为混合表示来补全稀疏无纹理激光雷达几何，并用特征兼容性置信图做无位姿全局对齐，可直接迁移到无位姿 NeRF/3DGS 的位姿-几何联合优化与稀疏点云重建。

空间很重要：位置引导的 3D 指代表达分割

Spatial Matters: Position-Guided 3D Referring Expression Segmentation

把显式空间关系建模引入 3D 指代分割：用聚合局部上下文与空间关系的 point proxy 生成查询，并在解码器中用位置引导的可变形注意力逐步聚焦目标，可迁移到任何需要区分视觉相似实例的点云定位/分割任务。

面向三维语义场景补全的稀疏性感知体素注意力与前景调制

Sparsity-Aware Voxel Attention and Foreground Modulation for 3D Semantic Scene Completion

用共享 dummy 节点跳过空体素、只对占用体素做可变形注意力，是单目 3D 重建中处理 >93% 空体素的高效注意力设计，可直接迁移到 NeRF/体素/占据预测类任务；Foreground Dropout 与文本引导图像滤波为长尾语义类别提供了一种免重采样的调制思路。

SparseSplat：面向可应用的像素非对齐预测前馈三维高斯泼溅

SparseSplat: Towards Applicable Feed-Forward 3D Gaussian Splatting with Pixel-Unaligned Prediction

用熵驱动的概率采样按局部纹理丰富度自适应决定高斯密度，并配合点云网络编码局部上下文，可直接用于需要紧凑 3DGS 表示的下游重建与实时渲染管线。

SparseOIT：通过主动集方法改进顺序无关透明 3DGS

SparseOIT: Improving Order-Independent Transparency 3DGS via Active Set Method

将主动集方法引入 OIT 3DGS 渲染方程求解，利用高斯泼溅间稀疏依赖加速重建，为透明/非朗伯材质的新视角合成提供可复用优化框架。

SparseCam4D：基于稀疏相机的时空一致 4D 重建

SparseCam4D: Spatio-Temporally Consistent 4D Reconstruction from Sparse Cameras

用生成模型提供的多视角/多帧观测替代密集相机阵列，并通过时空畸变场统一建模生成观测在空间与时间上的不一致性，为稀疏、无标定输入下的动态 4D 重建提供了可复用的「生成观测去噪」思路。

基于在线神经三维回归的稀疏视图定位

Sparse-View Localization via Online Neural 3D Regression

提出在线训练的神经回归器，在无预建3D地图、数据库图像视觉重叠有限的稀疏视图设定下，直接从查询与K个位姿数据库视图的稀疏匹配预测查询关键点的3D坐标，为视觉定位提供了一种不依赖离线SfM重建的可复用方案。

运动感知高斯分组的动态场景时空预测

Space-Time Forecasting of Dynamic Scenes with Motion-aware Gaussian Grouping

把 4D 高斯泼溅从「重建已观测动态」推进到「外推未来」，其运动感知高斯分组与组级优化可作为动态场景表示的结构化先验，供后续做长时预测或动态新视角合成的论文复用。

SonoWorld：从单张图像到三维视听场景

SonoWorld: From One Image to a 3D Audio-Visual Scene

把单图三维场景生成从纯视觉扩展到视听联合：先用外扩得到 360 度全景，再提升为可导航三维场景，并在场景几何上放置语言引导的声源锚点、渲染 ambisonics 空间音频，为做 3D 生成的人提供了一个可复用的『几何对齐空间音频』管线与评测设定。

基于 FFT 插值的免矩阵求逆最小问题求解

Solving Minimal Problems Without Matrix Inversion Using FFT-Based Interpolation

为相机几何中的最小问题求解器提供了一条免矩阵求逆、免符号展开的构造路径：用稀疏隐变量结式加 FFT 插值重建行列式多项式，再用秩亏子矩阵与 Cramer 法则回代未知量，可直接替换 Grobner 基/结式求解器嵌入 RANSAC 等几何估计流程。

仿射相机模型下视图图的可解性

Solvability of the Viewing Graph Under the Affine Camera Model

为 SfM 提供一种在仿射相机模型下判定视图图是否可解（相机是否被唯一确定）的线性系统方法，可用于在增量式/全局式 SfM 中预先筛除不可解或退化配置，并指导视图图构建与边选择。

SmokeSVD：基于扩散模型渐进式新视角合成与细化的单视图烟雾重建

SmokeSVD: Smoke Reconstruction from A Single View via Progressive Novel View Synthesis and Refinement with Diffusion Models

利用扩散模型生成物理约束下的侧视图，缓解单视图重建的不适定性，并通过渐进式多阶段新视角合成与可微平流优化重建动态烟雾的密度与速度场，为稀疏视角动态流体重建提供了可复用的生成式先验与优化框架。

Sky2Ground：变高度场景建模基准

Sky2Ground: A Benchmark for Site Modeling under Varying Altitude

提出 SkyNet 双流网络与 Masked-Satellite-Attention 机制，解决卫星图像在多视角相机定位与渲染中引入噪声的问题，并采用课程学习式相机采样策略；对做多视角几何、跨视角定位与神经渲染的研究者可复用其注意力隔离与训练采样思路。

Skullptor：借助多视图法线预测在数秒内实现高保真三维头部重建

Skullptor: High Fidelity 3D Head Reconstruction in Seconds with Multi-View Normal Prediction

把单目基础模型扩展成带跨视图注意力的多视图法线预测器，前馈输出几何一致法线，再作为强几何先验注入逆渲染优化恢复高频细节——这套「前馈先验 + 优化精修」的混合范式可直接迁移到人脸、人体、物体等少视图高保真重建任务。

SketchFaceGS：基于高斯泼溅的实时草图驱动人脸编辑与生成

SketchFaceGS: Real-Time Sketch-Driven Face Editing and Generation with Gaussian Splatting

把 2D 草图作为稀疏、深度歧义的交互条件，用 Transformer 前馈预测 UV 特征图再细化成 3D 高斯头部，为「草图→三维表示」的单次前向生成与自由视角编辑提供了可复用的 UV 空间特征融合与掩码融合思路。

Sketch2Colab：基于可控流蒸馏的草图条件多人动画

Sketch2Colab: Sketch-Conditioned Multi-Human Animation via Controllable Flow Distillation

把草图条件扩散先验蒸馏成潜空间整流流学生模型，并用可微目标（关键帧、路径、接触、物理一致性）做引导，为视觉研究者提供了一条「强条件控制 + 快速采样」的运动生成范式；CTMC 规划器用于切换离散交互模式，可迁移到人-物-人交互或手-物操作序列建模。

简单有效的基于三元组的压缩策略用于紧凑视觉定位

Simple but Effective Triplet-Based Compression Strategies for Compact Visual Localization

提出一种基于三元组选择的简单SfM点云压缩策略，可直接用于视觉定位中减少场景表示的内存占用，且与乘积量化结合后性能优于近期学习方法。

SimRecon：从真实视频重建仿真就绪的组合式场景

SimRecon: SimReady Compositional Scene Reconstruction from Real Videos

把真实视频重建为可交互的仿真就绪组合式资产：先用场景级语义重建得到物体级分割与位姿，再对每个物体做单物体补全生成，最后用场景图在仿真器中从零组装；其中主动视角优化在 3D 空间搜索最佳投影视图作为生成条件，是提升生成资产视觉保真度的可复用手段。

ShelfOcc：超越激光雷达的原生三维监督用于基于视觉的占用估计

ShelfOcc: Native 3D Supervision beyond LiDAR for Vision-Based Occupancy Estimation

把视觉三维几何基础模型的输出经跨帧静态几何累积与动态内容剔除，蒸馏成度量一致的语义体素伪标签，可直接替换现有占用模型的 LiDAR 监督信号，为无 LiDAR 的三维场景理解提供可复用的数据侧监督管线。

SharpTimeGS：通过生命周期调制实现清晰稳定的动态高斯泼溅

SharpTimeGS: Sharp and Stable Dynamic Gaussian Splatting via Lifespan Modulation

提出可学习的生命周期参数，将高斯的时序可见性从高斯衰减改为平顶分布，并据此调制运动幅度与致密化策略，为动态高斯泼溅中静态与动态区域的解耦优化提供了可复用的技术手段。

ShapeR：从随手拍摄中稳健地进行条件式三维形状生成

ShapeR: Robust Conditional 3D Shape Generation from Casual Captures

把视觉惯性 SLAM 稀疏点、多视角位姿图像与 VLM 生成的描述作为条件，用整流流 Transformer 直接回归度量尺度三维形状，为「随手拍摄视频→物体级三维资产」提供了一条不依赖干净分割与完整观测的流水线；其在线组合式增广与物体级/场景级课程训练策略可直接迁移到其他条件式三维生成任务。

语义泡沫：统一空间与语义的场景分解

Semantic Foam: Unifying Spatial and Semantic Scene Decomposition

把 Radiant Foam 的 Voronoi 网格单元当作显式语义载体，用单元级特征场加空间正则来抑制遮挡与跨视角监督不一致造成的伪影，为基于显式空间划分的 3D 表示做物体级分割提供了可复用思路。

Selfi：通过三维几何特征对齐的自改进重建引擎

Selfi: Self-improving Reconstruction Engine via 3D Geometric Feature Alignment

通过重投影一致性损失将 VGGT 特征蒸馏到几何对齐的特征空间，可作为一种通用的自监督特征对齐手段，提升多视图几何一致性，直接用于新视角合成和相机姿态估计。

穿透箱体：从雷达信号进行非视域三维重建

Seeing through boxes: Non-Line-of-Sight 3D Reconstruction from Radar Signals

把可见区域（LoS）的视觉几何先验注入神经场，作为约束来引导射频信号在遮挡区域（NLoS）的传播建模，从而稳定 SDF 优化并消除表面歧义；做遮挡补全、非视域重建或跨模态神经场的人可以借鉴这种「用可见几何约束不可见几何」的思路。

穿透明暗：基于传感器物理建模的单曝光图像与事件去模糊 HDR 神经辐射场

Seeing through Light and Darkness: Sensor-Physics Grounded Deblurring HDR NeRF from Single-Exposure Images and Events

把相机响应函数（CRF）与事件传感器响应模型显式嵌入 NeRF 优化，用物理传感器模型对齐渲染值与 LDR 观测，这一思路可直接迁移到事件相机、卷帘快门、RAW 域等存在传感器非线性失配的重建与逆渲染任务。

从频率与运动中看见深度：面向单目深度估计的渐进式训练范式

Seeing Depth Through Frequency and Motion: A Progressive Training Paradigm for Monocular Depth Estimation

可即插即用的频率引导采样模块（FGDepth）用于抑制频率混叠、锐化深度边界，以及用通道对齐注意力建模跨帧运动以提升位姿估计，这两点可直接迁移到其他自监督深度/位姿联合训练框架。

SeeGroup：通过自确定分组实现透明表面的多层深度估计

SeeGroup: Multi-Layer Depth Estimation of Transparent Surfaces via Self-Determined Grouping

针对透明表面深度歧义问题，提出循环分解模块和基于强度的多层深度公式，可直接用于透明物体操作、场景重建等需要多层深度信息的视觉任务。

Sculpt4D：基于稀疏注意力扩散 Transformer 生成 4D 形状

Sculpt4D: Generating 4D Shapes via Sparse-Attention Diffusion Transformers

把预训练 3D 扩散 Transformer 通过块稀疏注意力扩展成时序 4D 生成器，其时间衰减稀疏掩码锚定首帧保身份的思路可直接迁移到视频/动态 NeRF 等需要长程时序一致性的生成任务，并显著降低注意力开销。

SceneTok：面向三维场景的压缩可扩散 token 空间

SceneTok: A Compressed, Diffusable Token Space for 3D Scenes

把多视角图像编码成一小撮置换不变、脱离空间网格的潜变量 token，再用轻量整流流解码器渲染新视角，为 3D 场景生成提供了比 3DGS/NeRF 更紧凑、可直接接扩散/流模型的表示接口。

SceneMaker：去遮挡与姿态估计模型解耦的开放集三维场景生成

SceneMaker: Open-set 3D Scene Generation with Decoupled De-occlusion and Pose Estimation Model

把去遮挡与位姿估计从三维物体生成中解耦，并借助图像数据集扩充开放集遮挡模式，为开放集场景合成中「先补全再摆位」的流水线提供了可复用的模块化设计；其统一全局/局部自注意力与交叉注意力的位姿估计模型可直接迁移到物体插入、场景编辑等需要精确 6DoF 摆放的任务。

野外场景定位

Scene Grounding in the Wild

把 3DGS 参考模型上的语义特征当作跨域匹配信号，用逆特征优化求解全局 6DoF 位姿与尺度，可在无视觉重叠时把碎片化重建对齐到统一坐标系——对做 SfM/大场景重建、无重叠位姿估计的人是一个可直接复用的对齐模块。

ScenDi：用于城市生成的三维到二维场景扩散级联

ScenDi: 3D-to-2D Scene Diffusion Cascades for Urban Generation

把 3D 潜扩散生成的高斯场景渲染成低分辨率图像，再作为条件喂给 2D 视频扩散做细节增强，这条「3D 粗生成 + 2D 精修」级联思路可直接迁移到需要相机可控性的街景/驾驶场景合成与仿真数据扩增。

SceMoS：以几何接地词表规划的场景感知三维人体运动合成

SceMoS: Scene-Aware 3D Human Motion Synthesis by Planning with Geometry-Grounded Tokens

用 BEV 渲染图 + DINOv2 特征替代点云/体素做场景编码，并用局部高度图训练条件 VQ-VAE 分词器把表面物理嵌入离散词表——这套「2D 场景线索接地 3D 交互」的因子化思路可直接迁移到人体-场景交互、导航与具身动作生成中，显著降低场景编码参数量。

Scaling4D：借助大规模单目视频推动视频新视角合成的前沿

Scaling4D: Pushing the Frontier of Video Novel View Synthesis through Large-Scale Monocular Videos

把单目视频的新视角合成重新表述为「对应关系引导的生成」任务，从理论上消除 inpainting 式训练与推理之间的鸿沟；做动态场景重建或视频生成的研究者可以直接借用这一训练范式与合成数据管线来扩展数据规模。

扩展视角合成 Transformer 的规模

Scaling View Synthesis Transformers

为无几何先验的新视角合成 Transformer 提供了可复用的缩放定律与计算最优设计原则，并指出编码器-解码器结构在同等训练算力下可与 decoder-only 模型同样高效，可直接指导 NVS 模型的算力分配与架构选型。

Scal3R：面向大规模三维重建的可扩展测试时训练

Scal3R: Scalable Test-Time Training for Large-Scale 3D Reconstruction

用一组轻量神经子网络作为可压缩的全局上下文记忆，并在测试时以自监督目标快速适配，为长视频前馈重建提供了一种不显著增加算力的长程记忆机制，可直接迁移到 SLAM、长序列位姿估计与流式三维重建。

SV-GS：基于骨架驱动高斯泼溅的稀疏视角四维重建

SV-GS: Sparse View 4D Reconstruction with Skeleton-Driven Gaussian Splatting

把骨架关节位姿估计与细粒度形变解耦，只让关节位姿随时间变化，从而在稀疏时序观测下实现平滑运动插值并保留几何细节；该思路可直接迁移到稀疏相机下的动态高斯泼溅重建与单目视频新视角合成。

STAvatar：软绑定与时序密度控制的单目三维头部化身重建

STAvatar: Soft Binding and Temporal Density Control for Monocular 3D Head Avatars Reconstruction

把高斯绑定从硬性网格三角形改为 UV 空间的可学习软偏移，使高斯泼溅表示仍能接受自适应密度控制，这一思路可直接迁移到人体、手部等其它基于网格模板的可动高斯泼溅重建中；其融合感知误差的克隆准则也为高斯致密化提供了可复用的判据。

STAC：面向流式三维重建的即插即用时空感知缓存压缩

STAC: Plug-and-Play Spatio-Temporal Aware Cache Compression for Streaming 3D Reconstruction

针对因果 VGGT 类流式三维重建中 KV 缓存随流长线性增长的问题，利用注意力时空稀疏性做词元级缓存淘汰与体素对齐压缩，可直接迁移到任何使用长上下文 KV 缓存的视觉 Transformer 流式推理场景。

ST4R-Splat：4D 高斯泼溅中的时空指代分割

ST4R-Splat: Spatio-Temporal Referring Segmentation in 4D Gaussian Splatting

将指代分割从静态 3D 扩展到动态 4D 高斯泼溅，提出时间不变实例嵌入与实例级时序状态映射，可直接用于语言驱动的 4D 场景理解与编辑。

SRGCD：稳定性驱动的区域生长三维变化检测框架

SRGCD: Stability-Driven Region Growth Framework for 3D Change Detection

把 3D 变化检测从逐点二分类重构为从高置信种子出发的区域生长，用稳定性引导的受控注意力逐层传播，可直接迁移到点云分割中边界模糊与孤立噪声点的处理。

SR3R：重新思考基于前馈高斯泼溅的超分辨率三维重建

SR3R: Rethinking Super-Resolution 3D Reconstruction With Feed-Forward Gaussian Splatting

将三维超分辨率从逐场景优化转为前馈映射，利用大规模多场景数据学习三维高频先验，可直接与任意前馈3DGS骨干网络结合，提升稀疏低分辨率输入下的重建保真度与跨场景泛化能力。

SPREAD：通过几何感知扩散实现空间-物理推理

SPREAD: Spatial-Physical REasoning via geometry Aware Diffusion

以带位姿的场景点云作为几何条件、用图 Transformer 联合建模空间与物理关系，并通过可微碰撞/重力/关系约束引导扩散采样，这套「几何感知条件 + 可微物理引导」的组合可直接迁移到具身智能的仿真场景合成与 3D 场景布局生成任务。

SPE-MVS：融合单目深度先验的空间位置编码增强多视图立体

SPE-MVS: Spatial Position Encoding Enhanced Multi-View Stereo with Monocular Depth Priors

把单目深度先验编码成统一度量空间下的三维空间位置编码，并与图像特征一起送入代价体构建，为弱纹理、反光等光度一致性失效区域提供几何先验；做 MVS 或深度估计时可复用这一『空间位置相似度』替代纯光度匹配的思路。

SPARK：借助视觉语言模型知识的可仿真部件级铰接重建

SPARK: Sim-ready Part-level Articulated Reconstruction with VLM Knowledge

把 VLM 先验（粗 URDF、部件参考图、开合状态监督）注入扩散 Transformer 做部件级形状合成，再用可微前向运动学在图像监督下优化连续运动参数，为单图生成可仿真铰接资产提供了可复用的「语言先验 + 可微物理」流程。

SPAN：面向单目 3D 目标检测的空间-投影对齐

SPAN: Spatial-Projection Alignment for Monocular 3D Object Detection

把解耦回归丢失的几何一致性先验显式补回来：用 3D 框点级空间对齐和 3D-2D 投影对齐作为可插拔的损失/约束，配合分层任务学习逐步引入，可直接挂到现有单目 3D 检测器上提升精度。

面向数据高效零样本仿真到真实室内全景深度估计的 SO(3) 等变 ViT-Adapter

SO(3)-Equivariant ViT-Adapter for Data-Efficient Zero-Shot Sim-to-Real Indoor Panoramic Depth Estimation

把 SO(3) 等变归纳偏置以可变形交叉注意力的形式注入冻结的透视预训练 ViT 适配器，使视觉研究者能在不改动骨干的前提下把透视基础模型的零样本能力迁移到球面/全景输入，这一思路可复用于其他存在投影失真的成像域（鱼眼、事件相机、多相机环视）。

SMVRT：基于稀疏多视角体素重建与 Transformer 融合的隐式人体三维建模

SMVRT: Implicit Human 3D Modeling Using Sparse Multi-View Volumetric Reconstruction with Transformer Fusion

在稀疏多视角人体重建中，用三阶段注意力融合（2D 特征增强、warp 后多视角多层级特征融合成 3D 特征网格、2D-3D 查询点聚合）替代生成式补全或模板拟合来推断遮挡区域，这套融合模块可直接迁移到稀疏视角的通用隐式重建与占据预测流程。

SLARM：面向动态场景的流式与语言对齐重建模型

SLARM: Streaming and Language-Aligned Reconstruction Model for Dynamic Scenes

SLARM 将语言对齐的语义特征与动态重建紧耦合，并采用窗口因果注意力实现低延迟流式推理，为动态场景重建提供了无需光流监督的高阶运动建模方案，可直接用于需要实时语义查询的 3D 重建任务。

SGSoft：通过模板引导软信号学习融合语义-几何特征的三维形状对应

SGSoft: Learning Fused Semantic-Geometric Features for 3D Shape Correspondence via Template-Guided Soft Signals

在规范模板上构建测地线对应场，并用预训练语义先验监督学习稠密多模态描述子，从而在描述子空间做最近邻检索、单次前馈即可得到拓扑不变的三维形状对应；这套「模板+软信号监督+描述子检索」的范式可直接迁移到非刚性配准、形变迁移与跨类别形状检索。

SGS-Intrinsic：面向稀疏视角室内逆渲染的语义不变高斯泼溅

SGS-Intrinsic: Semantic-Invariant Gaussian Splatting for Sparse-View Indoor Inverse Rendering

把语义与几何先验注入 3DGS，构建稠密且几何一致的高斯语义场，为稀疏视角下的室内逆渲染提供可靠几何基础；其光照不变材质约束与去阴影模型可直接复用于材质估计与重光照任务。

SGAD-SLAM：在调整深度处泼溅高斯以提升 RGBD SLAM 中的辐射场

SGAD-SLAM: Splatting Gaussians at Adjusted Depth for Better Radiance Fields in RGBD SLAM

把像素对齐的高斯沿射线方向做深度调整，并用逐像素深度高斯分布做帧到场景的快速对齐，这套「射线可调高斯 + 深度分布配准」可直接迁移到其他 RGBD 建图/跟踪与实时新视角合成系统。

SEA-Flow3D：通过空间向量采样与多尺度细化实现简化、高效且准确的场景流

SEA-Flow3D: Simplified, Efficient, and Accurate Scene Flow via Spatial Vector Sampling and Multi-scale Refinement

SVS 模块在匹配点局部邻域内联合采样 3D 坐标与相关体，得到带显式空间向量的方向感知相关表示，可直接替换 RAFT-3D 类框架中纯 2D 特征相关，为 3D 运动场优化注入几何先验。

SE(3) 等变性与几何拓扑引导的类别级物体姿态估计

SE(3)-Equivariance with Geometric and Topological Guidance for Category-Level Object Pose Estimation

将 SE(3) 等变网络与几何/拓扑约束结合用于点云类别级姿态估计，其等变特征预测模块可迁移到其他需要视角一致性的 3D 任务（如点云配准、新视角合成）。

SDGS：空间差分引导的高斯泼溅用于同时定位与三维重建

SDGS: Spatial Difference Guided Gaussian Splatting for Simultaneous Localization and 3D Reconstruction

用边缘对齐的稀疏高斯地图配合距离变换目标做 6-DoF 位姿估计，把渲染对齐从稠密光度误差换成稀疏边缘误差，单次迭代位姿优化约快 2 倍；同时引入输出空间差分边缘信号的双通道混合像素传感器，为高速运动下的跟踪与去模糊重建提供可直接复用的监督信号。

SCE-SLAM：通过场景坐标嵌入实现尺度一致的单目 SLAM

SCE-SLAM: Scale-Consistent Monocular SLAM via Scene Coordinate Embeddings

用场景坐标嵌入作为跨窗口的全局尺度锚点，配合几何调制注意力做历史尺度传播，可复用到任何存在尺度漂移的单目里程计/SLAM 或长序列位姿估计中。

SCE-Depth：面向宽视场深度估计的球面复眼框架

SCE-Depth: A Spherical Compound Eye Framework for Wide FOV Depth Estimation

把球面成像数据直接在 HEALPix 网格上用球面网络处理，避免鱼眼/全景到平面的模态转换误差；其球面 Sobel 算子（SGFE）与球面梯度损失（SGL）可迁移到任何宽 FOV 球面深度或稠密预测任务。

SCAPO：基于单次三维观测的自监督类别级关节位姿估计

SCAPO: Self-Supervised Category-Level Articulated Pose Estimation from a Single 3D Observation

用 SE(3) 等变向量神经元自编码器把单帧 RGB-D 观测对齐到共享规范空间，再用关节感知的混合蒙皮建模部件运动，为单次观测下的关节物体建模提供了可复用的表示学习范式。

SASNet：用于隐式神经表示的空间自适应正弦网络

SASNet: Spatially-Adaptive Sinusoidal Networks for INRs

SASNet 通过冻结频率嵌入层和可学习空间掩码解决 SIREN 训练不稳定和频率初始化敏感问题，可直接用于图像/表面重建、SDF 重建等 INR 任务，提升收敛速度和重建质量。

SAMosaic3D：面向实时三维分割任意物体的模块化场景组装

SAMosaic3D: Modular Scene Assembly for Real-Time 3D Segment Anything

将 SAM 的 2D 掩码视为可学习的「马赛克瓦片」，通过可微的片段到实例自适应组装和实例到场景在线合并，解决 2D 提升到 3D 时的空间碎片化与身份漂移问题，为在线 3D 实例分割提供了可复用的模块化组装框架。

SAM 3D：把图像中的一切三维化

SAM 3D: 3Dfy Anything in Images

把单图物体重建当作生成任务，用「合成数据预训练 + 真实数据对齐」的多阶段训练突破 3D 数据瓶颈；对做单目重建、3D 资产生成或需要大规模带位姿/纹理 3D 标注数据的工作，这套数据管线与训练范式可直接复用。

SAGE：面向具身智能的可扩展智能体式 3D 场景生成

SAGE: Scalable Agentic 3D Scene Generation for Embodied AI

把布局生成器与物体组合生成器同语义合理性、视觉真实感、物理稳定性三类 critic 组成闭环，通过迭代推理与自适应工具选择自精炼场景，可直接产出仿真器可用的 3D 环境用于策略训练；对做 3D 场景合成与具身数据扩增的视觉研究者，这是一套可复用的「生成器+评审器」自精炼管线。

SAG-GNN：面向无描述子 2D-3D 匹配的语义感知引导图神经网络

SAG-GNN: Semantic-Aware Guided GNN for Descriptor-Free 2D-3D Matching

把低维语义概率分布作为 3D 点的紧凑先验注入无描述子 2D-3D 匹配，用语义消歧替代大描述子库，可直接迁移到无描述子视觉定位与位姿估计流程中降低存储并提升跨场景泛化。

S2D：面向极少输入三维重建的稀疏到稠密提升

S2D: Sparse to Dense Lifting for 3D Reconstruction with Minimal Inputs

用一步扩散模型修复稀疏点云渲染伪影，再以随机采样丢弃和加权梯度策略拟合3DGS，为极少输入视图下的高质量重建提供了可复用的两阶段提升思路。

S$^2$AM3D：尺度可控的三维点云部件分割

S$^2$AM3D: Scale-controllable Part Segmentation of 3D Point Clouds

把多视图 2D 分割先验通过原生 3D 对比学习聚合成全局一致的点特征，再用连续尺度信号实时调节分割粒度，这套「2D 先验 + 3D 一致性监督 + 尺度提示词解码」的范式可直接迁移到点云部件分割、开放词表 3D 分割等需要跨视图一致性的任务。

按需路由：DSNet 实现高效渐进式点云去噪

Routing on Demand: DSNet for Efficient Progressive Point Cloud Denoising

把「按需路由」引入点云渐进去噪：用基于法向相似性的噪声判别器为每个图像块（patch）选择去噪模块，并用路径选择性迭代实现跨阶段跳连，可直接迁移到其他迭代式点云/几何处理流程中以减少冗余计算并缓解过平滑。

Robust3DGSW：面向量化感知3D高斯泼溅的鲁棒水印

Robust3DGSW: Toward Robust Watermarking for Quantization-Aware 3D Gaussian Splatting

针对量化后的3DGS模型，提出将水印嵌入3D高斯参数与2D渲染图像的中频带，并利用多尺度对抗扰动训练2D/3D解码器，为3DGS版权保护提供可复用方案。

RoboTAG：基于拓扑对齐图的端到端机器人位姿估计

RoboTAG: End-to-end Robot Pose Estimation via Topological Alignment Graph

把机器人位姿估计建模成 2D/3D 双分支的拓扑对齐图，用闭环上的跨分支一致性监督替代大量标注，这个「图节点=相机/机器人状态、边=对齐关系」的构造方式可直接迁移到单目相机重定位、手眼标定和 sim-to-real 位姿回归任务中。

RoSAMDepth：利用分割一切模型的鲁棒自监督深度估计

RoSAMDepth: Robust Self-supervised Depth Estimation Leveraging Segment Anything Model

把 SAM 的物体级分割先验注入自监督深度估计：用分割引导的特征对比、区域高斯似然损失和物体级可靠性估计来抑制物体内部深度漂移与恶劣天气下的模糊，可直接复用到单目深度/自监督训练框架中。

RnG：面向部分观测下完整三维建模的统一 Transformer

RnG: A Unified Transformer for Complete 3D Modeling from Partial Observations

把 KV-cache 当作隐式三维表示、用重建引导的因果注意力在注意力层面分离已观测与未观测区域，这一思路可直接迁移到稀疏视角重建、新视角合成以及任何需要「补全未见几何」的前馈三维模型。

RigMo：统一绑定与运动学习用于生成式动画

RigMo: Unifying Rig and Motion Learning for Generative Animation

把逐顶点形变编码进「绑定潜变量 + 运动潜变量」两个紧凑潜空间，可前馈地从原始网格序列直接解出高斯骨骼、蒙皮权重与逐帧 SE(3) 变换，为动态 3D 建模提供了一套无需人工骨骼标注、结构可解释的表示方案；在该潜空间上训练 Motion-DiT 即可做下游运动生成，是 4D 生成与角色动画可复用的范式。

重新审视稀疏视角重建下基于泼溅的计算机断层成像中的位姿敏感性

Revisiting Pose Sensitivity in Splat-based Computed Tomography under Sparse-view Reconstruction

把 3D Gaussian splatting 的可微投影算子对采集几何位姿的敏感性讲清楚，并给出在重建中联合优化位姿的稳定梯度框架；做稀疏视角重建或位姿不精确场景（如 NVS、SLAM 式联合优化）的视觉研究者可直接借鉴其位姿扰动传播分析与轻量联合精修思路。

在实际传感器约束下重新审视 I-ToF 的最优编码

Revisiting Optimal Coding for I-ToF under Practical Sensor Constraints

为 I-ToF 深度传感器提供了一种在硬件约束下基于解析误差传播指标搜索调制/解调编码方案的思路，可替代依赖大规模深度学习优化的编码设计，直接提升深度重建精度。

以时空场景建模重新审视单目SLAM

Revisiting Monocular SLAM with Spatio-Temporal Scene Modeling

把前馈几何估计器（如单目深度/点图网络）当作 SLAM 的初始化与建图模块，用关键帧缓冲维持短期时序连续性、用 3D 体素场景模型做空间检索，这套「稀疏关键点定位 + 半稠密锚点空间表示」的混合设计可直接迁移到未标定单目实时定位与建图系统。

重新审视三维重建核作为低通滤波器

Revisiting 3D Reconstruction Kernels as Low-Pass Filters

把 3D 重建核（高斯、指数、Student's t）统一视为低通滤波器，用频域混叠解释重建模糊与高频丢失，并给出 Jinc 与调制核两种可直接替换现有 splatting/辐射场核的即插即用方案，对做新视角合成与高斯泼溅的人是一个可复用的核设计思路。

RetimeGS：4D 高斯泼溅的连续时间重建

RetimeGS: Continuous-Time Reconstruction of 4D Gaussian Splatting

把 4DGS 的时序混叠问题显式建模为高斯的时间行为定义，并用光流引导初始化与三重渲染监督来约束连续时刻的一致性；做动态场景重建或新视角合成时，可直接借用这套连续时间监督策略来消除插帧鬼影。

重新审视位姿先验与几何不确定性下的 3D 高斯泼溅位姿精化

Rethinking Pose Refinement in 3D Gaussian Splatting under Pose Prior and Geometric Uncertainty

把 3DGS 位姿精化中的位姿先验不确定性与重建几何不确定性显式建模，用蒙特卡洛位姿采样加 Fisher 信息加权 PnP 来稳定优化，可直接用于任何基于可微渲染的相机重定位流程，无需重训练。

重新审视2D-3D配准：一种用于高价值区域选择与表征一致性对齐的新网络

Rethinking 2D-3D Registration: A Novel Network for High-Value Zone Selection and Representation Consistency Alignment

用强化学习解决高价值匹配区域选择不可微的问题，并用三阶段（理解-协调-加速）做图像纹理与点云结构间的区域表征对齐，可直接迁移到跨模态配准与稠密对应任务中抑制非重叠区域误匹配。

基于 SuperFrusta 的三维形状残差基元拟合

Residual Primitive Fitting of 3D Shapes with SuperFrusta

SuperFrustum 用 8 个参数即可表达圆柱、球、锥及其锥化与弯曲变体，且其 SDF 对参数几乎处处可微，可直接作为可微基元嵌入任何基元拟合或形状程序学习流程；ResFit 的「全局分析 + 残差迭代拟合」范式也可迁移到点云/网格的紧凑结构化重建。

ResiHMR：面向截肢个体的残肢感知单图像三维人体网格恢复

ResiHMR: Residual-Limb Aware Single-Image 3D Human Mesh Recovery for Individuals with Limb Loss

针对非标准肢体解剖结构，提出拓扑自适应优化和显式残肢终止几何重建，可推广到其他固定拓扑模型难以表示的人体形态（如截肢、先天畸形）的单图像三维重建任务。

复用三维生成模型进行自回归布局生成

Repurposing 3D Generative Model for Autoregressive Layout Generation

把预训练 3D 扩散模型改造为自回归布局生成器，并用双引导自 rollout 蒸馏提升空间精度与推理效率，为 3D 场景合成提供了一条可复用的「生成模型复用 + 蒸馏加速」路线。

用可学习 B 样条体表示三维人脸

Representing 3D Faces with Learnable B-Spline Volumes

把 B 样条体的控制点换成高维可学习控制特征，并用小型 MLP 预测残差位移，得到一种连续、局部可编辑的三维人脸表示；可直接作为从点云或单目图像回归三维人脸的解码器，替代常用的 PCA 或线性基底。

可重光照的全息人物：从稀疏视角捕捉并重光照动态人体表演

Relightable Holoported Characters: Capturing and Relighting Dynamic Human Performance from Sparse Views

用粗人体网格代理上的 texel 对齐 3D 高斯泼溅作为可重光照表示，并用 Transformer 单次前向隐式求解渲染方程，可迁移到稀疏视角动态人体重建与任意光照下的新视角合成。

RelightAnyone：一种泛化的可重光照 3D 高斯头部模型

RelightAnyone: A Generalized Relightable 3D Gaussian Head Model

把平面光照下的 3DGS 头部 avatar 映射到基于物理的反射率参数，使没有 OLAT 采集的主体也能重光照；对做 3DGS avatar、逆渲染与单图重建的人，这是一个可复用的两阶段训练范式与光照编码对齐思路。

Reliev3R：让前馈三维重建摆脱多视图几何标注的依赖

Reliev3R: Relieving Feed-forward 3D Reconstruction from Multi-View Geometric Annotations

用预训练单目模型的零样本相对深度与稀疏对应替代多视图几何标注，配合歧义感知相对深度损失和基于三角学的重投影损失，为前馈重建模型提供可扩展的低成本弱监督训练方案。

无需配准的可学习多视图人脸稠密语义对应捕获

Registration-Free Learnable Multi-View Capture of Faces in Dense Semantic Correspondence

提出无需配准训练数据的多视图3D人脸重建框架，利用伪线性逆运动学求解器保证拓扑一致性，并用点图和法向损失替代点到面距离以稳定训练；测试时优化策略可迁移到其他前馈重建任务中提升精度。

从单目视频中恢复物理合理的人-物交互

Recovering Physically Plausible Human-Object Interactions from Monocular Videos

把运动学估计的单目人-物交互重建结果送入物理仿真器，用强化学习策略做后处理精修，可复用于任何需要消除穿模与物体漂浮的4D重建管线；其双自更新自适应采样机制也适用于从噪声标注中挑选可靠帧做训练。

Real2Edit2Real：通过三维控制接口生成机器人演示数据

Real2Edit2Real: Generating Robotic Demonstrations via a 3D Control Interface

把度量尺度三维重建 + 点云编辑得到的深度图当作视频扩散的主控制信号，配合动作/边缘/射线图合成多视角操作视频，为视觉研究者提供了一个可复用的『3D 编辑→2D 生成』数据增广管线，尤其适合空间泛化场景下的策略训练。

具有可控可压缩性与接触感知的实时动态场景渲染

Real-Time Dynamic Scene Rendering with Controlled Compressibility and Contact Awareness

把预测速度投影到显式流形先验（Helmholtz 分解、各向异性可压缩方向先验、仿射族）上，可作为动态 3DGS 中约束高斯原语运动、抑制遮挡/接触边界伪影的通用正则化手段。

ReWeaver：面向仿真就绪与拓扑准确的服装重建

ReWeaver: Towards Simulation-Ready and Topology-Accurate Garment Reconstruction

把服装从无结构表示（3DGS）转为带缝合结构与纸样拓扑的 2D-3D 结构化表示，可直接用于物理仿真与机器人操作；其 UV 空间面板/缝线预测与多视图对齐思路可迁移到其他需仿真就绪的柔性物体重建任务。

ReScene4D：演化室内三维场景的时序一致语义实例分割

ReScene4D: Temporally Consistent Semantic Instance Segmentation of Evolving Indoor 3D Scenes

针对间歇性采集的室内 3D 扫描，提出时序稀疏 4D 语义实例分割任务，通过时空对比损失和序列化实现跨观测的实例身份关联，可直接用于动态室内场景的长期建图与变化检测。

ReLaGS：关系语言高斯泼溅

ReLaGS: Relational Language Gaussian Splatting

把多视图 2D 语言特征蒸馏进高斯场景并做高斯剪枝，可在无需场景级训练的情况下得到准确的 3D 物体嵌入，为开放词表 3D 分割与关系检索提供可复用的建图流程。

ReGenHOI：统一重建与生成以理解三维人体-物体交互

ReGenHOI: Unifying Reconstruction and Generation for 3D Human-Object Interaction Understanding

把重建与生成统一到共享的语义-几何潜变量空间，并用改造的 Gravity-Field 扩散桥精修接触几何，可直接借鉴到 3D 人体-物体交互、接触区域预测与物理可信运动生成等任务。

ReFlow：面向动态场景重建的自校正运动学习

ReFlow: Self-correction Motion Learning for Dynamic Scene Reconstruction

提出自校正流匹配机制，无需外部光流引导即可从单目视频学习3D运动，为动态场景重建提供了一种可复用的无监督运动监督范式。

Rascene：利用毫米波通信信号的高保真三维场景成像

Rascene: High-Fidelity 3D Scene Imaging with mmWave Communication Signals

用毫米波 OFDM 通信信号替代相机/激光雷达做 3D 重建，其多帧空间自适应融合与置信度加权前向投影可迁移到稀疏、多径歧义观测下的点云/深度融合与位姿无关的几何一致性聚合。

用于体三维重建的辐射网格

Radiance Meshes for Volumetric Reconstruction

用 Delaunay 四面体剖分构建常密度辐射场，使体渲染方程可被光栅化硬件精确求值，为实时新视角合成提供了一条比高斯泼溅更贴近图形管线、且可直接导出网格与支持物理仿真的表示路线。

雷达引导的多项式拟合用于度量深度估计

Radar-Guided Polynomial Fitting for Metric Depth Estimation

对做单目深度估计的人，这篇给出一个轻量后处理思路：用廉价雷达预测多项式系数，把无尺度 MDE 输出非均匀地映射到度量深度，并用一阶导数正则保证局部单调，可直接替换常见的线性 scale-shift 对齐。

RaGS：释放 3D 高斯泼溅，融合 4D 雷达与单目线索进行 3D 目标检测

RaGS: Unleashing 3D Gaussian Splatting from 4D Radar and Monocular Cue for 3D Object Detection

将场景建模为连续高斯场，用视锥初始化与多模态迭代聚合动态分配资源到前景区域，再渲染为层级 BEV 特征；这种以高斯为中间表示、按需聚焦稀疏信息区域的做法，可迁移到其他多传感器 3D 检测与稀疏场景感知任务。

RT-Splatting：基于高斯泼溅的反射-透射联合建模

RT-Splatting: Joint Reflection-Transmission Modeling with Gaussian Splatting

把每个高斯的几何占用与光学不透明度解耦，用同一组高斯基元同时充当表面（捕捉高频反射）与体积（保留清晰透射），并配合镜面感知梯度门控抑制透射分支的误导梯度；做半透明/镜面物体重建与新视角合成时可直接复用这套表示与渲染器设计。

RISE：基于单一静态雷达的室内场景理解

RISE: Single Static Radar-based Indoor Scene Understanding

利用多径反射作为几何线索，通过双角度建模恢复不可见结构，并用扩散框架将稀疏雷达信号转化为完整布局与目标检测，为隐私保护下的室内三维感知提供了新思路。

RINO：旋转不变的非刚性对应

RINO: Rotation-Invariant Non-Rigid Correspondences

RINONet 把基于向量的 SO(3) 不变特征学习与方向感知的复函数映射结合，直接从原始几何端到端回归稠密对应，可复用于任意姿态、部分数据、非流形网格的匹配与配准任务，省去预对齐和手工描述子。

RI-Mamba：面向鲁棒文本到形状检索的旋转不变 Mamba

RI-Mamba: Rotation-Invariant Mamba for Robust Text-to-Shape Retrieval

把旋转不变性直接做进 Mamba 状态空间模型的词元序列构造里（全局/局部参考系解耦位姿与几何 + Hilbert 排序），并用特征级线性调制回注朝向嵌入，这套线性时间、对任意朝向鲁棒的 3D 表征可直接迁移到点云分类、分割、配准等下游任务。

RHO：基于OpenStreetMap的鲁棒整体度量跨视角地理定位

RHO: Robust Holistic OSM-Based Metric Cross-View Geo-Localization

提出基于全景图与OSM的度量跨视角地理定位新设定，并设计Split-Undistort-Merge模块处理全景畸变、Position-Orientation Fusion机制融合位置与朝向，为视觉定位中全景畸变校正与多模态融合提供可复用技术。

RHINO：从单目视频重建人与新物体的交互

RHINO: Reconstructing Human Interactions with Novel Objects from Monocular Videos

用 3D-aware 基础模型为低纹理区域提供稳定 SfM 线索，再把表观运动分解为相机运动与物体运动，从而在统一世界坐标系下联合配准人、物体与场景；其带符号距离场组合式神经场与可微接触先验可直接复用于人-物交互重建与物理合理性约束。

RF4D：面向户外动态场景新视角合成的神经雷达场

RF4D:Neural Radar Fields for Novel View Synthesis in Outdoor Dynamic Scenes

将毫米波雷达的物理功率渲染公式与神经场结合，并引入场景流模块强制时序占用一致性，为恶劣天气下的动态场景新视角合成提供了可复用的雷达-神经场建模范式。

REVIVE 3D：通过编码膨胀先验细化实现体积增强

REVIVE 3D: Refinement via Encoded Voluminous Inflated prior for Volume Enhancement

针对单张平面图像 3D 线索不足的问题，先用前景轮廓膨胀构造 Inflated Prior 恢复全局体积，再在 3D 潜变量上加噪去噪、借预训练骨干的 3D 先验细化几何；这套「先构造粗体积先验再潜空间细化」的两阶段即插即用思路，可直接迁移到单图/稀疏视角三维生成与编辑任务。

REArtGS++：基于平面高斯泼溅与时序几何约束的泛化性关节重建

REArtGS++: Generalizable Articulation Reconstruction with Temporal Geometry Constraint via Planar Gaussian Splatting

把高斯球约束成平面片，并用泰勒一阶展开在平面法向与深度之间建立时序一致正则，从而在未见状态下也能给出几何约束；这套「平面高斯 + 时序几何约束」可直接迁移到其他需要跨状态/跨帧一致性的动态或可动场景重建任务。

REALM：面向高斯泼溅开放世界 3D 推理分割与编辑的 MLLM 智能体框架

REALM: An MLLM-Agent Framework for Open World 3D Reasoning Segmentation and Editing on Gaussian Splatting

提出全局到局部的空间视觉定位策略，利用多视角渲染与 MLLM 智能体聚合实现无需 3D 后训练的开放世界推理分割，可直接用于高斯泼溅场景的指令驱动物体定位与编辑。

RARE：学习排序与检索用于单目 3D 目标检测

RARE: Learn to RAnk and REtrieve for Monocular 3D Object Detection

把置信度估计从回归绝对分数改成学习相对排序，并用查询集显式建模单目 3D 定位的多峰分布再检索 top-1，这套「排序+检索」思路可直接迁移到其他存在病态逆问题的 3D 任务（如单目深度、6D 位姿）的置信度与多假设输出设计。

RAP：面向高效 3D 高斯泼溅处理的快速前馈无渲染属性引导基元重要性分数预测

RAP: Fast Feedforward Rendering-Free Attribute-Guided Primitive Importance Score Prediction for Efficient 3D Gaussian Splatting Processing

用轻量 MLP 从高斯本征属性与局部邻域统计直接回归每个基元的重要性分数，完全绕开多视角渲染与可微光栅化，可作为即插即用剪枝模块嵌入 3DGS 重建、压缩与传输流程，替代渲染式贡献评估。

R3-PCQA：面向无参考三维点云质量评估的射线重投影强化方法

R3-PCQA: Ray-Reprojection-Reinforcement for No-Reference 3D Point Cloud Quality Assessment

将点云质量评估建模为多视角射线重投影加强化学习子云选择，可复用于任何需要从 2D 投影聚合 3D 结构感知的任务（如点云分割、配准中的视图聚合），其全局视图注意力聚合机制也可迁移到多视图特征融合。

QueryOcc：面向 3D 语义占用的查询式自监督

QueryOcc: Query-based Self-Supervision for 3D Semantic Occupancy

用跨相邻帧采样的 4D 时空查询直接对连续 3D 占用做自监督，配合收缩式场景表示在恒定显存下覆盖远距离区域，可替代基于 2D 渲染一致性或离散体素的监督方式，用于相机/激光雷达输入的占用学习。

QueryMe：查询驱动的多模态证据开放词表3D物体功能可供性定位

QueryMe: Query-Driven Open-Vocabulary 3D Object Affordances Grounding from Multimodal Evidence

将2D人-物交互图像投影到3D空间，并用多模态查询结构在点云中检索几何一致的功能部件，为开放词表3D功能可供性定位提供了可复用的跨模态对齐与查询机制。

QuadSync：基于 Tucker 分解的四焦点张量同步

QuadSync: Quadrifocal Tensor Synchronization via Tucker Decomposition

把四焦点张量当作可同步的高阶约束，用固定多线性秩 (4,4,4,4) 的 Tucker 分解从 n 个四焦点张量一次性恢复全部相机矩阵，为全局式 SfM 提供比本质矩阵更强的初始化与优化信号；其块张量与三焦点/双焦点张量的联合同步思路可直接替换现有增量式或成对同步流程中的相机位姿求解环节。

明智剪枝，清晰重建：基于自适应剪枝与差分高斯基元的紧凑 3D 高斯泼溅

Prune Wisely, Reconstruct Sharply: Compact 3D Gaussian Splatting via Adaptive Pruning and Difference-of-Gaussian Primitives

提供一种重建感知的自适应剪枝调度（依据重建质量动态决定剪枝时机与细化间隔），以及把正负密度联合建模的差分高斯基元，可直接嵌入现有 3DGS 训练管线以在保持渲染质量的同时大幅压缩高斯数量。

Proxy-GS：面向结构化三维高斯泼溅训练与推理的统一遮挡先验

Proxy-GS: Unified Occlusion Priors for Training and Inference in Structured 3D Gaussian Splatting

用快速代理表示生成遮挡深度图，为高斯泼溅的训练致密化与推理剔除提供统一遮挡先验，可直接迁移到大规模场景的 LOD 与加速渲染管线中。

PromptStereo：通过结构与运动提示词实现零样本立体匹配

PromptStereo: Zero-Shot Stereo Matching via Structure and Motion Prompts

将单目深度基础模型的解码器改造为提示词引导的迭代细化模块（PRU），把单目结构线索与立体运动线索作为提示词注入潜变量，为立体匹配的迭代阶段提供可复用的零样本泛化增强手段。

PromptDepth：面向具身智能的高效可提示几何三维视觉模型

PromptDepth: Efficient and Promptable Geometric 3D Vision Model for Embodied Intelligence

PromptDepth 将深度估计与实例级分割统一到一个前馈网络中，通过提示（prompt）灵活切换全景/实例/跟踪深度图输出，为具身智能提供实时 3D 感知与交互能力；其 ILDS 损失和 Gram Anchoring 技术可缓解密集与离散表示冲突，可复用于其他多任务密集预测模型。

ProgressiveAvatars：渐进式可动画三维高斯化身

ProgressiveAvatars: Progressive Animatable 3D Gaussian Avatars

把 3D 高斯挂在模板网格的面局部坐标上，并用屏幕空间误差驱动隐式细分，得到可按带宽增量加载、逐级渲染的可动画化身；这套「层次化高斯 + 面局部参数化」思路可直接迁移到任意可形变物体的流式传输与 LOD 渲染。

面向路侧激光雷达场景补全的概率差异学习

Probabilistic Discrepancy Learning for Roadside LiDAR Scene Completion

用扩散模型在概率位姿校正后做全场景点云补全，并设计区域/全局采样差异损失，可迁移到固定视角遮挡下的点云补全与多模态融合感知。

PrITTI：基于基元的可控可编辑三维语义城市场景生成

PrITTI: Primitive-based Generation of Controllable and Editable 3D Semantic Urban Scenes

用向量化物体基元加栅格化地面构成混合表示，替代体素作为三维语义场景的生成载体，使潜扩散模型能在结构化潜空间里做物体级与地面级编辑；做三维场景生成或编辑时可借鉴这种「基元+地面」的紧凑表示与对应的 inpainting/outpainting 流程。

PoseMaster：面向风格化姿态生成的统一三维原生框架

PoseMaster: A Unified 3D Native Framework for Stylized Pose Generation

用 3D 骨架直接作为条件、在统一框架内端到端生成带风格的三维网格，替代「2D 姿态编辑 + 3D 提升」的级联流程；其严格空间对齐的骨架-网格配对可直接接自动蒙皮，为角色绑定与可动画资产生成提供可复用范式。

PoseGaussian：基于稀疏视角物体级三维高斯泼溅的未见物体 6D 姿态估计

PoseGaussian: 6D Pose Estimation for Unseen Objects via Sparse-View Object-Level 3D Gaussian Splatting

利用稀疏 RGB-D 视图构建物体级 3DGS 表示，并通过深度先验初始化、自适应密度控制与视图扭曲增强来抑制浮空伪影和外观过拟合，为无 CAD 模型的 6D 位姿估计提供可复用的重建-配准流程。

PoseGAM：基于几何感知多视图推理的鲁棒未见物体位姿估计

PoseGAM: Robust Unseen Object Pose Estimation via Geometry-Aware Multi-View Reasoning

把多视图基础模型当作位姿回归器，用点云几何与几何表征网络特征两路注入物体几何先验，绕开显式 2D-3D 对应匹配，可直接迁移到无模板、无 CAD 模型的未见物体位姿估计与抓取场景。

面向360度视频的无位姿全景高斯泼溅与一致深度先验

Pose-Free Omnidirectional Gaussian Splatting for 360-Degree Videos with Consistent Depth Priors

把相机位姿估计从 SfM 中解放出来，直接利用高斯内部深度先验建立 2D-3D 对应来恢复全景相机位姿，并用单目深度内点筛选驱动高斯致密化；对做无位姿/稀疏视角 3DGS 与全景新视角合成的人可直接复用该位姿求解与致密化策略。

PolarGuide-GSDR：偏振先验与延迟反射驱动的3D高斯泼溅用于真实反射场景

PolarGuide-GSDR: 3D Gaussian Splatting Driven by Polarization Priors and Deferred Reflection for Real-World Reflective Scenes

将偏振先验嵌入3DGS优化，通过双向迭代解耦反射与几何，为反射场景下的实时新视角合成和法线估计提供了可复用的框架。

Points-to-3D：以点云先验实现结构感知的三维生成

Points-to-3D: Structure-Aware 3D Generation with Point Cloud Priors

把可见区域点云（LiDAR 或 VGGT 前馈预测）编码进 TRELLIS 的稀疏结构潜变量，用结构图像修复网络加两阶段采样补全不可见几何，为视觉研究者提供了一条用现成点云先验做几何可控 3D 生成的通用路径。

Pointer-CAD：通过基于指针的边与面选择统一 B-Rep 与命令序列

Pointer-CAD: Unifying B-Rep and Command Sequences via Pointer-based Edges & Faces Selection

将 B-rep 的几何实体选择建模为指针网络预测，为视觉-语言模型在结构化几何生成中提供可复用的实体引用机制；同时其数据标注流水线可启发 3D 理解任务中的自然语言监督构建。

PointWorld：面向野外机器人操作的 3D 世界模型规模化

PointWorld: Scaling 3D World Models for In-The-Wild Robotic Manipulation

把动作与状态统一表示为 3D 点流，用 RGB-D 输入预测逐像素三维位移，可作为视觉世界模型直接嵌入 MPC 做无演示的机器人操作；其动作即几何位移的建模思路也可迁移到其他需要动作条件预测的视觉任务。

PointTPA：面向3D场景理解的动态网络参数自适应

PointTPA: Dynamic Network Parameter Adaptation for 3D Scene Understanding

提出一种测试时参数自适应框架，通过序列化邻域分组和动态参数投影器为点云场景生成输入感知的骨干网络权重，可复用于其他3D场景理解任务的轻量级自适应。

PointNSP：基于下一尺度细节层次预测的自回归三维点云生成

PointNSP: Autoregressive 3D Point Cloud Generation with Next-Scale Level-of-Detail Prediction

提出基于下一尺度预测的自回归点云生成框架，利用多尺度分解对齐点集的无序性，避免固定顺序偏差，可复用于其他无序集合生成任务（如点云补全、场景生成）。

PointGS：基于3D高斯泼溅的语义一致无监督3D点云分割

PointGS: Semantic-Consistent Unsupervised 3D Point Cloud Segmentation with 3D Gaussian Splatting

利用3D高斯泼溅作为中间表示，将稀疏点云重建为稠密高斯空间，再通过多视图渲染和SAM提取语义，用对比学习蒸馏到3D高斯基元，最后配准回原点云实现无监督分割。这为2D-3D语义迁移提供了一种可复用的技术路线，尤其适合标注稀缺的3D场景理解任务。

PointCNN++：在原生点上执行高性能卷积

PointCNN++: Performant Convolution on Native Points

把稀疏卷积从体素推广到原始高精度点坐标，并以 MVMR 形式实现专用 GPU kernel，可直接替换体素骨干用于点云配准等需要几何精度的任务，兼顾显存与速度。

Point4Cast：流式动态场景重建与预测

Point4Cast: Streaming Dynamic Scene Reconstruction and Forecasting

把「持续演化的潜时空表征 + 更新/读出」这一流式范式用于任意时刻查询，可让在线三维重建从「逐帧点图」升级为可外推的未来几何预测，并顺带免费得到场景流；对做动态 SLAM、自动驾驶 BEV/点图预测、视频到三维的工作都可直接复用其更新-读出接口。

面向 3D 高斯泼溅的即插即用 PDE 优化：迈向高质量渲染与重建

Plug-and-Play PDE Optimization for 3D Gaussian Splatting: Toward High-Quality Rendering and Reconstruction

把 3DGS 的优化过程建模为带粘性项的 PDE，并用物质点法（MPM）做数值求解，为高斯优化提供全局与局部约束；这套即插即用的优化器可直接嵌入现有 3DGS 管线，缓解复杂场景下的模糊与漂浮物问题。

PlanaReLoc：基于区域结构匹配的三维平面基元相机重定位

PlanaReLoc: Camera Relocalization in 3D Planar Primitives via Region-Based Structure Matching

把平面基元当作区域级结构表示来做跨模态匹配，绕开了对纹理/颜色地图、位姿先验和逐场景训练的依赖；做室内重定位或地图表示的人可以直接借鉴这种「平面图 + 深度匹配器 + 鲁棒位姿求解」的轻量范式。

PixARMesh：自回归网格原生的单视图场景重建

PixARMesh: Autoregressive Mesh-Native Single-View Scene Reconstruction

把网格生成模型与像素对齐的图像特征、全局场景上下文通过交叉注意力结合，并用统一的词元流（上下文+位姿+网格）自回归地一次性输出布局与几何，为单图三维重建提供了一条绕开隐式 SDF 与后处理布局优化的端到端路线。

PiLoT：面向无人机自身与目标地理定位的神经像素到三维配准

PiLoT: Neural Pixel-to-3D Registration for UAV-based Ego and Target Geo-localization

把实时视频流与带地理参考的三维地图做神经像素到三维配准，用双线程引擎把地图渲染与定位解耦，并用仿真数据训练轻量网络实现零样本仿真到真实迁移，为无 GNSS 场景下的相机位姿估计提供了可复用的地图配准范式。

物理启发的用于 HDR 新视角合成的高斯泼溅

Physically Inspired Gaussian Splatting for HDR Novel View Synthesis

将本征反射率与可调环境光照解耦建模，并引入跨分支 HDR 一致性损失与光照引导的梯度缩放策略，为基于高斯泼溅的 HDR 新视角合成提供了显式监督和梯度均衡手段，可直接迁移到其他需要多曝光融合的神经渲染框架。

PhysX-Anything：从单张图像生成仿真就绪的物理三维资产

PhysX-Anything: Simulation-Ready Physical 3D Assets from Single Image

提出一种基于 VLM 的物理 3D 生成框架，通过高效几何词元化（减少 193 倍词元）在标准 VLM 词元预算内学习显式几何，并联合预测铰接与物理属性，为单图生成可直接用于仿真的铰接资产提供了新思路。

PhysSkin：基于自监督神经蒙皮的实时可泛化物理动画

PhysSkin: Real-Time and Generalizable Physics-Based Animation via Self-Supervised Neural Skinning

把线性混合蒙皮推广为连续神经蒙皮场，用 Transformer 编码器加交叉注意力解码器从手柄变换生成与离散化无关的形变基函数，可直接用于实时角色动画与物理仿真中的任意网格或点云驱动。

PhysIR-Splat：3D 高斯泼溅中物理一致的热红外辐射传输

PhysIR-Splat: Physically Consistent Thermal Infrared Radiative Transfer in 3D Gaussian Splatting

把温度、发射率与环境辐照度显式绑定到高斯原语上，并在渲染时联合建模热辐射、反射分量与大气透过率，为热红外 NVS 提供可复用的物理渲染方程；同时用 VGGT-IR 前馈初始化替代 SfM，解决低对比度热图下位姿初始化不稳的问题。

PhysHead：可直接用于仿真的高斯头部化身

PhysHead: Simulation-Ready Gaussian Head Avatars

把 3D 高斯基元同时绑定在头部参数化网格与可物理仿真的发丝段上，为可动头部化身提供了一种「网格+发丝+高斯外观」的混合表示；其用 VLM 补全动态序列中被遮挡区域外观的训练策略，可迁移到其他存在遮挡缺失的多视角动态重建任务。

PhysHO：从单目视频重建基于物理的动态 3D 高斯人体与物体

PhysHO: Physics-Based Dynamic 3D Gaussian Human and Object from Monocular Video

将 LBS 作为可解释的驱动先验、用 MPM 传播接触力，并用逐粒子的残差神经本构模型刻画非均质材料，为单目视频中人体-物体交互的物理可信重建与未来运动预测提供了可复用的建模范式。

PhysGen：面向工业设计的物理落地三维形状生成

PhysGen: Physically Grounded 3D Shape Generation for Industrial Design

把物理属性（如气动效率）作为显式引导信号注入流匹配采样过程，通过速度更新与物理精修的交替迭代在潜空间中调整形状；做 3D 生成且关心下游功能约束的工作可复用这一「生成器+物理正则+联合潜空间编码」的范式。

PhysGS：用于物理属性估计的贝叶斯推断高斯泼溅

PhysGS: Bayesian-Inferred Gaussian Splatting for Physical Property Estimation

把 3D 高斯泼溅从几何/外观重建扩展为可微的贝叶斯后验推断框架，每个高斯点携带材质与物理属性信念并随观测迭代更新，同时区分偶然与认知不确定性；做机器人操作、仿真到现实或需要从视觉推断物体物理量的工作可直接复用这一「高斯点 + 概率信念」的表示。

PhysGM：面向前馈 4D 合成的大型物理高斯模型

PhysGM: Large Physical Gaussian Model for Feed-Forward 4D Synthesis

把单图前馈预测 3D 高斯与物理参数（质量、杨氏模量等）耦合进同一网络，并用 DPO 替代 SDS 优化来对齐物理合理性，为动态 3DGS 生成提供了一条免逐场景优化、可即时仿真的路线。

PhyGaP：基于偏振线索的物理基础高斯泼溅

PhyGaP: Physically-Grounded Gaussians with Polarization Cues

将偏振线索引入3D高斯泼溅的延迟渲染管线，实现反射分解与重光照；其偏振感知的延迟渲染（PolarDR）和自遮挡感知环境图构建（GridMap）可复用于材质估计、逆渲染等任务。

Photo3D：通过结构对齐的细节增强推进照片级真实感三维生成

Photo3D: Advancing Photorealistic 3D Generation through Structure-Aligned Detail Enhancement

用 GPT-4o-Image 生成的多视图图像作为真实细节先验，通过结构对齐的多视图合成管线与感知特征适配、语义结构匹配，把细节注入 3D-native 生成器的几何之上；对做 3D 生成的人，这是一套可直接挂到现有几何生成器后面的纹理/外观增强方案，并给出了耦合与解耦两种范式的训练策略。

基于照片引导的3D口腔扫描模型牙齿分割

Photo-Guided Tooth Segmentation on 3D Oral Scan Model

将口内照片的纹理语义作为补充信息，通过相机对齐和特征过滤门控融合到3D扫描模型的分割中，为多模态3D分割提供了可复用的配准与特征选择思路。

PerpetualWonder：长时程动作条件 4D 场景生成

PerpetualWonder: Long-horizon Action-conditioned 4D Scene Generation

把物理状态与视觉基元做双向绑定、并用多视角监督消解优化歧义，是让生成式细化能反过来修正底层物理的通用思路；做可交互场景生成或世界模型时，可直接借鉴这种闭环更新机制。

感知式 3D 仿真与物理世界建模

Perceptual 3D Simulation With Physical World Modeling

把感知建模为多模态场景变量的概率推断，并用部分 3D 变换信号作为条件、用持久场景记忆做在线一致性更新，这一「学习式世界模型 + 显式几何条件」的组合可直接迁移到新视角合成与动态场景预测任务中，作为对纯数据驱动生成模型的归纳偏置补充。

PercHead：面向单图三维头部重建与编辑的感知头部模型

PercHead: Perceptual Head Model for Single-Image 3D Head Reconstruction & Editing

用 DINOv2 + SAM 2.1 特征构造的感知损失可直接替换 LPIPS/SSIM/L1，作为高频细节监督的通用手段；ViT 解耦 3D 表示与 2D 输入的架构也值得借鉴到单图重建任务。

PatchScene：面向大规模场景补全的基于块体素扩散模型

PatchScene: Patch-based Voxel Diffusion Model for Large-Scale Scene Completion

把大场景拆成局部 3D patch 分别做体素扩散再融合，配合按激光雷达径向密度设计的 Annular-Flow 采样，为稀疏点云的大范围补全提供了可扩展的生成式方案；其 patch 重叠融合与跨帧时序聚合思路可直接迁移到其他基于扩散的 3D 补全/生成任务。

PatchAlign3D：面向密集三维形状理解的局部特征对齐

PatchAlign3D: Local Feature Alignment for Dense 3D Shape Understanding

提出仅编码器的点云 Transformer，通过两阶段训练（DINOv2 密集特征蒸馏 + 多正对比对齐部件文本嵌入）实现零样本 3D 部件分割，单次前向推理无需多视角渲染，为 3D 局部理解提供高效可复用的表征学习方案。

Particulate：前馈式三维物体关节化

Particulate: Feed-Forward 3D Object Articulation

把关节物体的部件分割、运动学树与运动约束统一到一个前馈 Transformer 中一次预测，替代逐物体优化，可直接接到 image-to-3D 模型后面做单图生成可动 3D 资产。

ParticleGS：从视频学习神经高斯粒子动力学以实现无先验物理运动外推

ParticleGS: Learning Neural Gaussian Particle Dynamics from Videos for Prior-free Physical Motion Extrapolation

将动态3D场景表示为物理粒子系统，用Neural ODE学习连续时间动力学，实现无先验的未来运动外推；其编码器-演化器-解码器架构可复用于其他需要物理一致性的动态重建任务。

PartDiffuser：基于离散扩散的部件级三维网格生成

PartDiffuser: Part-wise 3D Mesh Generation via Discrete Diffusion

把「部件间自回归 + 部件内并行离散扩散」的混合生成范式用于网格生成，并用点云作为分层几何条件通过部件感知交叉注意力注入，为可控、高细节的3D资产生成提供了可复用的条件控制与解耦思路。

Part$^{2}$GS：基于 3D 高斯泼溅的关节物体部件感知建模

Part$^{2}$GS: Part-aware Modeling of Articulated Objects using 3D Gaussian Splatting

把 3DGS 的每个高斯绑定可学习部件属性，配合接触约束、速度一致性与斥力点场实现物理一致的关节运动，可直接迁移到可动物体/机器人场景的数字孪生与可动部件重建。

ParkGaussian：面向自动驾驶泊车的环视3D高斯泼溅

ParkGaussian: Surround-view 3D Gaussian Splatting for Autonomous Parking

将3D高斯泼溅用于环视鱼眼相机的泊车场景重建，并提出车位感知的重建策略，利用现有车位检测模型增强车位区域合成质量，为自动驾驶中重建与下游感知的一致性提供了可复用的思路。

面向三维网格的可并行可微最直测地线

Parallelised Differentiable Straightest Geodesics for 3D Meshes

为三角网格上的几何学习提供了可并行、可微的指数映射与测地线追踪算子，可直接嵌入网络层或优化器，用于需要测地距离/平行传输的网格卷积、网格生成与几何优化管线。

并行刚性对光束法平差的重要性

Parallel Rigidity Matters for Bundle Adjustment

把并行刚性理论引入 BA 的二部图拓扑分析，给出解唯一性（避免子图独立缩放）的可判定条件与高效算法，可直接嵌入全局式 SfM 管线用于剔除错位相机与三维点。

Paparazzo：运动三维目标的主动建图

Paparazzo: Active Mapping of Moving 3D Objects

把「主动视角规划」引入动态目标的三维重建：用无学习的方式预测目标轨迹并挑选信息量最大的观测视角，可直接用于无人机/机器人对运动物体的在线建图与扫描。

PanoVGGT：基于全景图像的前馈三维重建

PanoVGGT: Feed-Forward 3D Reconstruction from Panoramic Imagery

将前馈式三维重建模型（如VGGT）扩展到全景图像，通过球面感知位置编码和三轴SO(3)旋转增强处理非针孔畸变，并引入随机锚定策略解决全局坐标系歧义，为全景相机下的联合位姿估计与稠密重建提供可复用方案。

Pano3DComposer：从单张全景图像前馈式组合生成三维场景

Pano3DComposer: Feed-Forward Compositional 3D Scene Generation from Single Panoramic Image

把现成的 image-to-3D 模型生成的局部坐标物体，通过改造 VGGT 的前馈变换预测器直接放到世界坐标，绕开迭代布局优化；做单图/全景场景合成或需要把生成物体摆进场景的工作可以复用这个「物体-世界变换预测 + 渲染反馈由粗到细对齐」的范式。

PackUV：用于 4D 体积视频的打包高斯 UV 图集

PackUV: Packed Gaussian UV Maps for 4D Volumetric Video

把全部高斯属性烘焙进多尺度 UV 图集，使 4D 高斯表示可直接走 HEVC/FFV1 等标准视频编解码器，为体积视频的存储与流式传输提供了图像原生的表示思路；其流引导高斯标注与关键帧机制也可复用于大运动与遮挡下的动态高斯拟合。

PaNDaS：带局部控制的可学习形状插值建模

PaNDaS: Learnable Shape Interpolation Modeling with Localized Control

在源网格上学习逐面特征场并与目标全局编码融合，由形变生成器预测雅可比场再积分出平滑位移，这种「局部特征场 + 雅可比场」的表示可直接迁移到网格/点云的非刚性配准、局部编辑与姿态混合任务，且对重网格化鲁棒。

PV-Ground：文本引导的点-体素交互用于3D视觉定位

PV-Ground: Text-Guided Point-Voxel Interaction for 3D Visual Grounding

用体素骨干网络保留高分辨率空间细节，并用文本引导的关键点采样聚合特征，为3D视觉定位提供了一种避免激进下采样的点-体素交互范式。

PTC-Depth：具有时序一致性的位姿精化单目深度估计

PTC-Depth: Pose-Refined Monocular Depth Estimation with Temporal Consistency

利用轮式里程计和光流三角化得到的稀疏深度，对预训练深度基础模型的相对深度做递归贝叶斯尺度校正，为视觉研究者提供了一种在连续帧间保持深度时序一致性的轻量级后处理框架。

PRIMU：基于基元级误差与覆盖表示的高斯泼溅新视角不确定性估计

PRIMU: Uncertainty Estimation for Novel Views in Gaussian Splatting from Primitive-Based Representations of Error and Coverage

把训练视角的误差与覆盖统计投影到高斯基元上，再渲染成不确定性特征图并用留出数据做像素级回归，这套后处理式不确定性估计可直接用于新视角合成中的主动视角选择与深度可靠性评估。

PQDT：用于鲁棒点云修复的伪查询双 Transformer

PQDT: Pseudo-Query Dual Transformer for Robust Point Cloud Restoration

提出伪查询模块与 Transformer 骨干网络，将几何变换分解为两阶段协同过程，为点云修复提供统一框架，可复用于其他 3D 感知任务中的退化数据处理。

PPISP：辐射场重建中光度变化的物理合理补偿与控制

PPISP: Physically-Plausible Compensation and Control of Photometric Variations in Radiance Field Reconstruction

把相机 ISP 拆成物理可解释的模块并训练一个控制器为新视角预测 ISP 参数，可直接替换 NeRF/3DGS 中常用的逐帧 latent 或仿射颜色校正，解决多视角光度不一致且无需新视角真值即可公平评测。

PP-Brep：基于混合图表示的少样本 B-rep 分类

PP-Brep: Few-Shot B-rep Classification with Hybrid Graph Representation

把 B-rep 的局部拓扑图、全局平行图与区域关联超图组合成混合图，再用结构感知图提示做少样本分类，为 CAD/3D 几何的图表示学习与提示式迁移提供了可复用范式。

PE3R：感知高效的三维重建

PE3R: Perception-Efficient 3D Reconstruction

把 2D 语义先验与多视图几何融合进一个免调优的前馈管线，可直接用于从无位姿图像做开放词表三维语义重建，替代逐场景优化，并可作为三维场景理解中语义与几何联合评测的基线。

PARSE：部件感知的关系空间建模

PARSE: Part-Aware Relational Spatial Modeling

提出部件级装配图（PAG）作为结构化先验，可注入3D生成模型提升物理真实感与结构复杂度；同时为视觉语言模型提供部件级关系监督，增强空间推理能力。

P2GS：物理先验引导的高斯泼溅用于光度一致的城市重建

P2GS: Physical Prior-guided Gaussian Splatting for Photometrically Consistent Urban Reconstruction

把逐视角曝光尺度与色调映射函数作为可优化变量，与线性 HDR 辐射场联合分解，可在无 HDR 监督下消除多相机驾驶数据中的跨视角光度不一致，对做街景重建与闭环仿真的人可直接复用。

Ov3R：从 RGB 视频进行开放词表语义三维重建

Ov3R: Open-Vocabulary Semantic 3D Reconstruction from RGB Videos

把 CLIP 语义直接注入三维重建主干（CLIP3R 预测带物体级语义的稠密点图），再用 2D-3D 融合描述子把二维开放词表特征提升到三维，为开放词表三维分割与全局一致重建提供了一条可复用的「重建即语义」路线。

OrienPose：方向引导的新视角合成用于单图像未见物体姿态估计

OrienPose: Orientation-Guided Novel View Synthesis for Single-Image Unseen Object Pose Estimation

论文将方向线索显式注入参考视图的潜变量嵌入，并用几何层面的方向一致性损失监督视角变换，这为基于新视角合成的物体姿态估计提供了可复用的几何约束思路，能提升模板匹配的可靠性。

顺序很重要：从序列化 VR 草图生成三维形状

Order Matters: 3D Shape Generation from Sequential VR Sketches

把笔画时序作为条件信号注入草图编码器，再驱动扩散式三维生成器，为「手绘/交互输入→三维内容」这类任务提供了可复用的顺序感知编码思路与合成数据自动生成管线。

Opti-NeuS：面向双层透明与不透明物体的神经重建

Opti-NeuS: Neural Reconstruction for Dual-Layered Transparent and Opaque Objects

用网络预测空间变化的折射率来追踪折射光线路径，从而把透明物体的折射畸变纳入神经隐式重建；两阶段分层解耦加 alpha 混合分离内外表面，可直接迁移到透明容器、玻璃、液体等混合材质的重建与渲染。

OpenVoxel：面向开放词表三维场景理解的免训练体素分组与描述生成

OpenVoxel: Training-Free Grouping and Captioning Voxels for Open-Vocabulary 3D Scene Understanding

对做开放词表 3D 场景理解的视觉研究者，这篇论文提供了一条免训练路径：直接在稀疏体素光栅化（SVR）模型的分组结果上，用 MLLM 做文本到文本检索，替代 CLIP/BERT 文本嵌入，可复用于 OVS/RES 等 3D 任务。

OpenT2M：基于开源、大规模、高质量数据的无冗余运动生成

OpenT2M: No-frill Motion Generation with Open-source, Large-scale, High-quality Data

2D-PRQ 按人体生物学部位划分并捕捉时空依赖的运动分词器，可复用于人体动作表示与长时序运动合成；OpenT2M 的物理可行性校验与多粒度过滤流程，为构建高质量人体运动数据提供可借鉴的自动化管线。

OpenDance：基于大规模互联网数据的多模态可控 3D 舞蹈生成

OpenDance: Multimodal Controllable 3D Dance Generation with Large-scale Internet Data

提出统一的掩码建模框架，通过解耦自编码器与多模态联合预测 Transformer，实现音乐、文本、关键点、轨迹任意组合条件下的 3D 舞蹈生成，为多条件可控人体运动生成提供了可复用的架构与大规模数据集。

OnlinePG：基于三维高斯泼溅的在线开放词表全景建图

OnlinePG: Online Open-Vocabulary Panoptic Mapping with 3D Gaussian Splatting

把 3D 高斯泼溅做成在线增量式全景建图系统：滑动窗口内用几何+语义的 3D 分割聚类图融合碎片实例，再用双向二分图实例匹配把局部高斯图并入全局图，可直接复用到机器人/具身场景的实时开放词表语义地图构建。

OnlineHMR：基于视频的在线世界坐标人体网格恢复

OnlineHMR: Video-based Online World-Grounded Human Mesh Recovery

OnlineHMR 提供了一种完全在线的人体网格恢复框架，其因果键值缓存和滑动窗口学习策略可复用于其他需要流式推理的时序视觉任务，而增量式SLAM的世界坐标对齐方法为动态场景下的轨迹校正提供了新思路。

Online3R：基于几何基础模型的在线学习一致序列重建

Online3R: Online Learning for Consistent Sequential Reconstruction Based on Geometry Foundation Model

将轻量可学习视觉提示注入冻结的几何基础模型，并通过局部-全局自监督一致性约束在测试时在线更新，为视觉中的序列重建提供了一种无需真值的高效自适应方案。

OneOcc：基于单个全景相机的腿足机器人语义占用预测

OneOcc: Semantic Occupancy Prediction for Legged Robots with a Single Panoramic Camera

针对腿足/人形机器人平台，提出仅用单个全景相机进行360°语义占用预测的框架，其双投影融合、双网格体素化和步态位移补偿模块可被复用于其他存在剧烈抖动的移动平台的全景3D感知任务。

OmniVGGT：全模态驱动的视觉几何基础 Transformer

OmniVGGT: Omni-Modality Driven Visual Geometry Grounded Transformer

GeoAdapter 通过零初始化卷积将深度与相机内外参注入空间基础模型，配合随机模态子集训练，使模型在推理时可灵活利用任意数量辅助几何输入而不牺牲速度，为多视图三维重建与相机姿态估计提供了可复用的多模态融合范式。

离网：面向前馈三维高斯泼溅的图元检测

Off The Grid: Detection of Primitives for Feed-Forward 3D Gaussian Splatting

将关键点检测思想引入前馈3DGS的图元放置，用子像素级自适应分布替代像素网格，并基于香农熵动态分配每个图像块的图元数量，为提升前馈三维重建的质量与效率提供了可复用的解码器设计。

OccAny：广义无约束城市三维占用

OccAny: Generalized Unconstrained Urban 3D Occupancy

OccAny 将视觉几何基础模型适配到城市场景的度量占用预测，并引入分割强制和新视角渲染实现测试时视图增强，为无标定场景下的三维占用补全提供了可复用的框架。

OVI-MAP：开放词表实例语义建图

OVI-MAP: Open-Vocabulary Instance-Semantic Mapping

将实例重建与语义推理解耦：用 RGB-D 增量构建类别无关的三维实例图，仅在自动挑选的少量关键帧上调用视觉语言模型提取语义特征，从而在实时在线建图中同时获得稳定的实例跟踪与零样本开放词表标注，可作为开放词表三维场景理解系统的可复用架构。

OMGTex：无需几何引导的单阶段多风格人脸纹理重建

OMGTex: One-stage Multi-style Facial Texture Reconstruction without Geometry Guidance

把「2D 人脸图像→可编辑 UV 纹理」做成无几何先验的单阶段扩散流程，并用推理时梯度引导修正 UV 错位，这对做人脸重建/纹理生成的人提供了一个绕开 3DMM 拟合误差、且支持区域级语义编辑的替代方案。

OMG-Avatar：单样本多细节层次高斯头部化身

OMG-Avatar: One-shot Multi-LOD Gaussian Head Avatar

用深度缓冲引导的 Transformer 全局特征与投影采样局部特征融合，在单张图像上 0.2 秒内重建可动画高斯头部，并支持多级细节（LOD）输出；其多区域分解与跨区域组合思路可直接迁移到人体/肩部等非 3DMM 区域的单样本重建。

ODGS-SLAM：全向高斯泼溅 SLAM

ODGS-SLAM: Omnidirectional Gaussian Splatting SLAM

把 3DGS-SLAM 的建图与相机位姿估计梯度扩展到等距柱状投影的全景输入，并给出闭式梯度推导；做全景/鱼眼多相机 SLAM 或想把 3DGS 表示用于大视场重建的人可以直接复用这套投影梯度与基于图分析的关键帧剔除策略。

Node-RF：基于神经常微分方程 NeRF 学习泛化的连续时空场景动态

Node-RF: Learning Generalized Continuous Space-Time Scene Dynamics with Neural ODE-based NeRFs

把 NODE 的连续时间状态演化嵌入动态 NeRF 的隐式表示中，用 ODE 求解器在特征空间做长程外推，为动态场景建模提供了一种常数显存、可跨观测边界预测未来视角与状态的思路，可直接迁移到动态新视角合成与时空预测任务。

无需标定、无需深度、不成问题：具有三维一致性的跨传感器视图合成

No Calibration, No Depth, No Problem: Cross-Sensor View Synthesis with 3D Consistency

把 RGB-X 跨传感器对齐从「标定工程」转化为「匹配-稠密化-3DGS 整合」的视图合成流程，视觉研究者可直接复用其置信度感知稠密化与自匹配过滤来绕开标定，构建大规模 RGB-X 配对数据。

NimbusGS：混合天气条件下的统一三维场景重建

NimbusGS: Unified 3D Scene Reconstruction under Hybrid Weather

把恶劣天气退化拆成跨视角一致的全局透射场与逐视角的粒子残差，并配合几何引导的梯度缩放，使 3DGS 在低能见度多视角输入下仍能稳定学出几何，可直接迁移到雨雾雪混合场景的重建与新视角合成。

神经 Gabor 泼溅：用神经 Gabor 增强高斯泼溅实现高频表面重建

Neural Gabor Splatting: Enhanced Gaussian Splatting with Neural Gabor for High-frequency Surface Reconstruction

用轻量 MLP 增强每个高斯原语以表达内部颜色变化，并基于频率能量进行剪枝与克隆，为高频表面重建提供可复用的原语增强与致密化策略。

基于神经场的扫描电子显微镜多探测器信号微结构三维表面重建

Neural Field-Based 3D Surface Reconstruction of Microstructures from Multi-Detector Signals in Scanning Electron Microscopy

把神经场与可学习前向模型结合，将 SEM 多探测器信号中的光度立体线索与多视角几何融合，实现自标定、抗阴影的三维表面重建；这套「物理成像模型嵌入神经场」的思路可迁移到其他非标准成像模态（如显微、内窥、X 光）的三维重建。

NeuROK：生成式 4D 神经物体运动学

NeuROK: Generative 4D Neural Object Kinematics

将物体动力学参数化为低维潜空间，并用 Transformer 编码器-解码器从潜变量解码变形形状，为 4D 动态生成提供可复用的数据驱动框架，避免依赖预定义物理模型。

Neu-PiG：神经预条件网格用于长序列快速动态表面重建

Neu-PiG: Neural Preconditioned Grids for Fast Dynamic Surface Reconstruction on Long Sequences

提出一种基于预条件潜变量网格的快速形变优化方法，无需显式对应点即可从点云序列重建动态表面，其Sobolev预条件训练策略可推广到其他需要高效优化潜变量的三维重建任务。

Nestwork：基于潜变量异构图扩散的条件式三维带家具住宅布局生成

Nestwork: Conditional 3D Furnished House Layout Generation through Latent Heterogeneous Graph Diffusion

把整栋房子的房间与家具建成带类型节点和多种空间关系的异构图，用单一异构图注意力自编码器压到紧凑潜空间、再在其上做扩散去噪，这种「图→潜变量→扩散」的范式可直接迁移到场景图驱动的 3D 室内合成与布局补全；随机掩码训练让同一模型支持从仅拓扑到全标注的多种条件强度，对需要灵活用户控制的生成任务很有参考价值。

NeoVerse：利用野外单目视频增强 4D 世界模型

NeoVerse: Enhancing 4D World Model with in-the-wild Monocular Videos

无位姿前馈 4D 重建加在线单目退化模拟，让 4D 世界模型可以直接吃野外单目视频训练，绕开多视角 4D 数据和繁琐预处理；做动态场景重建或新视角/新轨迹视频生成的人可以把它当作可扩展的训练与推理范式。

NeAR：耦合的神经资产—渲染器栈

NeAR: Coupled Neural Asset-Renderer Stack

把单张随意光照图像经整流流模型提升到光照均匀化的 SLAT 潜空间，再由光照感知神经解码器在 HDR 环境图与相机位姿条件下实时合成可重光照的 3D 高斯泼溅，无需逐物体优化；这套「资产表征与渲染器联合设计」的思路可直接用于单图三维重建与重光照任务。

面向三维生成的原生紧凑结构化潜变量

Native and Compact Structured Latents for 3D Generation

O-Voxel 把几何与 PBR 材质统一编码进稀疏体素，并配一个高压缩率的稀疏压缩 VAE 得到紧凑潜变量，可直接作为 3D 生成模型的表示层替换 NeRF/三平面潜变量；做 3D 生成或资产重建时可借鉴其处理开放、非流形、全封闭拓扑的编码方式与潜空间压缩策略。

NaTex：作为潜变量颜色扩散的无缝纹理生成

NaTex: Seamless Texture Generation as Latent Color Diffusion

把纹理表示为稠密颜色点云，并用几何感知的点云 VAE 加多控制 DiT 直接在 3D 空间扩散生成颜色，绕开了多视图扩散烘焙带来的遮挡修补、边界对齐和跨视图一致性问题；做 3D 资产纹理、材质生成或网格贴图的人可以直接复用这套潜空间颜色扩散与几何潜变量对齐机制。

NVGS：用于 3D 高斯泼溅遮挡剔除的神经可见性

NVGS: Neural Visibility for Occlusion Culling in 3D Gaussian Splatting

提出用小型共享 MLP 学习高斯点的视角相关可见性函数，在光栅化前剔除被遮挡图元，可直接集成到高斯泼溅渲染管线中提升 VRAM 效率和图像质量。

NI-Tex：非等距的基于图像服装纹理生成

NI-Tex: Non-isometric Image-based Garment Texture Generation

面向非等距图像-网格对的前馈双分支 PBR 材质生成，配合不确定性引导的视角选择与重加权迭代烘焙，可复用于任意 3D 资产从单张野外图像反推无缝 PBR 纹理的流程。

NG-GS：神经辐射场引导的三维高斯泼溅分割

NG-GS: NeRF-guided 3D Gaussian Splatting Segmentation

针对 3DGS 离散高斯在物体边界处产生锯齿与伪影的问题，用掩码方差分析定位边界模糊高斯，并以 RBF 插值 + 多分辨率哈希编码构建空间连续特征场，再通过轻量 NeRF 模块的联合优化约束边界平滑；这套「连续特征场 + NeRF 引导」思路可直接迁移到 3DGS 的编辑、抠图与开放词表查询任务。

Muses：无需训练地设计、组合与生成不存在的奇幻 3D 生物

Muses: Designing, Composing, Generating Nonexistent Fantasy 3D Creatures without Training

用 3D 骨骼作为结构先验，把「设计—组装—生成」拆成可复用的免训练流水线；其中图约束推理构造骨骼、潜空间体素组装、骨骼条件下的图像引导外观建模，都可迁移到 3D 资产编辑与组合式生成。

面向多样化文本到3D生成的多模态语义偏差缓解

Multimodal Semantic Bias Mitigation for Diverse Text-To-3D Generation

针对文本到3D大模型对提示词格式敏感、难以理解复杂提示词的问题，提出用质量评价模型定位跨模态偏差、以质量分数量化提示词文本对偏差的贡献，并构造成对样本重建无偏的视觉-文本连接；做文本到3D或扩散先验的人可借鉴这套偏差定位与成对偏好式微调流程。

多视图金字塔 Transformer：看得更粗，见得越广

Multi-view Pyramid Transformer: Look Coarser to See Broader

MVP 的局部到全局视图层级和细到粗空间层级为多视图 Transformer 提供了高效处理大量视图的通用架构，可直接用于前馈式三维重建与高斯泼溅初始化。

多视图一致的三维高斯头部头像“无需”多视图生成

Multi-view Consistent 3D Gaussian Head Avatars 'without' Multi-view Generation

提出在 3D 高斯表示上直接施加多视图一致性约束的单次状态空间模型，无需多视图数据或中间视图合成，为单视图 3D 头像生成提供了可复用的 HiSS 块与 HiBiSS 扫描机制，以及基于 SE(3) 多视图评论器的自监督训练思路。

用于语义场景补全的多模态频率分解网络

Multi-modal Frequency Decomposition Network for Semantic Scene Completion

针对 RGB-D 语义场景补全中的多模态对齐问题，提出频率分解与全局到局部的对齐范式，可复用于其他多模态融合任务（如深度补全、3D 检测）的特征对齐与细节保留。

MotionScale：以可扩展 4D 高斯泼溅重建动态场景的外观、几何与运动

MotionScale: Reconstructing Appearance, Geometry, and Motion of Dynamic Scenes with Scalable 4D Gaussian Splatting

以聚类中心基变换参数化的可扩展运动场，配合背景扩展与前景传播两阶段渐进优化，为单目视频长时序大场景的动态重建提供了可复用的运动表示与训练调度思路。

MotionMaster：可泛化的文本驱动运动生成与编辑

MotionMaster: Generalizable Text-Driven Motion Generation and Editing

把预训练多模态大语言模型微调成文本到人体运动（3D 骨骼序列）的生成与编辑模型，并用 FSQ 分词器把运动离散成 token 与语言共享嵌入空间；对做 3D 人体动作/动画的研究者，这是一条可直接复用的「LLM 当运动先验 + 离散运动 token」路线。

MotionCrafter：基于 4D 变分自编码器的稠密几何与运动重建

MotionCrafter: Dense Geometry and Motion Reconstruction with a 4D VAE

把稠密 3D 点图与 3D 场景流放进同一坐标系联合表示，并训练专用 4D VAE 来承载扩散先验，可直接复用到单目视频的 4D 重建与稠密运动估计；其「不必强行对齐 RGB VAE 潜空间、改用数据归一化与训练策略」的结论，对任何想把视频生成先验迁移到几何/运动回归任务的工作都是可借鉴的设计经验。

运动感知的可动画高斯化身去模糊

Motion-Aware Animatable Gaussian Avatars Deblurring

提出一种基于物理的运动模糊形成模型，结合3D人体运动模型，从模糊多视角视频中联合优化高斯化身表示与运动参数，为动态场景重建中的运动模糊问题提供可复用思路。

Motion 3-to-4：面向 4D 合成的三维运动重建

Motion 3-to-4: 3D Motion Reconstruction for 4D Synthesis

将 4D 合成分解为静态 3D 形状生成与运动重建，用紧凑运动潜变量加逐帧 Transformer 预测顶点轨迹，为从单目视频恢复时序一致几何提供了可复用的表示与架构思路。

MorphAny3D：释放结构化潜变量在三维变形中的力量

MorphAny3D: Unleashing the Power of Structured Latent in 3D Morphing

提出在 3D 生成器的注意力机制中混合源与目标 SLAT 特征来实现无训练 3D 变形，其 Morphing Cross-Attention 和 Temporal-Fused Self-Attention 可直接迁移到其他基于 SLAT 的生成模型（如 TRELLIS）以支持时序平滑的编辑与风格迁移。

更自然、更真实：面向人脑 3D 视觉解码的对象感知高斯泼溅

More Natural, More Real: Object-aware Gaussian Splatting for 3D Visual Decoding from Human Brain

把 3DGS 的初始控制参数（位置/颜色/语义锚点）改由 fMRI/EEG 特征回归得到，并用多视图稳定器约束跨视角一致性——这套「神经信号→3DGS 属性」的解码管线可迁移到任何需要从低维/噪声条件生成可控 3D 表示的场景（如条件式 3D 生成、脑机接口驱动的资产创建）。

面向室内场景的单目开放词表占用预测

Monocular Open Vocabulary Occupancy Prediction for Indoor Scenes

把 3D Language-Embedded Gaussians 当作几何与语言对齐的统一中间表示，用仅二值占用标签的弱监督训练开放词表室内占用预测；其中不透明度感知的 Poisson 体素聚合与渐进温度衰减调度可直接迁移到其他高斯-语言对齐或弱监督高斯到体素转换的流程。

MoVieS：一秒内完成运动感知的 4D 动态视角合成

MoVieS: Motion-Aware 4D Dynamic View Synthesis in One Second

用像素对齐的高斯原语显式监督时变运动，把外观、几何、运动统一进单一学习框架，使单目视频的 4D 重建、新视角合成与 3D 点跟踪共享同一表示；做动态场景重建或需要从视频直接导出场景流、运动分割的工作可直接复用这一表示与监督方式。

MoRel：基于锚框中继双向混合与层次稠密化的长程无闪烁 4D 运动建模

MoRel: Long-Range Flicker-Free 4D Motion Modeling via Anchor Relay-based Bidirectioanl Blending with Hierarchical Densification

把长时序动态场景的形变建模从逐帧高斯搬到关键帧锚框空间，用双向形变加可学习不透明度混合抑制时序闪烁，并用特征方差引导的层次稠密化控制锚框数量——这套「锚框中继 + 双向混合」思路可直接迁移到任何需要长视频、有界显存的动态高斯泼溅或动态 NeRF 管线。

MoRe：运动感知的前馈 4D 重建 Transformer

MoRe: Motion-aware Feed-forward 4D Reconstruction Transformer

用 attention-forcing 与分组因果注意力把动态运动从静态结构中解耦，为单目视频下的前馈式动态重建提供了可复用的训练策略与注意力设计，可直接迁移到动态 NeRF/3DGS 的快速推理场景。

MoRGS：面向可流式动态3D场景的高效逐高斯运动推理

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

将稀疏关键视图的光流作为轻量运动线索，引导每个高斯球的运动朝向真实场景动态，并学习运动偏移场和置信度来补偿光流的稀疏性与视角依赖性，为在线动态重建提供可复用的运动推理模块。

MoRE：三维视觉几何重建遇上混合专家

MoRE: 3D Visual Geometry Reconstruction Meets Mixture-of-Experts

用 MoE 动态路由把深度、法线等几何任务分派给专家，并配一个基于置信度的深度细化模块，可作为构建可扩展稠密几何基础模型、在多任务间共享骨干网络时的架构与损失设计参考。

MoCapAnything：从单目视频为任意骨架统一进行三维运动捕捉

MoCapAnything: Unified 3D Motion Capture for Arbitrary Skeletons from Monocular Videos

提出以任意绑定三维资产为提示词、从单目视频重建旋转动画的统一框架，其参考提示编码器与约束感知逆运动学拟合可复用于跨物种骨骼动画生成与重定向任务。

镜面错觉艺术

Mirror Illusion Art

把「从两张目标图反推可打印 3D 物体」形式化为逆图形学优化问题，其投影对齐选择、位置加权背景抑制、内部体素保持与形状-颜色解耦优化四个机制，可直接迁移到需要抑制表面噪声与内部空洞的 3D 生成/重建优化流程中。

多视图自标定的最小约束松弛

Minimal Constraint Relaxation for Multiview Autocalibration

为多视图自标定中的过约束多项式系统提供了一套可复用的约束松弛枚举与分类流程，结合符号计算与数值同伦延拓筛选出良态、有限解的约束子集，可直接用于改进三视图自标定的数值稳定性。

MimiCAT：基于对应感知级联 Transformer 的类别无关 3D 姿态迁移

MimiCAT: Mimic with Correspondence-Aware Cascade-Transformer for Category-Free 3D Pose Transfer

提出基于语义关键点标签的软对应匹配机制，将姿态迁移建模为条件生成过程，可复用于跨类别形状对应与变形迁移任务。

MetroGS：高效稳定重建几何精确的高保真大规模场景

MetroGS: Efficient and Stable Reconstruction of Geometrically Accurate High-Fidelity Large-Scale Scenes

提出分布式2D高斯泼溅作为统一骨干，结合SfM先验与点图模型稠密初始化、渐进混合几何优化和深度引导外观建模，为大规模城市场景的高保真几何重建提供了可复用的稳定框架。

MetricHMSR：从单目图像恢复度量尺度的人体网格与场景

MetricHMSR: Metric Human Mesh and Scene Recovery from Monocular Images

把相机光线（内参+边界框）编码进网络，并用 Human MoE 将图像特征与光线特征路由到不同专家，从而在单一框架里同时回归人体局部姿态与全局度量 3D 位置；对做单目人体重建、人体-场景联合重建、以及需要把 2D 检测框升级为度量 3D 定位的工作可直接复用。

MeshWeaver：稀疏体素引导的表面编织用于自回归网格生成

MeshWeaver: Sparse-Voxel-Guided Surface Weaving for Autoregressive Mesh Generation

把稀疏体素特征同时当作顶点表示、交叉注意力引导和结构脚手架，为自回归网格生成注入局部几何先验；这套「体素编码器 + 下一顶点预测」的范式可直接迁移到点云/网格的自回归建模与高面数资产生成。

MeshSplatting：基于不透明网格的可微渲染

MeshSplatting: Differentiable Rendering with Opaque Meshes

把基于点的泼溅表示换成端到端可优化的连通网格，用受限 Delaunay 三角剖分约束拓扑、用可微渲染联合优化几何与外观，使神经渲染结果能直接进 AR/VR 与游戏引擎；做新视角合成或网格重建的人可借鉴其「泼溅式优化 + 网格输出」的管线。

MeshRipple：艺术家网格的结构化自回归生成

MeshRipple: Structured Autoregressive Generation of Artist-Meshes

把网格面序列化顺序与表面拓扑对齐（frontier-aware BFS tokenization），并用稀疏注意力全局记忆扩展感受野，可直接迁移到任何自回归式 3D 资产生成或点云/网格序列建模中，解决滑窗推理割裂长程几何依赖的问题。

MeshMosaic：通过局部到全局组装扩展艺术家网格生成

MeshMosaic: Scaling Artist Mesh Generation via Local-to-Global Assembly

把高面数网格切成局部块、逐块自回归生成并用共享边界条件保证接缝一致，这套局部到全局的量化与组装策略可直接迁移到高分辨率网格/3D资产的生成与补全，绕开长序列与量化粒度瓶颈。

MeshFlow：基于 MeshVAE 与流式扩散 Transformer 的高效艺术网格生成

MeshFlow: Efficient Artistic Mesh Generation via MeshVAE and Flow-based Diffusion Transformer

用带对比损失的 VAE 把连续顶点坐标与离散连接关系压进一个紧凑的连续潜空间，再用 Rectified-Flow Transformer 并行生成全部顶点与边，为三维网格生成提供了可替代自回归 token 预测的潜空间+流匹配范式。

Mesh4D：从单目视频重建与跟踪四维网格

Mesh4D: 4D Mesh Reconstruction and Tracking from Monocular Video

用自编码器把整段动画压进一个紧凑潜空间、再用潜扩散模型一次性预测完整形变场，这种「序列级潜表示 + 一次性生成」的范式可迁移到动态人体/手部/物体的单目四维重建与新视角合成；训练时用骨骼先验约束形变、推理时不需要骨骼，也提供了一个把结构化先验蒸馏进潜空间的可复用思路。

Mesh-Pro：面向艺术家风格四边形网格生成的异步优势引导排序偏好优化

Mesh-Pro: Asynchronous Advantage-guided Ranking Preference Optimization for Artist-style Quadrilateral Mesh Generation

提出异步在线强化学习框架和 ARPO 算法，可直接用于提升 3D 网格生成的后训练效率与泛化能力；对角感知的混合三角-四边形 tokenization 和基于射线的奖励为几何完整性提供了新思路。

材质魔杖：无纹理网格中三维部件的材质感知分组

Material Magic Wand: Material-Aware Grouping of 3D Parts in Untextured Meshes

把「材质一致性」作为监督信号，用对比学习训练部件级嵌入，使同一材质但几何有差异的重复部件在嵌入空间聚拢；做三维部件检索、重复结构发现或材质分配时，可直接复用这种「局部几何+全局上下文」的部件编码器与检索式分组范式。

MatSpray：将二维材质世界知识融合到三维几何

MatSpray: Fusing 2D Material World Knowledge on 3D Geometry

将2D扩散模型预测的PBR材质图（albedo/roughness/metallic）通过优化或高斯光线追踪投影融合到3D高斯几何上，并引入轻量神经精炼网络提升多视角一致性与细节，为可重光照的3D重建提供可复用流程。

MatMart：基于扩散模型的 3D 物体材质重建

MatMart: Material Reconstruction of 3D Objects via Diffusion

把扩散模型用于 3D 物体的 PBR 材质重建，其视图-材质交叉注意力（VMCA）与渐进式推理让模型能接受任意数量输入视图，并借助生成先验补全未观测视角的材质，可直接迁移到逆渲染、重光照与资产重建流程。

ManifoldNeuS：流形感知的视图可优化性用于无位姿神经表面重建

ManifoldNeuS: Manifold-aware View Optimizability for Pose-Free Neural Surface Reconstruction

提出流形感知的视图可优化性分数（MaVOS），用于动态调度视图、门控位置编码和抗分数损失加权，可迁移到其他需要联合优化相机位姿与场景表示的视觉任务中。

Mamba 的上下文学习：面向多任务点云理解的结构感知域泛化

Mamba Learns in Context: Structure-Aware Domain Generalization for Multi-Task Point Cloud Understanding

用基于质心拓扑与测地曲率连续性构造的变换不变序列化替代坐标驱动的序列化，可缓解 Mamba 类点云模型对视角变化与缺失区域的敏感性；其谱域图对齐在测试时无需更新参数即可把目标特征拉向源原型，是一种可直接复用的测试时特征迁移手段。

MajutsuCity：语言驱动的美学自适应城市生成，具备可控3D资产与布局

MajutsuCity: Language-driven Aesthetic-adaptive City Generation with Controllable 3D Assets and Layouts

将城市表示为可控布局、资产与材质的组合，并通过语言智能体支持对象级编辑，为3D场景生成提供了可复用的结构化表示与编辑范式；同时提出的结构一致性、材质保真度等评测指标可用于评估其他3D生成方法。

MVInverse：秒级前馈多视图逆渲染

MVInverse: Feed-forward Multiview Inverse Rendering in Seconds

提出前馈多视图逆渲染框架，通过跨视图注意力实现单次前向预测空间变化的材质与法线，并利用无标签真实视频进行一致性微调，为多视图逆渲染提供了可扩展的实时方案。

MVGGT：用于多视图 3D 指代表达分割的多模态视觉几何接地 Transformer

MVGGT: Multimodal Visual Geometry Grounded Transformer for Multiview 3D Referring Expression Segmentation

MVGGT 展示了如何用双分支 Transformer 从稀疏多视图 RGB 直接进行 3D 指代分割，避免了两阶段重建-分割的延迟与几何退化；其提出的前景梯度稀释问题与 PVSO 优化策略对稀疏视图下的 3D 密集预测训练有直接借鉴意义。

MV3DIS：基于 3D 引导的多视图掩码匹配用于零样本 3D 实例分割

MV3DIS: Multi-View Mask Matching via 3D Guides for Zero-Shot 3D Instance Segmentation

用粗粒度 3D 分割结果作为跨视图 2D 掩码匹配的公共参照，并以 3D 覆盖分布与深度一致性加权来筛选多视图掩码，可复用于任何需要把 SAM 类 2D 掩码提升到 3D 的零样本流程。

MV-RoMa：从成对匹配到多视图轨迹重建

MV-RoMa: From Pairwise Matching into Multi-View Track Reconstruction

把成对匹配结果当作几何先验，用多视图编码器加像素级注意力精化器，在不做全量交叉注意力的前提下联合估计源图到多个共视目标图的稠密对应，可直接为 SfM 提供一致的多视图轨迹，替代逐对匹配后串联的做法。

MU-GeNeRF：多视图不确定性引导的泛化神经辐射场用于干扰物感知场景

MU-GeNeRF: Multi-view Uncertainty-guided Generalizable Neural Radiance Fields for Distractor-aware Scene

针对泛化神经辐射场在含瞬态干扰物场景下的鲁棒重建问题，提出将干扰物感知分解为源视图不确定性和目标视图不确定性，并集成到异方差重建损失中引导自适应监督加权，为多视图三维重建中的干扰物抑制提供了可复用的不确定性引导思路。

MSPT：通过并行化多尺度注意力实现高效大规模物理建模

MSPT: Efficient Large-Scale Physical Modeling via Parallelized Multi-Scale Attention

把「图像块内局部点注意力 + 粗粒度图像块级全局注意力」的双尺度注意力，配合球树做不规则几何的空间划分，可直接迁移到百万级点云或高斯球的场景表示与神经场建模中，在单卡上显著降低显存占用。

MSCD-GS：基于高斯泼溅的运动分离协同去模糊动态重建

MSCD-GS: Motion-Separated Cooperative Deblurring Dynamic Reconstruction via Gaussian Splatting

把曝光时间内的相机与物体运动分别建模为静态/动态高斯各自的运动模型，并用运动感知网络合成虚拟模糊图与去模糊网络结果协同监督，可直接迁移到任何用高斯泼溅做动态场景重建时处理运动模糊输入的流程。

MOSAIC-GS：面向复杂动态环境的高级初始化单目场景重建

MOSAIC-GS: Monocular Scene Reconstruction via Advanced Initialization for Complex Dynamic Environments

把深度、光流、动态分割与点跟踪等几何线索在初始化阶段融合，先估计初步三维动态再进入光度优化，这一「先几何初始化、后光度精修」的流程可直接迁移到单目动态 NeRF/3DGS 重建；用 Poly-Fourier 曲线对每个高斯轨迹做参数高效编码，也是动态场景紧凑表示的可复用手段。

MORE-STEM：面向查询驱动3D/4D点云分割的长短期记忆召回与时空一致性模型

MORE-STEM: Long-Short MemOry REcall and Spatio-TEmporal Consistency Model for Query-Driven 3D/4D Point Cloud Segmentation

面向动态点云的查询驱动分割，其跨帧文本-视觉对齐与时空一致性约束可直接迁移到4D点云序列的开放词表/指令分割任务，长短期记忆模块为跨场景推理提供可复用的分层记忆设计。

MLLMSplat：一个由2D多模态大语言模型驱动的3D高斯泼溅理解、生成与编辑框架

MLLMSplat: A 2D MLLM-Powered Framework for 3D Gaussian Splatting Understanding, Generation, and Editing

将2D多模态大语言模型（MLLM）通过3DGS分词器和去分词器适配到3D高斯泼溅场景，实现无需训练的3DGS理解、高质量生成和高效编辑，为3D场景的跨模态处理提供了新范式。

MHopReg：面向点云配准的高效层次化多跳图搜索

MHopReg: Efficient Hierarchical Multi-Hop Graph Search for Point Cloud Registration

把对应点筛选建模为兼容图上的层次化多跳搜索，用簇均衡种子采样覆盖低重叠区域的碎片化内点，并用分布感知排序在多个假设中挑空间分布均匀的变换——这套「图搜索+种子采样+假设排序」流程可直接迁移到低重叠点云配准、特征匹配外点剔除等视觉几何任务。

MERG3R：面向大规模神经视觉几何的分治方法

MERG3R: A Divide-and-Conquer Approach to Large-Scale Neural Visual Geometry

对做前馈式三维重建的人，这篇给出了一个免训练的分治推理范式：把无序大图集切成重叠子集分别用 VGGT/Pi3 类模型重建，再用全局对齐加置信度加权光束法平差合并，可直接套用到任何受显存限制的几何基础模型上以突破其原生规模上限。

MER-Tracker：基于多视角事件-RGB 混合相机的高速 3D 点跟踪

MER-Tracker: Towards High-Speed 3D Point Tracking via Multi-View Event-RGB Hybrid Cameras

用事件相机的高时间分辨率弥补 RGB 低帧率，通过线性插值与锚框采样在 3D 提升后融合离散 RGB 特征与连续事件特征，为高速运动下的长时 3D 点轨迹估计提供了可复用的多模态融合范式。

MD2E：面向单目度量深度估计的深度到边缘线索建模

MD2E: Modeling Depth-to-Edge Cues for Monocular Metric Depth Estimation

用预测边缘图的傅里叶频谱分位数作为度量尺度的代理，可在无相机内参时把相对深度校准成度量深度；边缘预测同时作为边界正则项，这一「深度→边缘」线索建模思路可迁移到其他需要尺度恢复的单目几何任务。

MAPo：面向高保真动态场景重建的可形变三维高斯泼溅运动感知分区

MAPo: Motion-Aware Partitioning of Deformable 3D Gaussian Splatting for High-Fidelity Dynamic Scene Reconstruction

把形变网络按运动强度做时序递归分区、为每段复制形变网络，并配跨帧一致性损失，可直接迁移到任何基于形变场的动态 3DGS/NeRF 重建中，用来缓解高动态区域的模糊与细节丢失。

MANSION：面向长程任务的多楼层语言到 3D 场景生成

MANSION: Multi-floor lANguage-to-3D Scene generatIOn for loNg-horizon tasks

把语言驱动的程序化生成扩展到带垂直结构约束的多层建筑级 3D 场景，为视觉/具身研究者提供可导航、可编辑的大规模室内环境生成器与评测床，可直接用于长程跨楼层导航与空间推理智能体的训练与压力测试。

M3DLayout：面向三维生成的多源三维室内布局与结构化描述数据集

M3DLayout: A Multi-Source Dataset of 3D Indoor Layouts and Structured Descriptions for 3D Generation

为文本驱动的三维场景生成提供布局层面的中间表示与大规模多源训练数据，可直接用于训练或评测文本条件扩散/自回归布局生成模型，并支撑语义可控编辑与物理合理性约束。

LuxRemix：面向室内场景的光照分解与重混合

LuxRemix: Lighting Decomposition and Remixing for Indoor Scenes

把生成式图像光照分解与可重光照 3D 高斯泼溅表示结合，实现单次多视图采集下对每个光源的开关/色度/强度实时交互编辑；其多视图光照协调与光源级分解思路可迁移到任何需要可编辑光照的 3D 重建管线。

LumiMotion：利用场景动态改进高斯重光照

LumiMotion: Improving Gaussian Relighting with Scene Dynamics

把场景中的运动区域当作逆渲染的监督信号：同一表面在不同光照下的观测有助于解耦反照率与光照，这一思路可直接迁移到动态场景的重建、重光照与材质编辑；同时其静态/动态分离的形变约束与配套的合成基准，为评估动态环境下的逆渲染提供了可复用的设定。

LongStream：长序列流式自回归视觉几何

LongStream: Long-Sequence Streaming Autoregressive Visual Geometry

提出规范解耦的流式视觉几何模型，通过预测关键帧相对位姿和正交尺度学习，将长序列外推转化为恒定难度的局部任务，并利用缓存一致性训练与周期性刷新抑制注意力偏差，为在线长序列三维重建提供可复用方案。

长尾互联网照片重建

Long-Tail Internet Photo Reconstruction

从已重建的互联网地标中采样稀疏子集来模拟长尾场景的相机分布，为稀疏视角三维重建提供了一种可扩展的监督构造方式；该思路可直接用于微调现有三维基础模型，提升极端稀疏与对称重复场景下的重建鲁棒性。

LoST：面向三维形状的语义层级分词

LoST: Level of Semantics Tokenization for 3D Shapes

把 3D 形状 token 的排序从几何 LoD 换成语义显著性排序，并用 DINO 特征空间的关系结构对齐 3D 潜空间，可直接复用到任何基于自回归或潜变量的 3D 生成与形状表征学习流程中。

LoG3D：通过局部到全局分块实现超高分辨率三维形状建模

LoG3D: Ultra-High-Resolution 3D Shape Modeling via Local-to-Global Partitioning

把 UDF 体数据切成均匀子块（UBlocks），用 3D 卷积抓局部细节、稀疏 Transformer 建全局一致性，再配合 Pad-Average 消除块边界接缝——这套局部到全局的分块策略可直接迁移到高分辨率 NeRF/高斯泼溅体素表示或任意大尺度隐式场的建模与生成。

LoD-Loc v3：利用实例轮廓对齐实现密集城市中的泛化空中定位

LoD-Loc v3: Generalized Aerial Localization in Dense Cities using Instance Silhouette Alignment

将语义建筑轮廓对齐升级为实例轮廓对齐，并配套生成大规模实例分割合成数据集，为密集城市场景下的跨场景视觉定位提供了可复用的数据与对齐范式。

LiteSense：以 RGB 提升轻量 ToF 实现高分辨率度量深度估计

LiteSense: Lifting Lightweight ToF with RGB for High-Resolution Metric Depth Estimation

用 ToF 的 zone-wise 直方图（CNH）经交叉注意力注入 U-Net 特征，为轻量 RGB-D 网络提供显式度量先验，可作为低成本传感器下高分辨率度量深度估计的可复用融合范式。

LitePT：更轻量却更强的点云 Transformer

LitePT: Lighter Yet Stronger Point Transformer

为 3D 点云骨干网络提供了「浅层卷积 + 深层注意力」的分层设计准则，并给出无需额外参数的 PointROPE 三维位置编码，可直接替换 Point Transformer 系列骨干以降低显存与延迟。

Lite Any Stereo：高效零样本立体匹配

Lite Any Stereo: Efficient Zero-Shot Stereo Matching

提供了一套可复用的轻量骨干网络与混合代价聚合设计，并用百万级数据的三阶段训练策略弥合仿真到真实的差距，使超轻量立体匹配模型具备零样本泛化能力，可直接用于实时深度估计与部署受限场景。

基于 7 点或 5 点的线性基础矩阵估计

Linear Fundamental Matrix Estimation from 7 or 5 Points

提供首个针对 5 点共线特殊构型的线性最小解算器，可直接嵌入 RANSAC 或早期非最小拟合流程，替代 7 点/8 点非线性求解，降低两视图几何估计的延迟并提升数值稳定性。

运动中的光照：时空 HDR 光照估计

Lighting in Motion: Spatiotemporal HDR Lighting Estimation

用扩散先验从单目视频/图像序列回归时空变化的光探针（镜面球+漫反射球多曝光），再经可微渲染合成 HDRI 环境图；其「深度不足以做空间条件、需显式相对位置几何条件」的结论对做光照估计、逆渲染与场景重光照的视觉研究者可直接复用。

LightSplat：五秒内完成快速且内存高效的开放词表三维场景理解

LightSplat: Fast and Memory-Efficient Open-Vocabulary 3D Scene Understanding in Five Seconds

把语义压缩成 2 字节索引、只挂在显著区域并用索引-特征映射管理，这套免训练、免逐高斯特征优化的做法可直接迁移到任何基于 3DGS 的开放词表查询或编辑管线，把原本分钟级的特征蒸馏降到秒级。

利用互联网级无标注数据提升 3D 场景理解

Lifting Unlabeled Internet-level Data for 3D Scene Understanding

提出一种数据引擎，利用互联网无标注视频自动生成 3D 场景理解训练数据，可复用于低层感知（3D 检测/分割）与高层推理（3D VQA/VLN）任务，为缓解 3D 标注稀缺提供可扩展方案。

通过潜空间跨模态对齐与翻译的 LiDAR 到 4D 雷达扩散桥

LiDAR-to-4DRadar Diffusion Bridge via Cross-Modal Alignment and Translation in Latent Space

把扩散桥（diffusion bridge）用在两个已对齐的潜空间之间做跨模态翻译，可迁移到 LiDAR→相机、深度→RGB 等「缺失模态补全」任务；其 patch-wise 对比对齐 + key-voxel-aware VAE 的组合，为高维稠密张量（雷达/体素）的生成式数据增强提供了可复用范式。

激光雷达提示的时空多视图立体用于自动驾驶

LiDAR Prompted Spatio-Temporal Multi-View Stereo for Autonomous Driving

将稀疏但度量准确的激光雷达观测作为几何提示（硬先验锚定代价体、软特征引导）融入多视图立体，并用时空解码器融合相邻帧时序上下文，为自动驾驶场景下的度量深度估计提供可复用的融合范式。

在神经形状表示上学习求解偏微分方程

Learning to Solve PDEs on Neural Shape Representations

提出一种无需网格、直接在神经形状表示上求解表面偏微分方程的可微局部更新算子，可替代传统网格提取+残差训练流程，为几何处理、物理仿真与神经渲染提供端到端可微工具。

从三维扫描中学习推断植物的参数化表示

Learning to Infer Parameterized Representations of Plants from 3D Scans

用程序化模型合成虚拟植物训练递归网络，从无序点云直接回归带参数的树状结构（枝干拓扑+各器官参数），为细长、自遮挡严重的结构化解剖重建提供了「合成数据预训练+参数化输出」的可复用范式。

学习时空一致性用于三维语义场景补全

Learning Spatial-Temporal Consistency for 3D Semantic Scene Completion

把历史帧提升到 3D 场景级占用框架、在时序缓冲中按 2D 可见性与相似性聚合特征，这一思路可直接迁移到任何需要跨帧补全遮挡区域的体素/占用预测任务（如 3D 检测、占据预测）。

通过位姿图优化从无位姿图像中学习场景坐标重建

Learning Scene Coordinate Reconstruction from Unposed Images via Pose Graph Optimization

把位姿图优化作为后处理模块接到无监督 SfM 网络（ACE-Zero）的输出上，并用对极几何与光流一致性估计每条相对位姿约束的置信度，做加权优化——这套「学习预测 + 全局几何优化」的混合范式可直接迁移到任何需要从无序图像恢复相机位姿的视觉流程中。

学习层级双曲混合模型用于部件感知三维生成

Learning Hierarchical Hyperbolic Mixture Model for Part-aware 3D Generation

把部件层级语义嵌入双曲流形并用测地线扩散生成，配合黎曼高阶求解器加速扩散 ODE，可为需要层级结构先验的 3D 生成/重建提供可复用的表征与采样方案。

为单目视频动态高斯泼溅学习显式连续运动表示

Learning Explicit Continuous Motion Representation for Dynamic Gaussian Splatting from Monocular Videos

用 SE(3) B 样条运动基显式参数化动态高斯的位置与朝向形变，并自适应调整基与控制点数量，可直接迁移到任何需要连续运动建模的动态辐射场/高斯泼溅管线；多视图扩散模型作为正则化先验缓解对训练视角过拟合的思路也可复用于少视角动态重建。

学习无结构数据流形的特征结构

Learning Eigenstructures of Unstructured Data Manifolds

对做点云/流形几何处理的人，它提供了一条绕开网格化与显式拉普拉斯算子构造、直接从无结构数据学谱基（近似特征函数）的路子，可复用于形状对应、谱聚类、图信号处理等下游环节。

学习3D高斯泼溅中的可微层次结构

Learning Differentiable Hierarchies in 3D Gaussian Splatting

提出可微的层次化高斯表示与调制渲染，使3DGS支持任意数量的LoD渲染和模型剪枝，可直接用于需要动态精度调整的实时渲染与压缩场景。

学习基于坐标的卷积核用于连续 SE(3) 等变且高效的点云分析

Learning Coordinate-based Convolutional Kernels for Continuous SE(3) Equivariant and Efficient Point Cloud Analysis

用坐标网络在双陪集空间上显式参数化卷积核，可在保持严格 SE(3) 等变的同时把显存开销压到可做大规模点云语义分割的程度，是替代组卷积做等变特征提取的可复用核架构。

通过特征场学习凸分解

Learning Convex Decomposition via Feature Fields

把凸分解从逐形状优化变成可前馈预测的特征场学习问题：学一个连续特征场，再用自监督几何目标聚类成凸体，可直接用于碰撞检测、物理仿真以及跨网格/CAD/高斯泼溅表示的泛化。

从前馈新视角合成中学习紧凑三维表示

Learning Compact 3D Representations from Feed-Forward Novel View Synthesis

用可学习 token 的自注意力模式同时决定高斯生成位置与特征提升，把「紧凑高斯」当作前馈重建与场景理解的共享表示，可直接借鉴到无位姿稀疏视图下的重建-理解一体化管线，降低显存并改善多视图特征聚合。

从无位姿多视图图像中学习面向空间智能的三维表征

Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images

在无相机位姿的多视图输入下，用双掩码迫使编码器从残缺视觉线索推断结构，并用位姿条件重投影把预测的3D点图与语义图对齐到图像平面，可作为无位姿前馈3D表征预训练的可复用范式，直接服务场景理解与具身感知的下游任务。

在测试时利用先验学习三维重建

Learning 3D Reconstruction with Priors in Test Time

把相机位姿、内参、深度等先验转成推理时的惩罚项，配合多视图光度/几何一致性自监督目标，在冻结的 image-only 多视图 Transformer 上做测试时约束优化，可直接复用于点图估计、位姿估计等 3D 任务的后处理式性能提升。

分层 4D 旋转高斯泼溅：面向长动态场景的压缩表示

Layered 4D-Rotor Gaussian Splatting: A Compressed Representation for Long Dynamic Scenes

针对长动态场景的高斯泼溅重建，提出分层 4D 表示与量化压缩流程，使存储降低 22.3 倍并支持 500+ FPS 实时渲染，可直接用于需要长时序、低显存的三维动态重建任务。

大规模编解码化身：大规模化身预训练的惊人有效性

Large-scale Codec Avatars: The Unreasonable Effectiveness of Large-scale Avatar Pretraining

提出首个面向3D虚拟化身的大规模预训练/后训练范式，利用100万野外视频学习外观与几何先验，再以高质量数据微调，实现前馈式全身化身生成，对视觉研究者而言是可复用的『大规模预训练+高质量微调』策略在3D生成与重建中的范例，并展示了零样本鲁棒性与可重光照等涌现能力。

LangRef3DGS：基于 3D 高斯泼溅、由自然语言引导的部分观测三维指代分割

LangRef3DGS: Natural Language-Guided 3D Referential Segmentation from Partial Observations via 3D Gaussian Splatting

把 3DGS 当作可微的语义嵌入场来承载开放词表文本查询，并用梯度低秩机制压缩特征冗余以提升类别可分性——这套「嵌入场 + 低秩」组合可直接迁移到任何需要从稀疏 RGB-D 观测做语言查询 3D 分割或新类发现的场景。

LangField4D：为动态场景学习身份自适应且时空连续的 4D 语言场

LangField4D: Learning Identity-Adaptive and Spatio-Temporal Continuous 4D Language Fields for Dynamic Scenes

把 4D 高斯与连续三平面语义场结合，用可学习身份自适应特征解决运动场跨物体边界导致的语义振荡，可直接复用于动态场景的开放词表分割与跟踪。

面向几何视角扩散模型的景观感知

Landscape-Awareness for Geometric View Diffusion Model

把 Zero123 类新视角扩散模型反用于相机位姿估计时，可用基于 score 的景观重塑（landscape reshaping）替代朴素 multi-start 采样，缓解对称/自相似导致的局部极小，从而提升收敛速度与样本效率；这一优化思路可直接迁移到任何以扩散先验做位姿/参数反演的视觉任务。

LagerNVS：面向全神经实时新视角合成的潜空间几何

LagerNVS: Latent Geometry for Fully Neural Real-time Novel View Synthesis

用显式三维重建预训练的编码器为前馈式新视角合成注入三维归纳偏置，配合轻量解码器即可实时渲染并达到 31.4 PSNR；该思路可直接迁移到任何需要三维先验的潜变量生成或重建管线，并可替换为扩散解码器做生成式外推。

Lafite：面向三维原生纹理生成的生成式潜变量场

Lafite: A Generative Latent Field for 3D Native Texturing

把表面外观编码成稀疏结构化潜变量颜色场、与网格拓扑和 UV 参数化解耦，这一表示可直接复用于三维资产纹理生成、编辑与材质合成；其条件整流流采样范式也可迁移到其他三维场生成任务。

LaS-Comp：基于隐空间-空间一致性的零样本三维补全

LaS-Comp: Zero-shot 3D Completion with Latent-Spatial Consistency

把 3D 基础模型的生成先验当作免训练的补全器，用「显式替换 + 隐式精修」两阶段保证观测区域保真与边界无缝，可直接迁移到点云/隐式场补全、稀疏观测重建等任务。

LaMoGen：通过 LLM 引导的符号推理实现语言到动作生成

LaMoGen: Language to Motion Generation Through LLM-Guided Symbolic Inference

把人体动作离散化为可解释的拉班符号序列，再用 LLM 做符号推理与重组生成动作，为视觉侧的人体动作生成/理解提供了一条可解释、可控制的中间表示思路，可迁移到动作编辑与细粒度时序对齐任务。

LNEM：月球神经高程模型

LNEM: Lunar Neural Elevation Model

把推扫式（pushbroom）成像过程显式嵌入体渲染，并联合学习阴影模型，为卫星/行星遥感影像提供几何一致的三维重建方案；做 NeRF 类重建时若输入是线阵推扫影像，可直接借鉴其相机建模与光照感知渲染思路。

LEADER：学习可靠局部到全局对应关系的激光雷达重定位

LEADER: Learning Reliable Local-to-Global Correspondences for LiDAR Relocalization

提出一种基于投影的几何编码器来提取多尺度几何特征，并设计截断相对可靠性损失来建模点级模糊性，可直接用于提升基于点云的回归式重定位在噪声和离群点下的鲁棒性。

LATTICE：让大规模高保真 3D 生成走向普及

LATTICE: Democratize High-Fidelity 3D Generation at Scale

VoxSet 把 3D 资产压缩成锚定在粗体素网格上的潜变量集合，使位置嵌入能直接引导生成并支持 token 级测试时扩展；这套半结构化表示可直接迁移到任何需要从稀疏结构生成细节几何的 3D 生成管线。

LASER：面向免训练流式四维重建的逐层尺度对齐

LASER: Layer-wise Scale Alignment for Training-Free Streaming 4D Reconstruction

将离线前馈重建模型（如 VGGT、π³）转化为流式系统时，提出逐层尺度对齐替代全局 Sim(3) 对齐，解决单目尺度模糊导致的层间深度尺度不一致问题，可复用于任何需要跨时间窗口对齐深度预测的流式 3D 重建任务。

LAM：语言驱动的铰接物体建模器

LAM: Language Articulated Object Modelers

把铰接物体的几何与关节结构统一表示为可编译、可自纠错的过程化代码，为视觉研究者提供了一条无需视觉先验或预置 3D 资产、由 LLM/VLM 协作直接产出带关节层级 3D 模型的路径，可作为 3D 生成与具身仿真中资产构建的新范式。

KV-Tracker：基于 Transformer 的实时位姿跟踪

KV-Tracker: Real-Time Pose Tracking with Transformers

把多视图几何网络（π³）全局自注意力层的 KV 对缓存下来当作唯一的场景表示，从而免去逐帧重跑网络，实现实时 6-DoF 跟踪与在线重建；这种模型无关的 KV 缓存思路可直接迁移到其他多视图/前馈重建网络做在线化加速。

KASALv2：全自动 3D 旋转对称分类与轴定位

KASALv2: Fully Automatic 3D Rotational Symmetry Classification and Axis Localization

提出全自动、无参考的 3D 旋转对称类型分类与轴定位框架，可直接作为 6D 位姿估计的对称性先验，替代人工标注，提升 FoundationPose 在 BOP 数据集上的精度。

JUMP-Hand：学习逐关节不确定性以门控多视角专家混合模型进行多视角3D手部重建

JUMP-Hand: Learning Joint-wise Uncertainty to Gate Mixture of View Experts for Multi-View 3D Hand Reconstruction

将逐关节不确定性作为显式门控信号，用于多视角特征融合与三角化初始化，可迁移到其他多视角三维重建任务（如人体姿态、物体位姿）中处理遮挡与噪声。

JRM：无需对齐的多物体联合重建模型

JRM: Joint Reconstruction Model for Multiple Objects without Alignment

把多视角/多次扫描中同一物体的重复观测当作个性化生成问题，用 3D 流匹配在潜变量空间隐式聚合未对齐观测，可替代显式配准与刚性对齐流程，对处理关节运动等非刚性变化的多观测重建有直接参考价值。

Iris：将语言融入基于扩散的单目深度估计

Iris: Integrating Language into Diffusion-based Monocular Depth Estimation

把文本描述作为额外条件注入扩散式单目深度估计器（Marigold、Lotus、E2E-FT），可缩小深度解空间、提升小区域精度，并支持通过追加场景描述迭代细化深度；同时文本条件能加速训练收敛与推理扩散轨迹，是一种可直接复用的条件化与加速手段。

Iris：将真实世界先验引入扩散模型用于单目深度估计

Iris: Bringing Real-World Priors into Diffusion Model for Monocular Depth Estimation

把扩散模型的生成先验按频段拆开使用：低频用真实数据蒸馏、高频用合成真值约束，并通过高到低的时间步调度共享权重，这套「先验-几何」两阶段确定性采样思路可直接迁移到其他以扩散先验做稠密回归的视觉任务（如表面法向、光流）。

面向多视图三维材质重建的本征图像融合

Intrinsic Image Fusion for Multi-View 3D Material Reconstruction

将扩散模型产生的多视图材质预测通过低维参数化函数和鲁棒优化融合为一致的材质空间，为逆渲染中欠约束问题提供了可复用的先验融合框架。

面向稀疏视角高斯泼溅的内在几何-外观一致性优化

Intrinsic Geometry-Appearance Consistency Optimization for Sparse-View Gaussian Splatting

针对稀疏视角下 3DGS 的外观过拟合与几何欠约束问题，给出可复用的组合手段：像素级 top-k 多视图光度约束抑制遮挡干扰、边缘感知平滑保结构，以及用循环一致性深度过滤筛出可靠区域合成虚拟视角，把几何正确性注入外观优化。做稀疏视角新视角合成或 3DGS 正则化时可直接借鉴这套几何-外观耦合流程。

Interact2Ar：基于自回归扩散模型的全身体人-人交互生成

Interact2Ar: Full-Body Human-Human Interaction Generation via Autoregressive Diffusion Models

面向人体交互运动生成，提出并行分支建模手部运动学与带记忆机制的自回归扩散框架，可直接复用于手部精细动作生成、长时序运动合成与实时扰动自适应等视觉-运动生成任务。

InfiniDepth：基于神经隐式场的任意分辨率与细粒度深度估计

InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields

把深度表示为神经隐式场、用局部隐式解码器在连续 2D 坐标上查询，可让任意分辨率的深度输出与细节恢复摆脱离散网格限制；这一表示可直接用于大视角变化下的新视角合成，减少空洞与伪影。

无需见过组合式 4D 场景即可推断

Inferring Compositional 4D Scenes without Ever Seeing One

提出时空注意力解耦训练与注意力混合推理机制，使模型无需 4D 组合训练数据即可从单目视频重建多物体交互的 4D 场景，为动态场景重建提供可复用的训练策略。

面向3D语义分割多模态训练的图文到点云特征反投影

Image-to-Point Cloud Feature Back-Projection for Multimodal Training of 3D Semantic Segmentation

把图像特征中心按估计深度反投影到点云特征空间，使图像信息在训练期注入点云分支、推理期可关闭，为纯激光雷达部署提供了一种可插拔的多模态训练增强手段。

三维网格的图像引导几何风格化

Image-Guided Geometric Stylization of 3D Meshes

把预训练扩散模型当作图像风格的抽象先验，配合近似 VAE 编码器从网格渲染中回传稳定梯度，再用粗到细的变形流程驱动网格顶点位移——这套「渲染-编码-引导」的可微管线可直接迁移到任何需要图像监督的三维几何优化任务（如单图建模、形状编辑）。

从单目视频进行光照一致的人体-场景重建

Illumination-Consistent Human-Scene Reconstruction from Monocular Video

用可学习光照体（light volume）为人体高斯提供局部光照线索，并用隐式阴影模块分离投射阴影，可直接迁移到单目视频中人体与场景联合重建、重光照与合成任务。

IR-HGP：借助生成先验的高光照场景物理感知高斯逆渲染

IR-HGP: Physically-Aware Gaussian Inverse Rendering for High-Illumination Scenes via Generative Priors

将生成式光照场先验与物理可见性分解引入 3DGS 逆渲染，为高光/强反射场景下的材质-光照解耦与可重光照资产重建提供了可复用方案，可直接用于重光照与新视角合成管线。

IDESplat：面向可泛化三维高斯泼溅的迭代深度概率估计

IDESplat: Iterative Depth Probability Estimation for Generalizable 3D Gaussian Splatting

提出迭代深度概率提升单元（DPBU），通过级联 warp 的极线注意力乘法融合来精化深度候选，可直接用于提升前馈式高斯泼溅的深度估计精度与泛化性。

I-Scene：三维实例模型是隐式可泛化的空间学习者

I-Scene: 3D Instance Models are Implicit Generalizable Spatial Learners

将预训练 3D 实例生成器重编程为场景级空间学习者，用模型中心的空间监督替代数据集监督，并以视角为中心的表示实现前馈式可泛化 3D 场景生成，为交互式 3D 场景理解与生成提供新范式。

HyperGaussians：用于高保真可动画人脸头像的高维高斯泼溅

HyperGaussians: High-Dimensional Gaussian Splatting for High-Fidelity Animatable Face Avatars

把 3D 高斯原语升级为高维多元高斯，并用「逆协方差技巧」重参数化协方差矩阵以避免高维求逆，这一表示层面的改造可直接替换现有 3DGS 管线中的原语，用于提升高频细节与非线性形变的表达能力。

Hyper-PCN：基于超图的高阶相关性建模点云补全

Hyper-PCN: Hypergraph-Based Point Cloud Completion via High-Order Correlation Modeling

用超图显式建模点云中超越成对关系的高阶相关性，并通过锚点式两阶段采样构建协作超图，为点云补全及其他点云密集预测任务提供了一种可复用的高阶关系建模模块。

HumanNOVA：从单张图像生成照片级真实、通用且快速的3D人体化身模型

HumanNOVA: Photorealistic, Universal and Rapid 3D Human Avatar Modeling from a Single Image

提出一种前馈式、以词元为条件的单图人体化身建模框架，利用跨注意力将图像与SMPL词元融合为三平面表示，无需测试时优化即可在1秒内生成逼真3D人体，为快速3D重建与可控生成提供可复用范式。

HumanBA：通过全局人体-相机解耦的人体感知光束法平差

HumanBA: Human-Aware Bundle Adjustment via Global Human-Camera Decoupling

将动态人体作为可用的路标点，通过运动解耦从关节轨迹中分离出相机诱导的伪静态分量，使其能安全地融入光束法平差，为单目视频中人体主导场景的相机位姿估计与全局人体重建提供了新思路。

面向单张图像的人类交互感知三维重建

Human Interaction-Aware 3D Reconstruction from a Single Image

把多人场景先变换到正交规范空间、再用多视图扩散联合生成法线与图像以补全遮挡区域，并引入基于物理的交互先验约束人体间接触，这套「组-实例联合建模 + 多视图扩散补全」思路可直接迁移到多人/多物体场景的单图重建与遮挡补全任务。

面向三维动画生成的人体几何分布

Human Geometry Distribution for 3D Animation Generation

提出一种基于分布的紧凑潜表示，在 SMPL 与人体 avatar 几何之间建立更均匀的映射，可作为人体几何生成与动画的通用中间表示；两阶段框架（先学潜空间、再在潜空间内生成动画）也为动作驱动的 3D 人体动画提供了可复用的建模范式。

用于检测临界两视图配置的单应参数化

Homaloidal parametrization for detecting critical two-view configurations

提出一种基于二次变换线性估计的退化配置检测方法，可替代传统依赖基础矩阵的检测方式，提升两视图几何估计的鲁棒性。

基于剪枝局部 blendshape 的高保真移动端化身

High-Fidelity Mobile Avatars with Pruned Local Blendshapes

提出局部线性 blendshape 表示，用身体小区域的局部高斯相关性降低姿态相关外观的建模误差，并通过剪枝冗余 blendshape 实现极简表示，为移动端高保真人体化身重建提供了可复用的高效表示方案。

基于特征高斯泼溅最近视角合成的分层视觉重定位

Hierarchical Visual Relocalization with Nearest View Synthesis from Feature Gaussian Splatting

将 Feature Gaussian Splatting 作为场景表示用于分层重定位，并用自适应视角检索合成与查询视角更接近的虚拟候选图，缓解数据库图像稀疏问题；同时提出粗阶段用高斯渲染特征、精阶段用图像直接提取特征的混合匹配策略，可直接迁移到任何基于特征匹配的位姿估计流程。

用于3D形状异常检测的层次化点-面片融合与自适应面片码本

Hierarchical Point-Patch Fusion with Adaptive Patch Codebook for 3D Shape Anomaly Detection

提出层次化点-面片融合与自适应面片码本，可复用于点云异常检测与细粒度几何偏差建模；其自监督分解模块为无监督3D形状分析提供新思路。

HiFi-BRep：面向鲁棒 B-Rep 生成的高保真潜变量表示

HiFi-BRep: High-Fidelity Latent Representation for Robust B-Rep Generation

把 B-Rep 生成重构为「高保真潜变量 + 单阶段并行几何/拓扑解码」的范式，其用可学习查询消除 padding 噪声、用拓扑引导注意力防止特征污染的做法，可迁移到点云/网格等结构化 3D 表示的生成式建模中。

Hg-I2P：基于异构图打通模态以实现可泛化的图像到点云配准

Hg-I2P: Bridging Modalities for Generalizable Image-to-Point-Cloud Registration via Heterogeneous Graphs

用异构图把分割后的 2D/3D 区域作为节点、跨模态关系作为边，统一完成特征交互与对应关系剪枝，可直接迁移到图像-点云配准、跨模态定位等需要鲁棒 2D-3D 对应的任务。

HeroGS：面向稀疏视角下鲁棒三维高斯泼溅的层次化引导

HeroGS: Hierarchical Guidance for Robust 3D Gaussian Splatting under Sparse Views

针对稀疏视角下 3DGS 高斯分布退化的问题，提出图像级伪稠密监督、特征级自适应稠密化与剪枝、参数级协同剪枝几何一致性三级引导，可直接迁移到任何稀疏输入的新视角合成或三维重建流程中作为正则化与致密化策略。

基于可微渲染的 Hermite 径向基函数表面重建

Hermite Radial Basis Function for Surface Reconstruction via Differentiable Rendering

用局部 RBF 及其导数构造全局 Hermite 隐式函数，并通过可微渲染端到端学习场景几何；对做隐式表面重建的人，这提供了一种兼顾精确几何表示与快速渲染（BVH 加速求交）的替代 3DGS/RayGauss 方案。

触觉神经场：将触觉交互引入三维渲染场景

Haptic Neural Fields: Bringing Tactile Interactions to 3D Rendered Scenes

将神经场从纯视觉渲染扩展到触觉信号合成，为视觉研究者提供了一种以几何与交互动态为条件的隐式场建模思路，可用于多模态场景表示与交互式渲染。

HandDreamer：使用矫正性手形引导的零样本文本到 3D 手模型生成

HandDreamer: Zero-Shot Text to 3D Hand Model Generation using Corrective Hand Shape Guidance

针对 SDS 在关节物体上因文本概率地形多峰导致的视图不一致问题，提出用 MANO 初始化加手部骨架引导扩散提供结构先验，并设计矫正性手形引导损失把各视图拉回一致模态——这套「参数化模板先验 + 视图一致性正则」的思路可直接迁移到人体、动物等铰接物体的文本到 3D 生成。

H^2A^2：面向统一室内 3D 目标检测的同质感知与异质感知特征提取

H^2A^2: Homogeneity-Aware and Heterogeneity-Aware Feature Perception for Unified Indoor 3D Object Detection

针对室内 3D 检测的跨场景训练，提出结构特征感知的核选择与梯度归一化策略，可复用于点云检测器的跨域泛化与多任务优化。

HSI-GPT2：面向人-场景交互的双粒度大运动推理模型与扩散精炼

HSI-GPT2: A Dual-Granularity Large Motion Reasoning Model with Diffusion Refinement for Human-Scene Interaction

提出双粒度运动分词器与扩散解码器，将LLM的深层语义转化为物理合理的人体运动，为3D场景中的人-场景交互生成提供了可复用的运动表示与解码方案。

HOG-Layout：基于视觉语言模型的分层三维场景生成、优化与编辑

HOG-Layout: Hierarchical 3D Scene Generation, Optimization and Editing via Vision-Language Models

用 LLM/VLM 加 RAG 从文本生成分层 3D 场景布局，并配物理一致性优化模块与分层表示实现实时编辑，可作为具身智能与 VR 场景合成的可复用管线。

HAMMER：通过跨模态集成利用多模态大语言模型实现意图驱动的 3D 可供性定位

HAMMER: Harnessing MLLMs via Cross-Modal Integration for Intention-Driven 3D Affordance Grounding

利用多模态大语言模型（MLLM）的语义推理能力，将参考图像中的交互意图编码为接触感知嵌入，并通过分层跨模态融合与多粒度几何提升实现 3D 可供性定位，为 3D 场景理解提供新思路。

HAD：面向三维重建的幻觉感知扩散先验

HAD: Hallucination-Aware Diffusion Priors for 3D Reconstruction

用前馈新视角合成网络做多视角一致性推理，为扩散生成的增广视图逐像素打幻觉分数并掩码，可直接迁移到任何用扩散先验补视角的重建/生成管线中抑制不一致伪影。

发丝守护者：在深度、立体和新视角中拯救软边界

Guardians of the Hair: Rescuing Soft Boundaries in Depth, Stereo, and Novel Views

针对细软边界（如发丝）在深度估计和新视角合成中的模糊问题，提出可插拔的深度修复网络和基于前向变形+生成式修复的视角合成流程，可直接用于提升现有深度模型和NVS方法在边界区域的细节保真度。

面向实体中心 4D 场景生成的接地潜变量

Grounded Latents for Entity-Centric 4D Scene Generation

用实体级 3D 潜变量替代稠密体素表示，把场景拆成语义局部区域再逐实体扩散生成，并沿时间传播潜变量得到 4D 一致性；对做驾驶场景生成、可控仿真数据合成的人，这是一条绕开体素开销、又能精细控制单个车辆/行人的可复用路线。

基于正交轮廓的全局最优姿态估计

Globally Optimal Pose from Orthographic Silhouettes

把轮廓面积随旋转轨迹的连续性转化为旋转空间上的强分支结构，配合预计算的轮廓签名响应面做分辨率引导的候选搜索，为无对应点的 3D 形状位姿估计提供可复用的全局最优求解框架。

面向位姿图初始化的全局感知边优先排序

Global-Aware Edge Prioritization for Pose Graph Initialization

把位姿图初始化从「逐对检索 top-k 邻居」改为「按边对 SfM 的效用全局排序」，用 GNN 预测全局一致的边可靠性，可直接替换 SfM 前端中基于检索的候选边筛选环节，在稀疏、高速和歧义场景下提升重建鲁棒性。

全局运动恢复结构与前馈重建的结合

Global Structure-from-Motion Meets Feedforward Reconstruction

将前馈重建模型作为经典 SfM 流程中的组件（如初始化、匹配或失败场景兜底），在低纹理、弱重叠、对称场景下弥补经典 SfM 的失效，同时保留经典方法在标准场景下的精度与可扩展性；对做三维重建的人，这是一个可直接复用的混合式 pipeline 设计范式。

面向 3D 高斯泼溅中指代分割的几何感知跨模态图对齐

Geometry-Aware Cross-Modal Graph Alignment for Referring Segmentation in 3D Gaussian Splatting

针对 3DGS 场景中的语言指代分割，用位置感知提示词扩展与几何图-语义图跨模态对齐来抑制跨模态注意力的误差自增强，可直接迁移到任何需要文本-3D 空间定位的 3DGS/NeRF 管线。

面向三维异常检测的几何对齐与异常感知重建

Geometry-Aligned and Anomaly-Aware Reconstruction for 3D Anomaly Detection

把扩散去噪的噪声方向约束到顶点法向上、并用自适应 Transformer 按区域分配参考，是可直接迁移到点云补全、去噪与表面重建的几何先验注入方式；对做 3D 重建的人来说，它给出了「噪声采样服从局部几何」这一可复用设计。

几何-光度事件式三维高斯光线追踪

Geometric-Photometric Event-based 3D Gaussian Ray Tracing

将事件式 3DGS 的渲染解耦为逐事件深度光线追踪与基于扭曲事件图像的快照式辐射渲染两条分支，使稀疏事件的高时序信息能被细粒度利用；这一「几何/光度分离 + 光线追踪」思路可迁移到其他事件相机或稀疏观测下的三维重建与新视角合成工作。

面向点云分割新类发现的几何感知超图推理

Geometric-Aware Hypergraph Reasoning for Novel Class Discovery in Point Cloud Segmentation

将超图结构引入点云分割的新类发现任务，用高阶关联替代二值关联进行类间推理，并设计几何感知原型增强空间信息，可复用于开放世界点云分割或跨类知识迁移。

几何神经距离场用于学习人体运动先验

Geometric Neural Distance Fields for Learning Human Motion Priors

将人体运动先验建模为关节旋转、角速度、角加速度乘积空间上的神经距离场零水平集，为从部分2D/3D观测恢复3D人体运动提供了可复用的几何约束与自适应投影算法。

GeoSAM2：释放 SAM2 在三维部件分割中的能力

GeoSAM2: Unleashing the Power of SAM2 for 3D Part Segmentation

把 3D 部件分割转成多视图 2D 掩码预测，用 SAM2 加低秩适配和残差几何融合，接受点击/框提示，再把掩码反投影聚合到物体上；做 3D 分割或想复用 SAM2 先验的人可直接借鉴这套提示可控、免逐形状优化的流程。

GeoGuide：面向开放词表 3D 语义分割的分层几何引导

GeoGuide: Hierarchical Geometric Guidance for Open-Vocabulary 3D Semantic Segmentation

用预训练 3D 模型自身的几何先验替代对 2D 开放词表模型的单向蒸馏，通过超点级不确定性加权和实例级掩码重建抑制 2D 噪声，为 3D 开放词表分割提供了一条不牺牲几何表征的路线。

GeoFree-CoSeg：无需几何对齐的无监督点云-图像跨模态共分割

GeoFree-CoSeg: Unsupervised Point Cloud-Image Cross-Modal Co-Segmentation Without Geometric Alignment

提出无需几何对齐的点云-图像跨模态共分割设定，用跨模态公共语义图把2D/3D粗语义提纯为细粒度公共语义并互相增强，为多模态无监督分割提供了可复用的特征提纯与互增强框架。

GeoDiff4D：面向 4D 头部化身重建的几何感知扩散

GeoDiff4D: Geometry-Aware Diffusion for 4D Head Avatar Reconstruction

把扩散模型同时合成肖像图与表面法线，作为几何先验蒸馏进 3D 高斯化身，为单图重建提供了一条「用生成模型补几何」的可复用路径；其无姿态表情编码器也可直接用于驱动类任务。

Geo2：几何引导的跨视角地理定位与图像合成

Geo2: Geometry-Guided Cross-view Geo-Localization and Image Synthesis

利用几何基础模型（如 VGGT）提取的三维几何先验，构建共享的三维感知潜空间来桥接地面与航拍视角，为跨视角定位与双向图像合成提供统一框架；其 GeoMap 和 GeoFlow 设计可复用于其他需要跨视角几何对齐的任务。

生成扩散先验用于暗宇宙的三维映射

Generative Diffusion Priors for 3D Mapping of the Dark Universe

将扩散模型作为先验，结合可微物理前向模型进行后验采样，解决单视角、噪声观测下的三维重建问题；其plug-and-play后验采样方案可迁移到其他逆问题（如单视图三维重建、计算成像）。

将视觉几何先验泛化到稀疏高斯占用预测

Generalizing Visual Geometry Priors to Sparse Gaussian Occupancy Prediction

把 VGGT 这类可泛化视觉几何模型输出的表面点沿相机射线向内扩展成体素采样，并用高斯原语做概率化占用推断，为单目/流式占用预测提供了一条不依赖体素密集监督、可直接复用几何基础模型先验的路线。

Generalized-CVO：基于二阶黎曼优化的快速无对应局部点云配准

Generalized-CVO: Fast and Correspondence-Free Local Point Cloud Registration with Second Order Riemannian Optimization

提出一种基于RKHS嵌入和二阶黎曼优化的无对应点云配准方法，可显著提升LiDAR/RGB-D帧间跟踪精度与速度，适用于需要快速局部配准的视觉里程计或跟踪系统。

面向类别统一 3D 单目标跟踪的可泛化结构感知关键点对应

Generalizable Structure-Aware Keypoint Correspondence for Category-Unified 3D Single Object Tracking

提出自适应关键点提取与渐进式对应对齐模块，可复用于点云配准、3D 目标跟踪等需要跨帧几何关联的任务，解决类别统一模型下的尺度与结构变化问题。

从无约束图像中泛化的稀疏视角三维重建

Generalizable Sparse-View 3D Reconstruction from Unconstrained Images

提出无需逐场景优化的前馈式稀疏视角室外重建框架，利用学习到的几何先验从无位姿互联网图像直接预测深度、相机参数和规范空间三维高斯，并通过外观适配器与语义分割处理光照变化和瞬态遮挡，为稀疏输入下的实时新视角合成提供了可复用的技术路线。

面向空间频谱合成的可泛化射频辐射场

Generalizable Radio-Frequency Radiance Fields for Spatial Spectrum Synthesis

把 NeRF 式的辐射场从光学域搬到射频域，并用几何感知 Transformer 编码器实现跨场景泛化，为视觉研究者提供「场景无关潜变量辐射场 + 神经光线追踪」这一可迁移范式，可用于无线感知、波束预测与跨场景泛化建模。

GenSplat：弥合 3DGS 语言理解中的泛化差距

GenSplat: Bridging the Generalization Gap in 3DGS Language Comprehension

把自由形式语言查询对齐到 3D 高斯表示上，用渐进式课程学习加 MLLM 语义/空间先验做 3D 定位与推理，可直接迁移到 3DGS 场景的开放词表分割、指代定位与 3D VQA 等下游任务。

GenMatter：用生成式物质模型感知物理对象

GenMatter: Perceiving Physical Objects with Generative Matter Models

把运动与外观特征层次化地组织成高斯粒子并聚类成可独立运动的实体，配合并行块吉布斯采样做硬件加速推理，为从光流/点轨迹中无监督地恢复可变形物体的3D结构与物体级分割提供了可复用的表示与采样方案。

Gen3R：三维场景生成与前馈重建的结合

Gen3R: 3D Scene Generation Meets Feed-Forward Reconstruction

把 VGGT 这类前馈重建模型当作几何编码器，用适配器把其 token 对齐到视频扩散模型的外观潜空间，从而在同一个扩散过程里同时生成 RGB 视频与相机位姿、深度、点云；对做 3D 生成的人，这是一条「复用重建基础模型当几何先验」的现成路径，对做重建的人则提示可用生成先验提升鲁棒性。

GaussianZoom：几何与语义引导的渐进式放大生成 3D 高斯泼溅

GaussianZoom: Progressive Zoom-in Generative 3D Gaussian Splatting with Geometric and Semantic Guidance

把基于深度的特征 warp 与 VLM 驱动的细节合成结合进多视图一致超分模块，可在低分辨率多视图输入下生成高倍放大的 3DGS 场景；其可扩展连续 LOD 层级通过动态调制高斯可见性实现无混叠跨尺度渲染，对需要极端放大或跨尺度一致性的新视角合成工作可直接复用。

GaussianPile：面向切片式体数据重建的统一稀疏高斯泼溅框架

GaussianPile: A Unified Sparse Gaussian Splatting Framework for Slice-based Volumetric Reconstruction

将各向异性 3D 高斯与成像系统点扩散函数结合，用于切片式体数据的压缩与重建，其可微投影算子和紧凑编码管线可迁移到其他需要物理感知渲染的 3D 重建任务。

GaussianGrow：基于文本引导从3D点云几何感知地生长高斯

GaussianGrow: Geometry-aware Gaussian Growing from 3D Point Clouds with Text Guidance

提出从点云生长高斯的框架，利用多视图扩散模型合成一致外观监督，并通过迭代检测未生长区域和2D扩散修复补全，为文本引导的3D高斯生成提供了几何准确的方案。

GaussianFluent：面向混合材质动态场景的高斯仿真

GaussianFluent: Gaussian Simulation for Dynamic Scenes with Mixed Materials

把 3DGS 从静态外观表示扩展为可仿真的动态物体状态，用生成模型补全高斯体内部纹理、用 CD-MPM 驱动脆性断裂，为需要物理一致动态场景的渲染与交互（VR、机器人）提供可复用管线。

GaussianDWM：面向统一场景理解与多模态生成的 3D 高斯驾驶世界模型

GaussianDWM: 3D Gaussian Driving World Model for Unified Scene Understanding and Multi-Modal Generation

把语言特征直接嵌入每个 3D 高斯原语实现早期模态对齐，并用任务感知的语言引导采样把冗余高斯裁剪成紧凑 3D token 送入 LLM——这套「高斯原语承载语义 + 可学习 token 剪枝」的做法可直接迁移到任何需要 3D 场景问答或 3D 条件生成的任务。

面向演化场景的高斯建图

Gaussian Mapping for Evolving Scenes

针对相机视野外场景长期演化（long-term dynamics）导致的观测陈旧问题，提出持续更新 3D 高斯表示并配合丢弃过期观测的关键帧管理机制，可直接复用于 SLAM/建图系统中处理场景变化与表示一致性维护。

GaussFusion：用几何感知视频生成器改进野外 3D 重建

GaussFusion: Improving 3D Reconstruction in the Wild with A Geometry-Informed Video Generator

把 3DGS 渲染出的深度/法线/不透明度/协方差缓冲当作条件输入，用视频到视频生成器做时序一致的后处理精修，可即插即用地接在优化式与前馈式重建管线之后，为消除浮点、闪烁与位姿误差伪影提供了一条通用思路。

GauMVC：面向以人为中心的多视角视频压缩的生成式解耦高斯表示

GauMVC: Generative Decoupled Gaussian Representation for Human-centric Multi-view Video Compression

将多视角视频压缩转化为语义解耦的生成式建模：背景用 3DGS 单次建模，人体用 SMPL 驱动的个性化高斯化身，仅传输背景、关键视角和逐帧 SMPL 参数，为高保真多视角合成提供极低码率方案。

Gau-Occ：几何补全高斯用于多模态三维占用预测

Gau-Occ: Geometry-Completed Gaussians for Multi-Modal 3D Occupancy Prediction

将场景表示为语义三维高斯锚框，用锚框引导的二维采样与跨模态对齐替代稠密体素融合，为视觉-激光雷达融合的占用预测提供了轻量化的几何引导方案。

GardenDesigner：通过智能体链将审美原则编码到江南园林建造中

GardenDesigner: Encoding Aesthetic Principles into Jiangnan Garden Construction via a Chain of Agents

将审美原则编码为多智能体协作的程序化建模流程，为文本驱动的3D场景生成提供可复用的布局优化与资产选择框架，可迁移至其他风格化场景构建。

GS^2：基于图的空间分布优化用于紧凑三维高斯泼溅

GS^2: Graph-based Spatial Distribution Optimization for Compact 3D Gaussian Splatting

提出基于图的空间分布优化与不透明度感知渐进剪枝，可在保持渲染质量的同时将高斯点数压缩至约12.5%，为3DGS的轻量化部署提供了可复用的稠密化控制与剪枝策略。

GS-CLIP：通过几何感知提示词与协同视图表征学习实现零样本 3D 异常检测

GS-CLIP: Zero-shot 3D Anomaly Detection by Geometry-Aware Prompt and Synergistic View Representation Learning

把 3D 几何先验蒸馏进 CLIP 文本提示词，并用渲染图与深度图双流互补融合，为点云零样本异常检测提供了可复用的「几何感知提示词 + 多视图协同」范式，可直接迁移到其他 3D 开放词表任务。

GS-ASM：基于2D高斯泼溅监督的主动立体匹配

GS-ASM: 2DGS-Supervised Active Stereo Matching

利用2D高斯泼溅显式建模场景几何并合成主动投影图案，生成视差代理标签，从而将自监督主动立体匹配提升到监督训练水平；其混合监督正则化动态调整损失权重，可复用于其他多监督融合的深度估计任务。

GP-4DGS：基于变分高斯过程的单目视频概率 4D 高斯泼溅

GP-4DGS: Probabilistic 4D Gaussian Splatting from Monocular Video via Variational Gaussian Processes

把变分高斯过程与诱导点引入 4D 高斯泼溅的形变场建模，为单目动态重建提供可训练的不确定性输出与时序外推能力；做动态场景重建或需要判断运动歧义区域的工作可直接复用其时空核与变分推断方案。

GOR-IS：本征空间中的三维高斯物体移除

GOR-IS: 3D Gaussian Object Removal In the Intrinsic Space

把场景分解为材质与光照等本征分量，并在本征空间中做图像修复，为 3DGS/NeRF 场景编辑提供了一条处理全局光照一致性与视角相关非朗伯表面的可复用思路。

GM-R^2：面向无监督几何表征与配准的生成式匹配学习

GM-R^2: Generative Matching Learning for Unsupervised Geometric Representation and Registration

把描述子学习重构成以深度图为条件的跨视角生成任务，用视图合成的代理监督隐式约束对应点特征一致性；其去噪无关的耦合 ControlNet 与可缩放等距柱状投影（无需内参的点云转深度）可直接用于无监督 3D 配准与点云到深度图的稠密投影。

GLINT：通过高斯辐射传输建模场景级透明度

GLINT: Modeling Scene-Scale Transparency via Gaussian Radiance Transport

GLINT 将透明界面与透射几何解耦，用显式分解的高斯表示分别建模反射与透射辐射，并借助预训练视频重光照模型提供几何与材质先验，为场景级透明物体重建提供了可复用的辐射传输框架。

GIFSplat：生成先验引导的迭代式前馈稀疏视角三维高斯泼溅

GIFSplat: Generative Prior-Guided Iterative Feed-Forward 3D Gaussian Splatting from Sparse Views

把「一次性前馈预测」改成少量前馈式残差迭代，并用冻结扩散先验蒸馏出高斯级线索，无需测试时梯度优化即可在稀疏无位姿视角下做场景自适应，可直接迁移到其他前馈式 3DGS/NeRF 管线以提升域外泛化与质量。

GHPT：基于混合路径追踪的实时可重光照高斯泼溅

GHPT: Real-Time Relightable Gaussian Splatting using Hybrid Path Tracing

把高斯泼溅与基于网格的硬件加速路径追踪结合，用 PGSR 重建表面网格与 G-buffer，再做可微逆渲染恢复材质与环境光照，为需要重光照、物体插入合成的 3DGS 场景提供实时可用的分解式表示。

GGPT：几何锚定的点 Transformer

GGPT: Geometry-Grounded Point Transformer

把 SfM 得到的稀疏点云作为显式几何监督，去精修前馈网络输出的稠密点图，这个「稀疏几何引导稠密预测」的范式可以直接迁移到 VGGT、DUSt3R 类模型的几何一致性提升上。

G$^2$VLM：统一三维重建与空间推理的几何基础视觉语言模型

G$^2$VLM: Geometry Grounded Vision Language Model with Unified 3D Reconstruction and Spatial Reasoning

把前馈三维重建模型学到的几何特征直接接入 VLM 的表征空间，用交错推理与上下文学习让语言模型「读懂」几何特征；做空间理解或多模态三维任务的可以借鉴这种统一训练范式，用易得的多视图/视频数据替代难采集的三维标注。

融合深度与语义的概率平面图定位

Fusion of Depth and Semantics for Probabilistic Floorplan Localization

将深度与语义以概率分布形式统一融合进射线匹配框架，并用 Jensen-Shannon 散度保留语义歧义而非硬标签化，这一思路可迁移到其他需要融合多模态不确定性的位姿估计与匹配任务。

FunFact：通过因子图推理构建概率功能3D场景图

FunFact: Building Probabilistic Functional 3D Scene Graphs via Factor-Graph Reasoning

将功能关系建模为因子图变量，结合LLM常识先验与几何先验进行联合概率推理，可提升开放词表场景图中关系发现的召回率与置信度校准，适用于需要场景级推理的3D理解任务。

从射线到投影：为前馈视图合成提供更好的输入

From Rays to Projections: Better Inputs for Feed-Forward View Synthesis

用目标视图的投影线索替代 Plücker 射线图作为相机条件输入，把脆弱的射线空间几何回归转化为良态的目标视图图像到图像翻译问题；做前馈新视角合成时可直接替换相机编码方式，并配套设计了适配该线索的掩码自编码预训练以利用无标定数据。

从图像对到序列：面向关键点检测的轨迹感知策略梯度

From Pairs to Sequences: Track-Aware Policy Gradients for Keypoint Detection

把关键点检测从图像对监督改为序列上的强化学习决策过程，用轨迹质量奖励驱动策略梯度，可直接用于 SfM/SLAM 前端特征点训练，提升长时序跟踪稳定性。

从无到有：通过新视角合成的自监督三维重建

From None to All: Self-Supervised 3D Reconstruction via Novel View Synthesis

把相机参数预测与显式 3D 高斯重建放进同一个共享 Transformer 骨干网络、用掩码注意力约束，仅靠 2D 光度监督即可从未标定、无位姿的图像集合前馈重建，为无标注数据上的可扩展三维重建提供了可复用的自监督训练范式。

从特征学习到谱基学习：一个统一且灵活的高效鲁棒形状匹配框架

From Feature Learning to Spectral Basis Learning: A Unifying and Flexible Framework for Efficient and Robust Shape Matching

把函数映射流程中固定的拉普拉斯谱基换成可学习的抑制函数，使特征提取与基函数端到端联合优化，并用热扩散模块替代昂贵的求解器；做非刚性三维形状匹配、等距/拓扑噪声鲁棒性研究的人可以直接复用这一「谱基即谱卷积滤波器」的视角。

从角点到基准标记：重新审视事件相机的棋盘格标定

From Corners to Fiducial Tags: Revisiting Checkerboard Calibration for Event Cameras

对做事件相机标定或多传感器标定的视觉研究者，这篇给出了不依赖灰度重建、直接从事件流检测棋盘格角点与 AprilTag 的流程：用边缘事件初始化角点，再向低事件密度区域迭代细化到亚像素，可直接用于事件-帧相机外参标定与遮挡场景下的标记检测。

Fresco：面向细粒度头部虚拟人建模的频率-空间一致性优化

Fresco: Frequency-Spatial Consistent Optimization for Fine-Grained Head Avatar Modeling

把拉普拉斯金字塔频率课程与 UV 空间像素级一致性正则结合，用于抑制头部虚拟人重建中的早期过锐化与跨视角漂移；这套「先低频后高频 + 共享 UV 坐标对齐」的优化调度可直接迁移到其他多视角可驱动人体/人脸重建管线。

FreeScale：通过确定性感知的自由视角生成扩展三维场景

FreeScale: Scaling 3D Scenes via Certainty-Aware Free-View Generation

把不完美的重建场景当作几何代理，用确定性感知的自由视角采样筛选语义有意义且受重建误差影响小的新视角，从而把少量真实序列扩成可训练前馈 NVS 模型的大规模数据；这套「重建→采样→再训练」的数据引擎可直接用于缓解 3D 视觉的数据瓶颈。

FreeForm：基于粒子蒙皮模态的降阶可变形仿真

FreeForm: Reduced-Order Deformable Simulation from Particle-Based Skinning Eigenmodes

用 RKPM 粒子表示替代网格或神经场来构造降阶蒙皮权重，使高斯泼溅等非网格几何可直接参与可变形仿真，为视觉重建出的 3D 资产提供免逐形状优化的物理动画接口。

FreeArtGS：自由移动场景下的关节高斯泼溅

FreeArtGS: Articulated Gaussian Splatting Under Free-moving Scenario

FreeArtGS 提出了一种从自由移动的单目 RGB-D 视频中重建关节物体的新设定，利用现成的点跟踪和特征模型先验进行部件分割与关节估计，并基于 3DGS 端到端优化视觉纹理、几何与关节角度。对视觉研究者而言，其可复用的技术点包括：利用相对运动进行无监督刚性部件分割、从分割结果鲁棒恢复关节类型与轴、以及将 3DGS 扩展到关节物体的联合优化框架。

ForeHOI：从日常手物交互视频前馈重建三维物体

ForeHOI: Feed-forward 3D Object Reconstruction from Daily Hand-Object Interaction Videos

把 2D 掩码修复与 3D 形状补全放进同一个前馈框架联合预测，用 2D/3D 之间的信息交换解决手物严重遮挡下的物体重建，可迁移到任何被遮挡物体的单目重建与补全任务。

FoV-Net：基于视场射线投射的旋转不变 CAD B-rep 学习

FoV-Net: Rotation-Invariant CAD B-rep Learning via Field-of-View Ray Casting

用局部参考系 UV 网格加视线射线投射构造旋转不变的逐面表征，再经图注意力在 B-rep 图上传播，这套「局部几何 + 射线采样上下文」的思路可直接迁移到点云、网格等 3D 表示上做 SO(3) 不变的特征学习。

FluidGaussian：传播基于仿真的不确定性以实现功能智能的三维重建

FluidGaussian: Propagating Simulation-Based Uncertainty Toward Functionally-Intelligent 3D Reconstruction

将流体仿真诱导的不确定性作为主动学习的采样信号，指导多视角采集以提升几何与物理保真度，为物理感知的三维重建提供了可插拔的通用框架。

Flow4DGS-SLAM：光流引导的四维高斯泼溅 SLAM

Flow4DGS-SLAM: Optical Flow-Guided 4D Gaussian Splatting SLAM

用相机自运动模型拟合光流来生成类别无关的运动掩码，从而分离静态与动态高斯，并顺带给出光流引导的相机位姿初始化；这套「光流分解 + 掩码」的做法可直接迁移到任何需要区分动静区域的动态 NeRF/3DGS 重建或动态 SLAM 前端。

Flow3r：面向可扩展视觉几何学习的因子化光流预测

Flow3r: Factored Flow Prediction for Scalable Visual Geometry Learning

把稠密 2D 对应（flow）当作无标签监督信号，并用「几何 latent × 位姿 latent」的因子化光流预测来同时驱动场景几何与相机运动的学习，可直接迁移到现有前馈式 3D/4D 重建架构上，用于在无标注单目视频上扩展训练。

FlexAvatar：以部分监督学习完整三维头部化身

FlexAvatar: Learning Complete 3D Head Avatars with Partial Supervision

用可学习的 bias sink token 把单目视频与多视图数据放进同一个 Transformer 统一训练，解耦驱动信号与目标视角，从而在推理时同时获得单目数据的泛化性和多视图监督的三维完整性；这套「数据源 token」思路可迁移到其他受限于多视图稀缺的三维重建/化身任务。

FlexAvatar：面向细节形变可动画高斯头部化身的灵活大重建模型

FlexAvatar: Flexible Large Reconstruction Model for Animatable Gaussian Head Avatars with Detailed Deformation

用结构化头部 query token 作为规范锚点，把数量不定、无相机位姿、无表情标签的输入聚合为规范 3D 表示，再以 UV 空间位置图条件化的轻量 UNet 解码器实时生成表情相关形变；这套「规范锚点 + 条件形变解码」范式可直接迁移到其他可动画 3D 化身或动态人体重建任务。

FlashVGGT：基于压缩描述子注意力的高效可扩展视觉几何 Transformer

FlashVGGT: Efficient and Scalable Visual Geometry Transformers with Compressed Descriptor Attention

用每帧压缩出的描述子 token 替代全量 token 做全局注意力，把 VGGT 的二次复杂度降到与描述子数量相关，并通过缓存描述子的分块递归机制支持超长序列在线推理；做多视图前馈重建、长序列三维重建的人可直接复用这一注意力压缩与分块缓存思路。

FlashMesh：通过结构化推测实现更快更好的自回归网格合成

FlashMesh: Faster and Better Autoregressive Mesh Synthesis via Structured Speculation

把推测解码（speculative decoding）引入自回归网格生成，利用网格 token 在面/点/坐标层级上的结构相关性做多 token 并行预测，可直接迁移到其他自回归式 3D 生成器（如 MeshGPT 类模型）做免训练或轻训练加速。

FilterGS：面向大规模层次细节3D高斯泼溅的无遍历并行过滤与自适应收缩

FilterGS: Traversal-Free Parallel Filtering and Adaptive Shrinking for Large-Scale LoD 3D Gaussian Splatting

FilterGS 提出无需树遍历的并行过滤机制和基于不透明度的自适应高斯收缩策略，可直接用于加速大规模 3DGS 场景的 LoD 渲染，减少冗余高斯-瓦片对的处理开销。

用于头部化身创建与编辑的前馈高斯配准

Feed-forward Gaussian Registration for Head Avatar Creation and Editing

用 transformer 在模板网格固定 UV 布局下前馈预测高斯泼溅纹理，并通过配准引导注意力让每个 UV 词元只关注其对应网格区域的图像词元，从而在 0.5 秒/帧内建立跨帧与跨主体的稠密对应；这套「UV 空间 + 对应性注意力」可直接复用到任何需要多视角一致纹理与免优化跟踪的人体/人脸建模流程。

前馈式单样本可驱动纹理网格化身重建

Feed-Forward One-Shot Animatable Textured Mesh Avatar Reconstruction

单图前馈直接输出带纹理贴图的可驱动网格头部，用共享 Transformer 骨干同时回归顶点与纹理图，并用基于重投影的纹理引导把外观锚定到输入图像；对做单图人体/头部重建、以及想把 test-time optimization 换成一次前馈的人，是可复用的架构与监督思路。

Faster-GS：分析与改进高斯泼溅优化

Faster-GS: Analyzing and Improving Gaussian Splatting Optimization

对做 3DGS/4D 重建的人，这篇把分散的加速技巧统一成一套可复现的优化配方，并给出数值稳定性、高斯截断与梯度近似的处理细节，可直接作为训练 3DGS 时的低成本基线替换默认实现。

FastGS：100 秒内训练 3D 高斯泼溅

FastGS: Training 3D Gaussian Splatting in 100 Seconds

提出基于多视图一致性的高斯致密化与剪枝策略，无需预算机制即可在训练中动态调控高斯数量，可迁移到动态场景重建、表面重建、稀疏视图重建等任务中加速训练。

FastEventDGS：面向单事件相机快速动态场景的可变形高斯泼溅

FastEventDGS: Deformable Gaussian Splatting for Fast Dynamic Scenes from a Single Event Camera