标签
TableVerse 引入了一个完全自动化的 Real2Sim 流水线，将非结构化、野外图像转换为高保真、可模拟的桌面环境，具有精确的度量标准和物理稳定性，同时提供了一个大规模数据集（TableVerse-100K），用于可泛化的机器人操作。
ATSplat 提出了一种前馈式3D高斯溅射框架，利用自适应3D Token根据场景复杂度分配图元，在实现最先进渲染质量的同时，将高斯体数量相比密集方法减少了5.7倍以上。
WildCity 引入了由自动驾驶车队收集的大规模多模态数据集，用于城市规模的导航与空间表征。该数据集包含 18 条长轨迹，并建立了重建与闭环仿真的基线，以推动能够感知和推理城市规模环境的 AI 系统发展。
ZipSplat 是一种基于 token 的前馈 3D 高斯溅射模型，利用 k-means 聚类将高斯放置与像素网格解耦，在无需真实位姿或内参的情况下，在 DL3DV 和 RealEstate10K 上实现了约 6 倍的高斯减少，同时设立了新的最佳结果。
PropLLM将逐跳场景重建与LLM相结合，用于网络故障诊断。它利用双层知识图谱和时间因果传播注意力机制，沿着传播路径进行回溯，从而提高准确性并减少幻觉。
RayDer 是一个统一的前馈变换器，它将相机估计、场景重建和渲染整合到单一架构中，用于从真实世界视频进行自监督的新颖视图合成，实现了清晰的幂律扩展和强大的零样本性能。
GenRecon提出了一种3D场景重建方法，将生成式3D先验与多视图图像条件相结合，实现了室内环境的高保真、可编辑网格重建，性能比现有方法提升16%。