Tag · 206 篇
高斯泼溅
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。
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。
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。
基于混合先验引导伪样本生成的零样本图像去噪
Zero-Shot Image Denoising via Hybrid Prior-Guided Pseudo Sample Generation
提出局部（梯度合并分组下采样）与全局（高斯分布条件随机采样）双先验驱动的伪样本生成范式，并配合傅里叶域分频带加权损失，可直接迁移到无外部数据训练的去噪、去模糊等复原任务中。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
通过预测随时间变化的三维高斯进行跟踪
Tracking by Predicting 3-D Gaussians Over Time
把视频编码为一组随时间运动的高斯泼溅，用重建式自监督预训练让跟踪能力自发涌现；做视频自监督表征或零样本点跟踪的研究者可直接复用这一归纳偏置与高斯轨迹投影到图像平面的读出方式。
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。
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。
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。
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。
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。
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。
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。
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。
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。
SpeeDe3DGS：基于时序剪枝与运动分组的快速可形变三维高斯泼溅
SpeeDe3DGS: Speedy Deformable 3D Gaussian Splatting with Temporal Pruning and Motion Grouping
对做动态 3DGS 的人，这篇给出了一套把逐高斯神经推理换成共享 SE(3) 群变换 + 时序敏感剪枝的加速范式，可直接迁移到任何带神经运动场的可形变场景表示上，在几乎不掉画质的前提下把渲染提速一个数量级。
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。
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。
Seele：面向移动设备实时高斯泼溅的统一加速框架
Seele: A Unified Acceleration Framework for Real-Time Gaussian Splatting on Mobile Devices
面向移动端 3DGS 的加速框架：通过视图相关场景表示加在线过滤的混合预处理减少无关高斯数量，并在光栅化阶段按贡献度优先调度高斯，可直接嵌入现有 3DGS 管线，为在资源受限设备上部署实时新视角合成提供可复用手段。
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。
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。
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。
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。
SGI：面向高效紧凑大图像表示的结构化二维高斯
SGI: Structured 2D Gaussians for Efficient and Compact Large Image Representation
将2D高斯泼溅从无结构基元转为种子驱动的结构化隐式表示，配合多尺度由粗到细拟合与种子级熵压缩，为高分辨率图像表示提供可复用的紧凑化与加速优化范式。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
面向零样本具身导航与推理的多尺度高斯-语言地图
Multi-Scale Gaussian-Language Map for Zero-shot Embodied Navigation and Reasoning
把每个语义单元同时存成自然语言描述和 3D 高斯，用高斯泼溅按需渲染任务相关视角，为大模型提供免训练的对齐接口；做具身导航或场景问答时可直接复用这种「语言-高斯」双模态地图表示，替代需要额外训练投影层的语义地图。
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。
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）。
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。
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。
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。
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。
Mark4D：面向4D高斯泼溅的时序一致水印技术
Mark4D: Temporally-Consistent Watermarking for 4D Gaussian Splatting
针对动态4D高斯泼溅模型，提出在运动轨迹上嵌入水印信号并利用视频-文本潜空间解码器恢复水印，为动态场景资产版权保护提供可复用技术。
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。
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。
MAGICIAN：利用想象高斯进行高效长时程规划以完成主动建图
MAGICIAN: Efficient Long-Term Planning with Imagined Gaussians for Active Mapping
把预训练占用网络转成可快速体渲染的「想象高斯」，从而在树搜索里低成本评估任意新视角的表面覆盖增益——这套「用可微渲染代理函数做长时程规划打分」的思路可直接迁移到主动重建、下一最佳视角选择和具身探索策略学习。
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。
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。
让雪落下！基于物理引导分数蒸馏为 3D 高斯场景添加动态天气效果
Let it Snow! Animating 3D Gaussian Scenes with Dynamic Weather Effects via Physics-Guided Score Distillation
把物理仿真当作运动先验去引导 Video-SDS，为静态 3DGS 场景注入物理合理的多粒子动态（雪、雨、雾、沙尘），这套「物理引导 + 分数蒸馏联合优化运动与外观」的框架可直接迁移到 3D 场景动态化、流体/粒子特效生成等任务。
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。
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。
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。
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。
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。
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。
HorizonForge：任意轨迹与任意车辆的驾驶场景编辑
HorizonForge: Driving Scene Editing with Any Trajectories and Any Vehicles
把驾驶场景重建为可编辑的高斯泼溅与网格，再用噪声感知的视频扩散做前馈渲染，为需要精确轨迹/车辆控制的可控视频生成提供了「3D 表示 + 视频扩散先验」的可复用范式。
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。
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。
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。
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。
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。
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。
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。
基于高斯泼溅的低秩张量表示用于多维图像恢复
Gaussian Splatting-based Low-Rank Tensor Representation for Multi-Dimensional Image Recovery
用2D/1D高斯泼溅参数化张量奇异值分解中的潜变量张量与变换矩阵，为多维图像提供连续、紧凑且能捕捉局部高频信息的表示，可迁移到高光谱/视频等低层复原任务中替代固定基变换。
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。
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。
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。
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。
从手册到动作：面向思维链手册生成与机器人操作统一视觉-语言-动作模型
From Manuals to Actions: A Unified VLA Model for Chain-of-Thought Manual Generation and Robotic Manipulation
把多模态手册（图像+视觉提示+文本）作为中间表示，经 ManualCoT 注入动作专家，为长程操作任务提供显式控制条件与隐式潜变量引导；其基于 3D 高斯泼溅的数字孪生数据自动生成管线，可用于低成本扩充机器人操作训练数据。
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。
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。
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。
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。
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。
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。
FSFSplatter：两分钟内从自由稀疏视角图像实现几何精确重建
FSFSplatter: Geometrically Accurate Reconstruction with Free Sparse-view Images within 2 minutes
用大 Transformer 从自由稀疏视角图像端到端回归稠密且几何一致的高斯初始化，配合基于贡献度的剪枝与深度/多视图特征监督，在 2 分钟内完成重建；对做稀疏视角 3DGS 与无位姿重建的人，这套「前馈初始化 + 可微相机参数」流程可直接复用。
FHAvatar：从少量随手拍摄快速高保真重建面部与头发可组合的 3D 头像
FHAvatar: Fast and High-Fidelity Reconstruction of Face-and-Hair Composable 3D Head Avatar from Few Casual Captures
用平面高斯表示面部、发丝高斯表示头发，在纹理空间显式解耦，并借助聚合式 Transformer 骨干网络从多视角数据集中学习跨视角几何先验，使新身份仅需少量随手拍摄即可在数分钟内重建可实时驱动、可换发型的 3D 高斯头像。
ExtrinSplat：解耦几何与语义以实现三维高斯泼溅中的开放词表理解
ExtrinSplat: Decoupling Geometry and Semantics for Open-Vocabulary Understanding in 3D Gaussian Splatting
用多粒度重叠高斯簇加 VLM 生成文本假设的外在索引层，替代逐高斯特征嵌入，可显著降低开放词表三维场景理解的存储与适配时间，适合迁移到任何需要语言查询的三维表示。
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。
基于哈希概率金字塔的欧拉高斯泼溅
Eulerian Gaussian Splatting using Hashed Probability Pyramids
用可学习体密度加哈希概率金字塔替代 3DGS 的手工致密化（ADC 的克隆/分裂/剔除），把基元位置当作密度采样，并用控制变量降低随机梯度方差——做新视角合成的人可直接把这套「概率化致密化」接到自己的 splatting 管线里，去掉调参脆弱的启发式先验。
Energy-GS：图像能量引导的位姿对齐高斯泼溅与重设计的位姿梯度流
Energy-GS: Image Energy-guided Pose Alignment Gaussian Splatting with redesigned pose gradient flow
针对 3DGS 基于光栅化的点渲染缺乏 NeRF 式可控采样、位姿梯度不稳定的问题，重新设计高斯图元的位姿梯度流并引入图像能量引导的渐进式位姿对齐约束，可直接用于无位姿先验的稀疏视图重建与 SLAM 中的位姿-地图联合优化。
EmoTaG：基于高斯泼溅与少样本个性化的情感感知说话头合成
EmoTaG: Emotion-Aware Talking Head Synthesis on Gaussian Splatting with Few-Shot Personalization
把运动预测从直接形变 3D 高斯改为在 FLAME 参数空间回归，为少样本音频驱动说话头提供显式几何先验；其门控残差运动网络用音频情感韵律补全音频缺失的头部姿态与上半脸线索，可直接迁移到其他音频驱动的人脸/人体动画管线。
EmoDiffTalk：面向可编辑 3D 高斯说话头的情感感知扩散模型
EmoDiffTalk: Emotion-aware Diffusion for Editable 3D Gaussian Talking Head
把扩散过程放到 3D 高斯泼溅的表情参数空间（AU 空间）里做去噪，并用文本到 AU 的控制器提供连续可编辑条件——做 3D 说话头或表情编辑时，这种「在低维表情空间做扩散 + 多模态条件注入」的范式可直接复用。
EmbodiedSplat：面向开放词表三维场景理解的在线前馈语义 3DGS
EmbodiedSplat: Online Feed-Forward Semantic 3DGS for Open-Vocabulary 3D Scene Understanding
把 CLIP 嵌入绑定到每个 3D 高斯上，并用 3D U-Net 聚合部分点云生成几何感知的 CLIP 特征，为在线开放词表 3D 语义重建提供了可复用的「2D 语言特征 + 3D 几何先验」融合方案。
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。
EMGauss：体电子显微镜中基于动态高斯建模的连续切片到三维重建
EMGauss: Continuous Slice-to-3D Reconstruction via Dynamic Gaussian Modeling in Volume Electron Microscopy
把轴向切片序列当作时间维、用 2D 高斯点云随时间的演化来建模各向异性体数据，这一「切片即时序」的建模方式可直接迁移到共聚焦/光片显微、CT 等层析成像的各向异性插值与连续切片合成；教师-学生自举用未观测切片上的高置信预测作伪监督，也是数据稀疏场景下可复用的训练策略。
ELITE：通过学习式初始化与测试时生成自适应从单目视频高效构建高斯头部化身
ELITE: Efficient Gaussian Head Avatar from a Monocular Video via Learned Initialization and Test-time Generative Adaptation
用前馈 Mesh2Gaussian 先验模型快速初始化高斯头部化身，再用渲染引导的单步扩散增强器在测试时补全细节，为单目视频化身合成提供了「3D 先验初始化 + 2D 生成微调」的高效范式，可直接迁移到其他可动画高斯化身或人体重建任务。
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。
E2EGS：面向无位姿三维重建的事件到边缘高斯泼溅
E2EGS: Event-to-Edge Gaussian Splatting for Pose-Free 3D Reconstruction
把事件流中的边缘结构作为几何先验，替代对已知位姿或预训练深度模型的依赖，实现纯事件输入下的无位姿高斯泼溅重建与轨迹估计；其基于 patch 局部方差的时空一致性去噪提边思路，可直接迁移到事件相机 SLAM、高速运动或弱光场景的视觉里程计前端。
DynamicVGGT：学习动态点图用于自动驾驶中的4D场景重建
DynamicVGGT: Learning Dynamic Point Maps for 4D Scene Reconstruction in Autonomous Driving
将前馈式三维重建模型（VGGT）扩展到动态场景，通过联合预测当前与未来点图并引入运动感知时序注意力与动态高斯泼溅头，为自动驾驶中的4D重建提供了一种无需优化的前馈方案。
DynamicTree：基于稀疏体素谱的交互式真实树木动画
DynamicTree: Interactive Real Tree Animation via Sparse Voxel Spectrum
把 3DGS 重建的静态树用稀疏体素谱表示成可前馈预测的模态运动，再通过绑定高斯球做形变，为 3DGS 资产的动态化与实时外力交互提供了一条可复用的「谱表示 + 网格驱动」路线。
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。
为稀疏视角高斯泼溅丢弃锚点与球谐函数
Dropping Anchor and Spherical Harmonics for Sparse-view Gaussian Splatting
针对稀疏视角 3DGS 过拟合，提出以锚点为中心连带删除空间邻居的 dropout，并随机丢弃高阶球谐系数；该策略可直接插入现有 3DGS 变体作为正则化手段，且 SH 截断可用于训练后压缩。
从3D高斯泼溅中蒸馏无符号距离函数用于表面重建
Distilling Unsigned Distance Function for Surface Reconstruction from 3D Gaussian Splatting
将基于合成代数曲面训练的 patch 级 UDF 先验蒸馏到 3D 高斯优化中，为开放表面重建提供近表面监督，可复用于其他隐式场与显式表示结合的几何学习任务。
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。
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。
可变形高斯占用：以因子化蒸馏解耦刚性与非刚性运动
Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation
将高斯原语的刚性与非刚性形变解耦，并用 VGGT 4D 基础模型做因子化跨相机/跨帧蒸馏，为自动驾驶占用预测中的人体等非刚性目标提供可复用的形变建模与蒸馏监督思路。
DLWM：双潜变量世界模型实现自动驾驶中全面的高斯中心预训练
DLWM: Dual Latent World Models enable Holistic Gaussian-centric Pre-training in Autonomous Driving
提出以3D语义高斯为场景表示的双潜变量世界模型预训练框架，可复用于基于高斯表示的感知与规划任务，其高斯流引导的潜变量预测思路对时序特征学习有借鉴意义。
DGGT：使用无位姿图像对动态驾驶场景进行前馈4D重建
DGGT: Feedforward 4D Reconstruction of Dynamic Driving Scenes using Unposed Images
将相机位姿作为模型输出而非输入，用前馈网络从稀疏无位姿图像直接预测逐帧3D高斯图和相机参数，并引入动态头与寿命头解耦动态、保持时序一致性，为自动驾驶场景的快速4D重建与重仿真提供了可复用的无位姿前馈范式。
D-Prism：面向结构化动态建模的可微图元
D-Prism: Differentiable Primitives for Structured Dynamic Modeling
把 3DGS 绑定到可微图元表面并用变形网络驱动图元运动，为动态物体重建提供了「结构化几何 + 精确运动」的可复用范式；自适应图元数量控制策略可直接迁移到其他基于图元的场景表示中。
CrowdGaussian：从单张图像重建高保真3D高斯人体人群
CrowdGaussian: Reconstructing High-Fidelity 3D Gaussians for Human Crowd from a Single Image
提出自监督适应流程，使预训练人体模型能从严重遮挡的单张图像中重建完整3D人体，并利用自校准学习策略微调单步扩散模型以提升多人3DGS表示质量，可直接用于拥挤场景的三维重建与渲染。
跨视角泼溅：基于地理参考图像的前馈视角合成
Cross-View Splatter: Feed-Forward View Synthesis with Georeferenced Images
把正射卫星影像当作全局几何先验，与 GPS 标注的地面照片在统一三维坐标系下对齐特征并前馈预测像素对齐高斯泼溅，为稀疏地面覆盖的户外大场景新视角合成提供了可复用的跨视角融合范式。
跨实例高斯泼溅配准：基于几何感知特征引导的对齐
Cross-Instance Gaussian Splatting Registration via Geometry-Aware Feature-Guided Alignment
提出一种基于视角引导球面图特征和迭代绝对定向求解器的3DGS配准框架，可处理不同物体间的相似变换估计，为3DGS模型对齐和类别级配准提供了可复用技术。
置信度引导的多尺度聚合用于稀疏视角高分辨率三维高斯泼溅
Confidence-Guided Multi-Scale Aggregation for Sparse-View High-Resolution 3D Gaussian Splatting
把输入分辨率当作稀疏视角 3DGS 的一个可控变量来量化其稳定性与细节之间的权衡，并用跨尺度一致性加权聚合把高分辨率重建锚定到低分辨率的稳定几何上；这套由粗到细的多尺度聚合与伪视角正则化可直接嵌入现有 3DGS 管线，用于缓解高分辨率下的漂浮伪影与过拟合。
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。
ClipGStream：面向任意长度与任意运动多视角动态场景重建的片段流高斯泼溅
ClipGStream: Clip-Stream Gaussian Splatting for Any Length and Any Motion Multi-View Dynamic Scene Reconstruction
把动态高斯泼溅的优化粒度从帧级提升到片段级，用片段独立的时空场加残差锚框补偿建模局部运动，并通过跨片段继承锚框与解码器保持长序列一致性——这套「Clip-Stream」思路可直接迁移到长视频新视角合成与流式动态重建，兼顾显存与闪烁抑制。
从黏土到岩石：面向单目关节手物操作建模的分阶段 3D 高斯泼溅
Clay-to-Stone: Phase-wise 3D Gaussian Splatting for Monocular Articulated Hand-Object Manipulation Modeling
把单目视频中的关节手物交互建模拆成「柔性形变探索 + 刚性结构固化」两阶段，用 3D 高斯泼溅表示并显式估计关节运动参数，可复用于关节物体重建与手物交互追踪中缓解形状-运动耦合歧义。
ChronoGS：解耦多期场景中的不变量与变化
ChronoGS: Disentangling Invariants and Changes in Multi-Period Scenes
把多期采集的图像集合统一到一套锚点支架上的时序调制高斯表示，并显式解耦稳定几何与变化成分，为长期、非连续变化场景（城市重扫描、施工进度、环境监测）的新视角合成提供了可复用的表示与评测基准。
实时变化：基于多视角融合的在线场景变化检测
Changes in Real Time: Online Scene Change Detection with Multi-View Fusion
将 3D 高斯泼溅作为在线场景表示，配合 PnP 快速位姿估计与变化引导的增量更新，为视觉研究者提供了一套可复用的「在线、位姿无关、多视角一致」的 3D 场景变化检测框架，可直接迁移到机器人探索、AR 与长期建图等需要实时更新的任务。
CGHair：基于发卡聚类的紧凑高斯头发重建
CGHair: Compact Gaussian Hair Reconstruction with Card Clustering
把发型内跨发丝的结构与外观相似性显式建模为发卡聚类加共享纹理码本，可直接迁移到其他高冗余 3DGS 场景（毛发、植被、织物）的紧凑化与加速；其生成先验初始化发丝几何的思路也可用于缓解 3DGS 对稠密初始化的依赖。
BrepGaussian：基于高斯泼溅的多视图图像 CAD 重建
BrepGaussian: CAD reconstruction from Multi-View Images with Gaussian Splatting
把高斯泼溅渲染器改造成带可学习特征的 B-Rep 参数化曲面拟合器，使视觉研究者可以直接从多视图图像回归 CAD 边界表示，绕开对稠密干净点云的依赖；其两阶段解耦（先几何与边、后图像块特征精修）思路可迁移到其他需要从渲染监督中分离几何与语义特征的逆渲染任务。
BEA-GS：超越 3DGS 中辐射监督的精确物体提取
BEA-GS: BEyond RAdiance Supervision in 3DGS for Precise Object Extraction
针对 3DGS 语义表示只优化外观辐射、不优化几何的问题，提出两条互补损失：一条经光栅化回传梯度修正可见高斯几何，另一条绕过光栅化直接作用于低透射率/不可见高斯，可用于物体级资产提取与场景编辑时获得干净边界。
BA-GS：面向无SfM三维重建的贝叶斯自适应高斯泼溅
BA-GS: Bayesian Adaptive Gaussian Splatting for SFM-Free 3D Reconstruction
将贝叶斯不确定性建模引入无SfM的高斯泼溅初始化与优化：用变分高斯混合模型建模全局潜变量分布，用自适应卡尔曼滤波融合噪声梯度观测与空间先验来精化每个高斯基元的位置，为稀疏视角下的3DGS提供可复用的概率化优化框架。
B^3-Seg：基于解析期望信息增益与Beta-Bernoulli贝叶斯更新的无相机、免训练3DGS分割
B$^3$-Seg: Camera-Free, Training-Free 3DGS Segmentation via Analytic EIG and Beta-Bernoulli Bayesian Updates
提出一种无需相机位姿和训练、基于贝叶斯更新与解析期望信息增益的主动视角选择策略，可复用于3DGS场景的开放词表分割与交互式编辑，为低延迟3D资产处理提供理论保证的采样方案。
AvatarPointillist：自回归 4D 高斯化身化
AvatarPointillist: AutoRegressive 4D Gaussian Avatarization
用仅解码器 Transformer 自回归地逐点生成 3DGS 点云，并按主体复杂度自适应调整点密度，这一「序列化生成 3D 表示」的范式可迁移到其他需要可变分辨率三维表示的生成任务；同时以 AR 生成器的潜变量特征作为高斯解码器的条件，为两阶段生成管线提供了跨阶段特征复用的具体做法。
AudioAvatar：个性化音频驱动的全身说话头像
AudioAvatar: Personalized Audio-driven Whole-body Talking Avatars
用3D高斯粒子变形场替代参数化姿态瓶颈，实现音频到全身高保真动画；特征级蒸馏从视频扩散模型迁移同步先验，可复用于其他音频驱动生成任务。
ArtPro：自适应整合可动性提案的自监督关节物体重建
ArtPro: Self-Supervised Articulated Object Reconstruction with Adaptive Integration of Mobility Proposals
把可动部件分割当作可优化的过分割提案，在可微渲染优化中按空间邻域运动一致性动态合并，并用碰撞感知的运动剪枝避免错误运动学估计；这套「提案+动态合并」思路可直接迁移到基于 3DGS 的关节物体建模、部件级场景分解与机器人交互仿真。
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。
AeroGS：面向无位姿动态无人机场景重建的尺度感知高斯泼溅
AeroGS: Scale-Aware Gaussian Splatting for Pose-Free Dynamic UAV Scene Reconstruction
把相机位姿与动态场景联合优化拆成自运动/物体运动、静态几何/时序形变、远近尺度三层解耦，并用尺度感知的时空锚点承载，可直接迁移到无位姿单目视频的动态高斯泼溅重建与轨迹估计。
AeroDGS：面向单序列航拍4D重建的物理一致动态高斯泼溅
AeroDGS: Physically Consistent Dynamic Gaussian Splatting for Single-Sequence Aerial 4D Reconstruction
把可微的地面支撑、直立稳定与轨迹平滑先验注入 4D 高斯泼溅优化，为单目无人机视频中深度歧义与运动估计不稳的问题提供了可复用的物理约束思路；其单目几何提升模块也可迁移到其他单序列动态重建设定。
面向多对比度MRI任意尺度超分辨率的解剖引导自适应各向异性高斯泼溅
Adaptive Anisotropic Gaussian Splatting for Multi-contrast MRI Arbitrary-Scale Super-Resolution with Anatomy Guidance
把各向异性2D高斯核参数化引入MRI任意尺度超分辨率，用可学习的高斯中心与协方差替代INR的连续映射，绕开频谱偏置导致的高频解剖边界丢失；其中基于梯度稀疏注意力的高斯参数化器与双域跨注意力模块可迁移到其他需要高频细节恢复的医学图像复原任务。
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。
面向无线信道预测的几何代数引导 3DGS 框架
A Geometric Algebra-Informed 3DGS Framework for Wireless Channel Prediction
把 3DGS 从纯渲染表示扩展为可承载物理场（电磁）的显式场景表示，并用几何代数注意力建模射线与物体的交互；对视觉研究者而言，这是一条把可微高斯表示用于非渲染物理量预测（如信号强度场、遮挡衰减）的可复用思路。
4DSurf：高保真动态场景表面重建
4DSurf: High-Fidelity Dynamic Scene Surface Reconstruction
将高斯泼溅与符号距离函数流正则化结合，通过约束高斯运动对齐演化表面，为动态场景表面重建提供可复用技术；重叠分段策略可推广到其他大变形时序重建任务。
4DEquine：解耦运动与外观的单目视频四维马科动物重建
4DEquine: Disentangling Motion and Appearance for 4D Equine Reconstruction from Monocular Video
将4D动物重建解耦为动态运动回归与静态外观重建，用时空Transformer从单目视频回归像素对齐的SMPL类序列，并用前馈网络从单张图像重建可动画的3D高斯化身，为单目视频4D重建提供了可复用的解耦范式与合成数据训练策略。
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。
基于自约束先验的 3D 高斯泼溅高保真表面重建
3D Gaussian Splatting with Self-Constrained Priors for High Fidelity Surface Reconstruction
提出一种自约束先验（由渲染深度融合的 TSDF 网格）来约束 3D 高斯运动，通过带状区域和渐进收窄策略提升表面重建精度，可直接用于改进 3DGS 的几何质量。
从无位姿脉冲流进行三维高斯泼溅
3D Gaussian Splatting from Unposed Spike Stream
把脉冲相机的概率模型推广到关键帧选择，使无位姿（unposed）脉冲流也能联合优化相机轨迹与 3DGS 场景，为高速动态场景重建提供了一条不依赖外部位姿先验的流程。
基于紧凑代理锚框的任意分辨率3D高斯泼溅
3D Gaussian Splatting at Arbitrary Resolutions with Compact Proxy Anchors
通过分辨率嵌入和像素覆盖门控动态生成分辨率自适应的3D高斯，并利用代理锚框与残差预测器压缩存储，为任意分辨率下的高质量新视角合成提供了可复用的技术方案。