标签
Skyfall AI 发布了 SKY-001，这是一款工程世界模型，能够用数千个 3D 零部件重建一辆捷豹汽车，并声称其 CAD 精度与 GPT-6 Astra 相当，同时运行速度是后者的 51 倍，成本仅为后者的 1/150。
HiP3R 提出一种层级式位姿图方法，通过先优化块级 Sim(3) 图建立全局布局，再固定该布局估计每帧共享的 SE(3) 相机位姿，将局部视频重建合并为全局一致的相机轨迹和 3D 几何，无需重新训练。
LEGO-SCD 是一种在线场景变化检测方法，它通过对参考 3D Gaussian Splatting 场景进行自动编辑来学习场景特定的统计模型，无需人工标注，即可实现闭式贝叶斯证据累积，并结合物体引导的掩码细化；该方法在 PASLCD 上达到 67.64% 的 mIoU，在 CCS3D 上达到 75.82%，运行速度为 17.2 FPS。
EgoXperience 提出一个统一框架，通过自动标注的大规模数据和单次前向传播模型，从第一人称视频中联合重建相机运动、场景几何、手部与物体，并发布了 EgoX-Data-6M 数据集与 EgoX-Bench 基准，取得显著优于基线的性能。
展示了 Gemini 4 Argon 结合 Google Antigravity 和 Blender MCP，将碎片化的考古数据重建为可探索的 3D 古迹世界，助力数字文化遗产保护。
Turing Post 深度科普指南：讲解 3D Gaussian Splatting 如何作为具身智能机器人的空间记忆，把拍摄场景重建为可搜索、可更新的 3D 表示，并延伸到对物理仿真的理解。
本文提出 Seed Injection（种子注入）和 Temporal Biased Relocation（时序偏置重定位）两种策略，基于预测的时空目的地而非当前位置来分配高斯基元，在不增加高斯预算的前提下，提升了动态场景中微小快速运动物体和精细纹理的重建质量。
InfiniSplat v2 通过解耦几何与属性预测、使用真实相机位姿对齐以及大角度视角监督，显著提升前馈式 3D 高斯重建的新视角渲染质量，在六个数据集上取得 SOTA 的 LPIPS 和 DISTS 指标。
WorldRecon 提出一种生成式多视角网格重建框架，可从无位姿 RGB 图像重建大规模 3D 场景的完整网格。它将 TRELLIS.2 生成模型与重建式条件架构结合，通过邻域感知潜在修补和因果世界生成保证场景级一致性，在合成与真实室内场景上分别将 Chamfer 距离降低 14.9% 和 43.1%，达到最先进性能。
CineRecon 引入了一个包含50个参考视频和360个带标注评估片段的基准，用于测试前沿模型从视频重建可编辑动态3D场景的能力，从相机一致性、静态一致性和动态一致性三个维度评估了12个模型，发现三个维度均存在不足。
UniForge3D 提出在共享的锚点引导空间中联合建模 3D 重建与生成，解决相机相对重建与规范空间生成之间的坐标不匹配问题，并在 Toys4K 和 GSO 数据集上取得了最先进的外观与几何结果。
Drive3R 提出一种分块流式几何基础模型，通过分块因果注意力和置信度感知重锚定，实现可扩展的长时程多视图 3D 重建，并在 nuScenes、KITTI 和 Waymo 上达到新的最先进水平。
NVIDIA 研究人员推出了 GATOR，这是一个生成式智能体框架，可从一张或多张随手拍摄的图像中重建完整、带纹理的 3D 对象资产及其相对于场景的位姿，并通过局部模态混合器、文本引导的语义条件控制，以及“编辑—渲染—审查”的智能体循环进行优化。
JoHan：一个从视频序列直接联合生成2D和3D手部姿态序列的统一生成框架，无需依赖逐帧姿态预测，在遮挡和不完整观测下显著提升手部运动重建的精度、速度和平滑度。
CADFather 是一个自主智能体系统，通过协调视觉-语言助手与互补的学习型、算法型和优化工具，从 3D 网格重建可编辑的参数化 CAD 程序，并在 DeepCAD、Fusion360 和 CADENA-Bench 等基准上进行了评估，无需额外训练。
提出了MEGA（Mesh Extraction from Gaussians）这一“先分割后网格化”框架，通过Spatial Visual Distillation（SVD）和掩码引导的神经曲面重建，从3DGS场景中提取物体级、水密的网格，实现高质量的物体级几何占用和物理交互。
T3lescope提出一种单一固定分辨率生成器的推理时粗到细级联方法，从多视角图像实现跨尺度（从单物体到大型户外场景）的任意分辨率高保真3D场景网格重建，无需逐场景优化，在室内、户外和城市规模场景上超越了前馈与生成基线。
DyRAD 提出了一种面向动态驾驶场景的雷达新视角合成方法，通过建模静态背景与经运动跟踪的动态点反射器，渲染出完整的距离-方位-多普勒张量；该方法使用固定的解析点扩散函数，从而实现零样本的传感器配置迁移，并在 RADIal 基准上大幅超越基线方法。
GPT-6 Astra 引入了将真实房间视频转换为交互式 3D 环境的能力，使机器人训练和 AI 视频模型的新视角渲染成为可能。
FurE是一种基于发束的高效方法，用于从多视角图像重建3D动物毛发，它利用从人类毛发数据学习的PCA解码器来克服数据集稀缺问题，并实现比现有方法快10倍的加速。