低信噪比下更稳的EPI校正，MIT/UCSF/Stanford都在用
这篇论文最有意思的地方，不是“又做了一个畸变校正”，而是把老问题的责任链条拆了：别再先把图像重建得歪歪扭扭，再去补救B0场。它直接从k空间联合估计无畸变图像和B0场，还把旋转视图和高斯原语塞进同一个物理模型里，工程味很浓。
标签：高斯泼溅
共 19 篇
CVPR 2026新作DR-GS：可变形高斯也能重光照
动态高斯最烦的，不是会动，而是 一动就把光照也“焊死”在纹理里 。DR-GS干的事很直接：把几何、光照、材质拆开，再让它们在变形和换光下各司其职。
Apple新作Velox：单段视频生成4D世界
这篇 Velox 有点意思：不靠时间对应，不靠复杂输入，只拿动态点云就想把 4D 几何和外观一起学明白。更妙的是，它不止会“记住”4D，还能拿去做视频转4D、3D追踪和布料仿真，算是把潜在表征这张牌打得挺顺。
纽约大学联手清华造百万级手语视频！3DGS+扩散模型，翻译模型鲁棒性飙升
手语翻译模型的顶级论文通常都在干净、正面的数据集上刷分，一到真实世界的侧拍、杂背景、陌生人就瞬间“原形毕露”。纽约大学联手清华大学，直接搬出3DGS和扩散模型，搞了个百万级增强数据集SignNet-1M，专门给模型做“抗压训练”，翻译质量飙升，鲁棒性不降反升。这条路子，值得所有做多模态和鲁棒性研究的同学重点关注！
南方科技大学最新研究：室内占据预测告别体素分类，32个基元效果优于SOTA，速度3.7倍
室内占据预测，传统方法要么算得慢，要么基元浪费。南方科技大学这篇FLM-Occ，直接把问题换个角度定义——从分类变成估计分布，用最大似然训练。结果呢？只用32个基元，精度超越SplatSSC的1200个，速度还快了快4倍！这思路，有点东西。
告别模糊！频域隐式高斯泼溅让浓雾图像秒变高清，PSNR猛涨
单图去雾一直面临“高频细节丢失”和“物理模型不准”两大难啃的骨头。重庆大学与清华大学合作，将现在大火的3D/2D高斯泼溅改造为一种“隐式”范式，在特征域的频域空间里做文章，还顺手补上了物理模型的短板。这篇工作在多个基准上拿了SOTA，看完之后你会感叹：原来高斯泼溅还能这么玩？
重庆大学新作：高斯泼溅硬塞进Transformer，无监督低光增强SSIM飙至0.926
重庆大学这波操作有点东西！在低光增强领域，无监督方法最头疼的就是复杂非均匀光照下的局部过曝/欠曝和颜色偏色。这篇论文干脆把高斯泼溅的连续光场表示当成“物理先验”硬塞进Transformer的自注意力里，让模型在增强时能“看懂”光照的物理结构，而不是在黑盒子里瞎猜。PSNR和SSIM在LOL等数据集上直接登顶，视觉修复效果图看着是真的解压。
