Tag · 80 篇
新视角合成
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。
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。
Wanderland：面向开放世界具身智能的几何落地仿真
Wanderland: Geometrically Grounded Simulation for Open-World Embodied AI
对做视觉导航与具身评测的人，这篇给出了一个把多传感器采集、几何可靠重建与视频-3DGS 渲染串起来的 real-to-sim 管线，并量化了纯图像管线在几何上的失真如何传导到导航策略学习与评测可靠性——可直接作为闭环评测的 testbed 与消融参照。
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。
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。
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。
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。
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。
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。
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。
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。
Sensor2Sensor：面向自动驾驶的跨具身传感器转换
Sensor2Sensor: Cross-Embodiment Sensor Conversion for Autonomous Driving
用4D高斯泼溅把真实自动驾驶日志反向渲染成行车记录仪风格视频，从而构造配对数据，再用扩散模型完成单目视频到多视角相机加激光雷达的跨模态生成；这套「先合成配对数据、再做跨传感器转换」的流程，可直接复用于缺失模态补全与多传感器数据增广。
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。
SeeU：通过 4D 动态感知生成看见未见世界
SeeU: Seeing the Unseen World via 4D Dynamics-aware Generation
将稀疏单目 2D 帧重建为 4D 世界，在低秩表示上学习连续动态并施加物理约束，再重投影到任意时间与视角生成未见内容；这种 2D→4D→2D 框架可复用于视频外推、新视角生成与视频编辑等任务。
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。
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。
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。
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。
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。
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。
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。
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。
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。
RAVEN：通过新视角合成擦除不可见水印
RAVEN: Erasing Invisible Watermarks via Novel View Synthesis
把水印去除重新表述为潜空间中的视角变换问题，并借助视角引导的对应注意力保持结构一致；这为研究水印鲁棒性提供了新的攻击范式，也提示视觉研究者：语义保持的几何变换是评估生成内容溯源方案时必须纳入的威胁模型。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
MV-Fashion：面向虚拟试穿与尺寸估计的多视角配对数据集
MV-Fashion: Towards Enabling Virtual Try-On and Size Estimation with Multi-View Paired Data
提供了带配对平铺商品图的多视角同步视频与像素级标注、材质属性、点云，可直接作为虚拟试穿与服装尺寸估计的监督/评测基准，也适合做动态人体新视角合成的真实数据来源。
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。
LaVR：基于大型4D重建模型场景潜变量条件的生成式视频轨迹重渲染
LaVR: Scene Latent Conditioned Generative Video Trajectory Re-Rendering using Large 4D Reconstruction Models
用大型4D重建模型的潜空间作为隐式几何条件来驱动视频扩散生成，绕开显式深度估计与重建，为需要几何一致性的视频生成/新视角合成提供了一条可复用的条件注入路径。
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。
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。
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。
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。
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。
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。
GeodesicNVS：面向新视角合成的概率密度测地线流匹配
GeodesicNVS: Probability Density Geodesic Flow Matching for Novel View Synthesis
把扩散的随机噪声到数据路径换成成对视图间的数据到数据确定性流匹配，并用密度测地线约束插值轨迹，可直接用于需要多视角一致性的生成式新视角合成与三维一致生成。
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。
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。
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。
FaithFusion：通过像素级信息增益协调重建与生成
FaithFusion: Harmonizing Reconstruction and Generation via Pixel-wise Information Gain
将像素级期望信息增益（EIG）作为统一策略，同时引导扩散模型精修高不确定性区域并将编辑结果蒸馏回3DGS，为3DGS与扩散模型的融合提供了一种无需额外先验条件的即插即用方案，可复用于其他需要几何保真与外观生成平衡的新视角合成任务。
Exact-GS：用于三维 X 射线重建的数学严谨且精确的三维高斯泼溅
Exact-GS: Mathematically Rigorous and Accurate 3D Gaussian Splatting for 3D X-ray Reconstruction
提出无需仿射近似的闭式高斯泼溅公式，可直接替换现有 3DGS 渲染器中的投影近似，消除伪影并保持 CUDA 光栅化速度，适用于任何需要精确投影的泼溅式渲染任务。
证据神经辐射场
Evidential Neural Radiance Fields
把证据深度学习（evidential deep learning）接进 NeRF 的渲染管线，用单次前向传播同时给出偶然不确定性与认知不确定性，可直接复用到任何需要逐像素置信度的三维重建/新视角合成流程中，用于安全关键场景的失效检测与主动视角选择。
EventHub：无需主动传感器的可泛化事件立体网络数据工厂
EventHub: Data Factory for Generalizable Event-Based Stereo Networks without Active Sensors
利用新视角合成从普通彩色图像生成代理标注和代理事件，从而无需主动传感器即可训练事件立体网络，这种数据工厂思路可迁移到其他缺乏真值的传感器模态（如事件光流、事件深度）。
EcoSplat：效率可控的多视图图像前馈三维高斯泼溅
EcoSplat: Efficiency-controllable Feed-forward 3D Gaussian Splatting from Multi-view Images
把「预测多少个高斯基元」变成推理时可调的显式控制变量，用两阶段（像素对齐预训练 + 重要性感知微调）让同一前馈模型在任意基元预算下输出 3DGS 表示，可直接用于显存/带宽受限的渲染与下游任务。
EDGS：消除致密化以实现 3DGS 的高效收敛
EDGS: Eliminating Densification for Efficient Convergence of 3DGS
用稠密图像对应三角化得到的像素点云替代 SfM 稀疏点做 3DGS 初始化，直接省掉 densification 阶段；做 3DGS 加速或高质量重建时，可把这套稠密初始化当作即插即用的起点，与其它加速手段叠加。
基于脉冲神经元的动态场景动静分解新视角合成
Dynamic-Static Decomposition for Novel View Synthesis of Dynamic Scenes with Spiking Neurons
用脉冲神经元构建时空细粒度掩码场与不连续动静标签场，替代不准确的掩码先验来分配动态/静态高斯基元，可直接迁移到任何基于高斯泼溅的动态场景重建管线中以改善运动边界与侧视角渲染。
Disco-GS：动态彩色光照下的高斯泼溅
Disco-GS: Gaussian Splatting in Dynamic Color Lighting
针对动态彩色光照下的3D重建，提出自监督估计逐像素瞬态光照的方法，可复用于任何需要从变化光照视频中分离本征外观与光照的GS或NeRF管线。
DirectFisheye-GS：通过跨视角联合优化在高斯泼溅中实现原生鱼眼输入
DirectFisheye-GS: Enabling Native Fisheye Input in Gaussian Splatting with Cross-View Joint Optimization
将鱼眼相机模型直接集成进 3DGS 光栅化流程，避免去畸变预处理带来的信息损失与过拟合；其基于特征重叠的跨视角联合优化策略可迁移到现有针孔相机 3DGS 管线，用于抑制边缘浮空伪影。
Diff4Splat：复用视频扩散模型进行动态场景生成
Diff4Splat: Repurposing Video Diffusion Models for Dynamic Scene Generation
把视频扩散模型的生成先验直接前馈映射为可变形3D高斯场，单次前向即可从单图+相机轨迹得到动态场景，省去逐场景优化，可作为动态新视角合成与4D内容生成的免优化骨干。
面向高保真高斯增强面元渲染的深度剥离
Depth Peeling for High-Fidelity Gaussian-Enhanced Surfel Rendering
用 Depth Peeling 为 2D 不透明面元做逐像素精确排序，从而在无排序的高斯泼溅框架下正确调制透射率，消除走样与 popping；这套「面元+边界半透明+周围高斯补细节」的混合表示可直接迁移到任何需要正确混合顺序的实时神经渲染管线。
Dark3R：在黑暗中学习运动恢复结构
Dark3R: Learning Structure from Motion in the Dark
将大规模3D基础模型通过教师-学生蒸馏适配到极低光照原始图像，实现鲁棒的特征匹配与相机姿态估计，可直接用于暗光下的运动恢复结构和新视角合成。
面向多视角扩散模型的对应注意力对齐
Correspondence-Attention Alignment for Multi-View Diffusion Models
把跨视角几何对应作为注意力图的显式监督信号，只需监督单层注意力即可显著加速多视角扩散模型收敛并提升新视角合成质量，这一思路可直接迁移到任何以参考图为条件的扩散生成/编辑模型中，用于增强结构保持与视角一致性。
CoRoGS：面向鲁棒大偏差视角合成的上下文高斯泼溅
CoRoGS: Contextual Gaussian Splatting for Robust Large-Deviation View Synthesis
将高斯泼溅中的高斯图元视为图节点，通过消息传递建模高斯间依赖关系，并采用渐进式图扩展策略自适应增删高斯，从而在大视角偏差下保持几何一致性；该思路可迁移到任何需要结构化场景表示的NVS任务中。
Charge：一个统一绑定所有任务的全新视角合成综合基准与数据集
Charge: A Comprehensive Novel View Synthesis Benchmark and Dataset to Bind Them All
该数据集同时提供深度、表面法线、分割与光流等多模态真值，并设置稠密多视角、稀疏相机与单目视频三种基准场景，可直接用于评测4D重建与新视角合成方法在不同数据稀疏度下的鲁棒性，也为多模态监督训练提供了现成的配对数据。
AnchorSplat：带三维几何先验的前馈三维高斯泼溅
AnchorSplat: Feed-Forward 3D Gaussian Splatting With 3D Geometric Priors
把像素对齐的高斯表示换成由稀疏点云/体素/RGB-D 点云引导的锚点对齐高斯表示，使高斯数量与图像分辨率、视角数解耦，可直接用于场景级前馈重建与新视角合成，降低高斯原语数量同时提升视角一致性。
基于三维美学场的相机视角美学建议
Aesthetic Camera Viewpoint Suggestion with 3D Aesthetic Field
用前馈 3D 高斯泼溅网络把预训练 2D 美学模型的打分蒸馏成三维美学场，使仅凭稀疏视角即可对新视角做美学预测；这套「2D 先验蒸馏进 3D 表示 + 粗采样加梯度精修」的流程，可迁移到任何需要在三维空间中优化相机或视角的视觉任务。
ActivePolicy：基于全局-局部信息增益的主动高斯重建与优化策略
ActivePolicy: Active Gaussian Reconstruction and Optimization Strategy Based on Global-Local Information Gain
提出基于图论的信息增益度量（GL-Graph）和4D正则化（4D-Reg），用于主动3D高斯重建中的视角选择与过拟合抑制，可直接用于提升稀疏视角下的重建完整性和渲染质量。
AERGS-SLAM：面向自动曝光的鲁棒双目三维高斯泼溅 SLAM
AERGS-SLAM: Auto-Exposure-Robust Stereo 3D Gaussian Splatting SLAM
把相机自动曝光过程显式建模为一个可学习的曝光网络并与高斯泼溅联合优化，使 SLAM 在曝光剧烈变化的真实场景下仍能稳定定位并渲染出曝光可控的逼真新视角；对做 3DGS-SLAM 或户外/移动端采集的人，这是一个可直接复用的曝光建模与光照鲁棒特征定位方案。
4C4D：四相机四维高斯泼溅
4C4D: 4 Camera 4D Gaussian Splatting
针对稀疏视角下 4D 高斯泼溅几何建模弱于外观建模的失衡问题，提出对高斯不透明度施加神经衰减函数，把梯度引导到几何学习上；做稀疏多视角动态重建或 4DGS 时可直接复用这一正则化思路。
3DReflecNet：面向反射、透明与低纹理物体三维重建的大规模数据集
3DReflecNet: A Large-Scale Dataset for 3D Reconstruction of Reflective, Transparent, and Low-Texture Objects
该数据集为反射/透明/低纹理物体的多视图重建提供了大规模合成与真实数据，并定义了图像匹配、SfM、新视角合成、反射去除和重光照五个基准任务，可直接用于评测和开发针对这些挑战性材料的鲁棒3D视觉方法。
L²DGS：低光照动态高斯泼溅
$L^{2}DGS$: Low-Light Dynamic Gaussian Splatting
把动态高斯泼溅扩展到低光照视频，用本征分解（时变光照 × 时不变反射率）加遮挡-去遮挡网络做自监督，可直接迁移到夜间动态场景的新视角合成与4D重建。