LAMM和MS-Mapping都输了？这套UAV建图框架更会修图
无人机多会话建图最怕两件事：飞得远就漂，拼得多就歪。这篇论文把RTK时空对齐、不确定性感知因子图和粗到细优化串起来，思路完整，实验也很硬。
标签：3D渲染
共 57 篇
8个真实场景验证：多会话无人机地图融合更准了
无人机多会话建图最怕两件事：全局漂了、局部糊了。这篇论文把RTK时空对齐和粗到细优化串起来，先稳住大框架，再抠局部细节，思路很完整，实验也够硬。
KAIST新方法：点跟踪监督4D视频生成，几何一致性更稳
这篇论文最有意思的地方，不是又堆了一个更大的生成模型，而是盯上了扩散模型里“偷偷干活”的注意力层。它把多视角点跟踪塞进训练里，专门修理几何和运动一致性，思路很聪明。
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！
多伦多大学最新研究：黑暗中的3D重建，信噪比低于-4dB也不怕！
黑暗环境下的3D重建一直是计算机视觉的"禁区"——常规的SfM管线在低信噪比下直接崩溃。多伦多大学带来的Dark3R另辟蹊径，通过教师-学生蒸馏把MASt3R这类3D基础模型"教会"在黑暗中看清世界，仅需噪声-干净RAW图像对训练，无需任何3D真值监督。看过的龙迷都直呼"真不错"！
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。
只需3分钟！台交大新作JanusMesh：零样本生成3D视觉错觉，一个模型秒变两种物体
3D视觉错觉生成一直是个「看着悬乎、做着更悬」的课题。以往的方法要么慢得像蜗牛（40分钟一个），要么生成的东西满是拼接缝和色彩过曝。台湾阳明交通大学这次祭出的JanusMesh，直接把时间压缩到3-5分钟，而且不需要针对每个形状做优化训练，真正做到了零样本！更关键的是，它生成的模型从各个角度看都完整无漏，只在特定视角才「变戏法」，效果相当惊艳。对于做3D内容
渲染新定义：分离信息率失真框架，骨架重建精度99.9%
当我们看图时，真正读到的究竟是像素，还是图中物体间“分离”或“重叠”的逻辑关系？这篇2026年6月的论文，从信息论角度彻底颠覆了“渲染=画得像”的传统认知。它将场景的几何分离关系视为一个待传输的“信源”，把渲染过程建模为一个噪声信道，并用手性证书的理论给出了一个优雅的率失真框架。一句话总结：这是渲染与几何信息论的一次清新跨界，看完忍不住想鼓掌。
