ICLR2026 重建与渲染论文解读论文笔记 3D 高斯渲染动态场景三维重建新视角合成扩散模型人脸/视线

🧊 重建与渲染¶

🔬 ICLR2026 · 77 篇论文解读

📌 同领域跨会议浏览： 🧠 NeurIPS2026 (27) · 🎞️ ECCV2026 (168) · 📷 CVPR2026 (221) · 🧪 ICML2026 (6) · 🤖 AAAI2026 (20) · 🧠 NeurIPS2025 (40)

🔥 高频主题： 3D 高斯渲染 ×28 · 动态场景 ×10 · 三维重建 ×9 · 新视角合成 ×8 · 扩散模型 ×5

3DGEER: 3D Gaussian Rendering Made Exact and Efficient for Generic Cameras: 提出 3DGEER 框架，通过推导沿光线积分高斯密度的闭式解、设计粒子包围截锥体 (PBF) 进行精确高效的光线-粒子关联、以及引入双极等角投影 (BEAP) 统一宽视场相机表示，在任意相机模型下实现了几何精确且实时高效的 3D 高斯渲染，在鱼眼和针孔数据集上全面超越现有方法。
A²TG: Adaptive Anisotropic Textured Gaussians for Efficient 3D Scene Representation: A²TG 给每个 2D 高斯配一张分辨率和长宽比都自适应的「各向异性纹理」，用梯度驱动的选择 + 升采样规则把纹理参数只花在真正需要高频细节的高斯上，从而在相同显存预算下比固定方形纹理的高斯泼溅画质更高、显存更省。
Active Learning of 3D Gaussian Splatting with Consistent Region Partition and Robust Pose Estimation: 本文给 3D Gaussian Splatting 设计了一套在线主动学习算法：边训练边告诉用户"下一张该从哪个角度拍"，通过可见性特征聚类把模型切成一致区域、用语义特征方差找出最欠重建的区域、再用 von Mises-Fisher 分布直接生成下一最佳位姿，并配一套鲁棒位姿优化来吃掉手持拍摄带来的位姿噪声，在 NeRF-Synthetic 上以 10/20 张图的少视角设定超过 FisherRF 等 SOTA。
Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation: 把多视角新视角合成重新表述为"图像 + 几何"的双分支扩散修复任务，并用 MoAI（cross-Modal Attention Instillation） 把图像分支的注意力图注入几何分支，从无位姿参考图直接生成对齐的新视角图像与点云，在外推视角下达到 SOTA。
ARTDECO：用分层高斯结构 + 前馈先验做高保真在线 3D 重建: ARTDECO 把前馈 3D 基础模型（MASt3R / π³）当作模块化的位姿与点云先验，接上一个能从多尺度特征解码出结构化高斯的 Gaussian decoder，再配上带 LoD 的分层半隐式高斯表示，从单目视频流里同时拿到 SLAM 级速度、前馈级鲁棒性和接近逐场景优化的渲染质量。
Augmented Radiance Field: A General Framework for Enhanced Gaussian Splatting: 提出增强辐射场 (Augmented Radiance Field) 框架，通过设计具有视角相关不透明度的增强高斯核来显式建模高光分量，并引入误差驱动的补偿策略（2D 高斯初始化 → 逆投影至 3D → 联合优化），作为后处理即插即用地增强现有 3DGS 场景，在多个数据集上超越 SOTA NeRF 方法，同时仅需二阶球谐即可捕获复杂光照。
CHROMA: Consistent Harmonization of Multi-View Appearance via Bilateral Grid Prediction: CHROMA 用一个多视角感知的 Transformer 一次性为整段图像序列预测逐帧 3D 双边网格仿射变换，把因相机 ISP/曝光差异造成的外观不一致前馈式地校正到同一参考帧，从而在不拖慢 3DGS 训练的前提下显著提升新视角合成质量。
CLoD-GS: Continuous Level-of-Detail via 3D Gaussian Splatting: CLoD-GS 给每个 3D 高斯加一个可学习的"距离衰减因子"，让基元的不透明度随观察距离平滑下降，从而在单个模型里实现连续可调的细节层次（CLoD），既消除了传统离散 LoD 的多份存储与切换"跳变"，又顺带把基元数量和显存压了下来。
Color3D: Controllable and Consistent 3D Colorization with Personalized Colorizer: Color3D 提出"只上色一张关键视角→微调个性化 colorizer→传播颜色到所有视角和时间步"的范式，将复杂的 3D 上色问题转化为单图上色+颜色传播问题，在静态和动态 3D 场景上都实现了丰富色彩、跨视角一致性和用户可控性的统一。
ComGS: Efficient 3D Object-Scene Composition via Surface Octahedral Probes: ComGS 用"表面八面体探针（SOPs）"把间接光照与遮挡缓存成贴在物体/场景表面的八面体纹理，靠 KNN 插值代替逐次光线追踪，再把复杂场景测光简化为"放置点局部环境图补全"，从而以约 26 FPS、36 秒编辑时间完成既和谐又带真实阴影的 3D 物体-场景合成，PSNR 比现有方法高 +1.4 dB。
Contact-guided Real2Sim from Monocular Video with Planar Scene Primitives: CRISP 从单目视频中重建"可仿真"的人体动作与场景几何——核心是把点云聚类成约 50 个干净凸的平面基元、并用人-场景接触线索补全被遮挡的支撑面，再用 RL 驱动人形控制器验证物理合理性，把动作跟踪失败率从 55.2% 降到 6.9%（8 倍）。
CylinderSplat: 3D Gaussian Splatting with Cylindrical Triplanes for Panoramic Novel View Synthesis: CylinderSplat 用一套"像素分支 + 体素分支"的前馈式 3D 高斯泼溅框架做全景（360°）新视角合成，核心是把传统的笛卡尔三平面换成贴合全景几何与曼哈顿世界假设的柱面三平面，用体素分支去补像素分支补不出的遮挡/稀疏区域，在单视角和多视角全景 NVS 上都取得了 SOTA。
D²GS: Depth-and-Density Guided Gaussian Splatting for Stable and Accurate Sparse-View Reconstruction: D²GS 针对稀疏视图下 3DGS 的「近处过拟合、远处欠拟合」两大失效模式，用「深度+密度引导的 Dropout」抑制近场冗余高斯、用「距离感知保真增强」补强远场监督，并提出基于最优传输的 Inter-Model Robustness 指标量化重建稳定性，在 LLFF / MipNeRF360 上同时刷新画质与鲁棒性。
DiffPBR: Point-Based Rendering via Spatial-Aware Residual Diffusion: DiffPBR 把彩色点云直接渲染成照片级、跨视角一致的图像：先用自适应 CoNo-Splatting 把稀疏点云光栅化成"恰到好处"的初始彩色图与几何感知噪声图，再用空间感知残差扩散（RDDM）只补缺失的高频细节，在三个数据集上 PSNR 比 SOTA 高 3∼5 dB，训练从 41 降到 8 GPU 小时、渲染从 3.6 提到 10 FPS。
DiffTrans: Differentiable Geometry-Materials Decomposition for Reconstructing Transparent Objects: DiffTrans 面向复杂拓扑和内部吸收纹理的透明物体，从多视角图像与 mask 中先初始化几何和环境光，再用可微递归 mesh ray tracer 端到端联合优化几何、折射率和吸收率，在合成与真实场景中取得更好的几何重建和 relighting 效果。
DiMeR: Disentangled Mesh Reconstruction Model with Normal-only Geometry Training: DiMeR 把"从稀疏视图前馈重建网格"拆成两条互不干扰的支路——几何只看法线图、纹理只看 RGB 图，再给几何支路配上精简版 FlexiCubes 提取器和真正的 3D 监督（eikonal + GT SDF + PBR 期望损失），在 GSO / OmniObject3D 上把 Chamfer Distance 降低 30% 以上。
Dynamic Novel View Synthesis in High Dynamic Range: 首次提出 HDR 动态新视角合成 (HDR DNVS) 问题，并设计 HDR-4DGS 框架，通过动态色调映射模块在时变场景中实现时序一致的 HDR 辐射场重建，在合成和真实数据集上均超越现有方法。
EA3D: Event-Augmented 3D Diffusion for Generalizable Novel View Synthesis: EA3D 把事件相机的连续几何线索和稀疏 RGB 帧的外观线索，融合成视角相关的 3D 特征，再用一个 3D 感知的视频扩散模型（改造自 CogVideoX）解码成时序一致的新视角视频，从而在快速相机运动、大基线、跨场景设定下实现无需逐场景优化的可泛化新视角合成。
Efficient-LVSM: Faster, Cheaper, and Better Large View Synthesis Model via Decoupled Co-Refinement Attention: 提出 Efficient-LVSM，通过解耦输入视图编码与目标视图生成的双流架构，将新视图合成的复杂度从 \(O(N_{in}^2)\) 降至 \(O(N_{in})\)，在 RealEstate10K 上以 50% 训练时间达到 SOTA（29.86 dB PSNR），推理速度提升 4.4 倍。
EgoWorld: Translating Exocentric View to Egocentric View using Rich Exocentric Observations: EgoWorld 提出一种端到端的外部-第一人称视角转换框架：从单张第三人称图像中提取 3D 点云、手部姿态和文本描述三种互补观测，通过点云重投影获得稀疏第一人称 RGB 映射，再以扩散模型 inpainting 方式重建完整的第一人称高保真图像，在 H2O 等四个数据集的多种 unseen 设置下全面超越 SOTA。
ETGS: Explicit Thermodynamics Gaussian Splatting for Dynamic Thermal Reconstruction: ETGS 把"每个高斯都遵守一阶传热 ODE"的显式热力学模型嵌进 3D Gaussian Splatting，给 ODE 推出任意时刻可直接求值的闭式解，从而以接近静态 3DGS 的训练/渲染效率重建随时间快速变化的动态热场景，在自建 RHD 数据集上平均 PSNR 比此前最好方法高约 5 dB。
FieryGS: In-the-Wild Fire Synthesis with Physics-Integrated Gaussian Splatting: FieryGS 把真实场景的 3D Gaussian Splatting 重建、MLLM 材料属性推理、可控燃烧仿真和统一体渲染接在一起，让用户能在野外采集的多视角场景中自动合成既像真火、又遵守材料与几何约束的动态火焰、烟雾和炭化效果。
Fracture-GS: Dynamic Fracture Simulation with Physics-Integrated Gaussian Splatting: Fracture-GS 把"增强版碰撞物质点法 (Collision-MPM)"和"断裂感知的 3D 高斯连续体表示"统一进一条从多视角图像到渲染的管线，专门处理极端机械碰撞下的脆性断裂——既用动量守恒的界面力消除碎块之间的非物理粘连，又用 MVEE 高斯重建填补断裂界面的渲染空洞，在 PSNR/LPIPS/FID 和人评断裂保真度上都明显超过 PhysGaussian、GIC。
Frequency-Aware Dynamic Gaussian Splatting: 本文从频率视角揭示动态 3DGS 运动模糊的根因——"高频渲染细节"与"高频运动"在固定高斯核上互相争抢表达力，提出频率分化高斯核（FDGK）+ 傅里叶形变网络（FDN），把细节表达与运动建模解耦，在合成/真实 4D 基准上显著减少模糊并刷新 SOTA。
From Tokens to Nodes: Semantic-Guided Motion Control for Dynamic 3D Gaussian Splatting: 用视觉基础模型的语义与运动先验把控制点"按运动复杂度"而非"按几何均匀"地分配，并用三次样条参数化节点轨迹替代 MLP 形变场，从单目视频中又快又好地重建动态 3DGS 场景。
Fused-Planes: Why Train a Thousand Tri-Planes When You Can Share?: 提出 Fused-Planes，通过宏观-微观分解将 Tri-Plane 表示分为共享的类级基平面（macro）和对象特有的细节平面（micro），结合潜空间渲染，实现 7× 训练加速、3× 内存压缩，同时保持甚至超越独立 Tri-Plane 的重建质量。
G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior: G4Splat 主张"准确几何是用好生成先验的前提"，先用人造场景中普遍存在的平面结构推出尺度准确的 plane-aware 深度，再把这套几何贯穿到可见性估计、新视角选择和视频扩散修补全流程，从而在观测区和未观测区都拿到几何与外观双优的稀疏视角场景重建。
GenFusion: Feed-forward Human Performance Capture via Progressive Canonical Space Updates: GenFusion 把单目 RGB 视频流逐帧累积进一个不断"补全"的 canonical 特征空间作为时序上下文，再用扩散式概率回归把这份上下文 warp 回当前帧并渲染新视角，从而在只有侧视输入时也能合成出与历史观测一致的正面细节，且比确定性回归更锐利。
Gradient-Direction-Aware Density Control for 3D Gaussian Splatting: GDAGS 指出 3DGS 密度控制只看视空间梯度的"模长"而忽略了"方向"，提出梯度一致性比 GCR 与一条非线性动态加权规则，在分裂时优先处理方向冲突的大高斯、在克隆时优先处理方向一致的小高斯，从而同时缓解过重建与过密化，在更省显存的前提下拿到相当或更好的渲染质量。
Guaranteed Simply Connected Mesh Reconstruction from an Unorganized Point Cloud: 从带噪点云重建闭合三角网格，并通过 Helmholtz-Hodge 分解从代数上保证重建曲面单连通（同胚于二维球面），填补了既有方法无法做拓扑控制的空白。
HDR-NSFF: High Dynamic Range Neural Scene Flow Fields: 提出 HDR-NSFF，将 HDR 视频重建从传统的 2D 像素级融合范式转变为 4D 时空建模，从交替曝光单目视频中联合重建 HDR 辐射场、3D 场景流、几何和色调映射，实现了时空一致的动态 HDR 新视角合成。
Horseshoe Splatting: Handling Structural Sparsity for Uncertainty-Aware Gaussian-Splatting Radiance Field Rendering: 给 3DGS 每个高斯的协方差尺度套上一个全局-局部 Horseshoe 收缩先验，用变分推断把"自动剪掉噪声方向 + 输出像素级不确定性"一并解决，既匹配 SOTA 渲染质量又给出可标定的不确定性图。
Implicit 4D Gaussian Splatting for Fast Motion with Large Inter-Frame Displacements: SPIN-4DGS 把快速运动下"高斯属性学不好导致动态物体糊掉/消失"的问题，重构成"先按 \((x,y,z,t)\) 显式切片拿到可靠的时空位置、再用一个轻量前馈网络从位置直接解码出尺度/旋转/颜色/透明度"，在 CMU Panoptic Sports 六个体育场景上平均 PSNR 比最强基线高 1.4–1.7 dB，篮球场景超 D3DGS +1.83 dB。
IncVGGT: Incremental VGGT for Memory-Bounded Long-Range 3D Reconstruction: IncVGGT 在完全免训练的前提下，用「输入端配准合成 + 历史端 Top-k 缓存剪枝」两个正交模块改造 VGGT/StreamVGGT，把注意力的二次增长压成近乎常数级，从而在 80GB GPU 上处理 1 万帧仍不爆显存，相比 StreamVGGT 在 500 帧上算子数减少 58.5×、显存降 9×、能耗降 25.7×、推理快 4.9×，且精度基本持平。
Learning Physics-Grounded 4D Dynamics with Neural Gaussian Force Fields: 提出NGFF框架，从多视角RGB图像构建3D高斯表示并学习显式神经力场驱动物理动力学，通过ODE求解实现交互式物理真实4D视频生成，比传统高斯模拟器快两个数量级，超越Veo3和NVIDIA Cosmos。
Learning Unified Representation of 3D Gaussian Splatting: 3DGS原生参数 \(\boldsymbol{\theta}=\{\mu,\mathbf{q},\mathbf{s},\mathbf{c},o\}\) 存在非唯一性与数值异质性，不适合作为神经网络的学习空间。本文提出子流形场 (Submanifold Field) 表示：将每个高斯基元映射到其等概率椭球面上的连续颜色场，证明该映射是单射的，从根源上消除参数歧义，并配合基于最优传输的流形距离 (M-Dist) 训练 VAE 嵌入，在重建保真度、跨域泛化与潜空间稳定性上全面优于参数基线。
LiTo: Surface Light Field Tokenization: 提出LiTo——通过将表面光场(surface light field)编码为紧凑latent向量集合来同时建模3D几何和视角依赖外观：输入RGB-D多视角图像的光场随机子采样 -> Perceiver IO编码器(支持100万token输入的3D局部attention) + flow-matching几何解码器 + 高阶球谐Gaussian解码器 -> 实现重建和单图到3D生成都超越TRELLIS，首次在latent 3D表示中建模高光/菲涅尔反射等视角依赖效果。
Lyra: Generative 3D Scene Reconstruction via Video Diffusion Model Self-Distillation: Lyra 用一个相机可控的视频扩散模型当"老师"、用 RGB 解码分支去监督一个新加的 3DGS 解码分支当"学生"，实现完全不用真实多视角数据、仅靠合成视频自蒸馏就能从单图/单视频前馈生成显式 3D（乃至 4D）高斯场景。
Mango-GS: Enhancing Spatio-Temporal Consistency in Dynamic Scenes Reconstruction using Multi-Frame Node-Guided 4D Gaussian Splatting: Mango-GS 用一组「位置 + 隐编码」解耦的稀疏控制节点驱动稠密 4D 高斯，并在节点空间上跑多帧时序 Transformer，把"逐帧记忆瞬态"换成"建模运动趋势"，在动态场景重建上同时拿到 SOTA 画质、最优时序一致性和 149.5 FPS 实时渲染。
MEGS2: Memory-Efficient Gaussian Splatting via Spherical Gaussians and Unified Pruning: 提出MEGS2——从渲染VRAM角度出发压缩3DGS：用可裁剪的任意方向球面高斯(SG)完全替代球谐函数(SH)降低每个primitive的参数量 + 统一软剪枝框架将primitive数量和lobe数量的裁剪建模为单一内存约束优化问题 -> 实现8x静态VRAM压缩和6x渲染VRAM压缩，同时保持渲染质量，首次让3DGS在移动端实时运行。
Mesh Splatting for End-to-end Multiview Surface Reconstruction: 把一张网格沿法线"软化"成多层半透明壳、并让这些层对底层网格可微，从而用体渲染端到端优化网格表面，20 分钟内重建出顶点最少、质量最高的网格。
Mobile-GS: Real-time Gaussian Splatting for Mobile Devices: Mobile-GS 通过"深度感知的免排序渲染 + 神经视角增强 + 一阶 SH 蒸馏 + 神经向量量化 + 贡献度剪枝"五件套，把 3DGS 压到 4.6 MB 并在桌面端跑到 1100+ FPS，首次在骁龙 8 Gen 3 手机上实现 116 FPS 的实时高斯泼溅渲染。
MoE-GS: Mixture of Experts for Dynamic Gaussian Splatting: 提出 MoE-GS，首个将混合专家架构引入动态高斯泼溅的框架，通过 Volume-aware Pixel Router 自适应融合多种异构变形先验（HexPlane/逐高斯/多项式/插值），在 N3V 和 Technicolor 数据集上一致超越 SOTA，并通过单次渲染、门控剪枝和知识蒸馏保持效率。
Mono4DGS-HDR: High Dynamic Range 4D Gaussian Splatting from Alternating-exposure Monocular Videos: 首次解决从无位姿交替曝光单目视频重建可渲染 4D HDR 场景的问题，通过两阶段优化（正交视频空间 → 世界空间）、Video-to-World 高斯变换策略和时间亮度正则化，在合成数据上达到 37.64 dB HDR PSNR、161 FPS，全面超越现有方法。
ODE-GS: Latent ODEs for Dynamic Scene Extrapolation with 3D Gaussian Splatting: ODE-GS 把动态 3D 高斯泼溅的"重建"和"未来预测"解耦：先训一个时间形变模型在观测窗口内生成高斯参数轨迹，再用 Transformer + 神经 ODE 在连续隐空间里把过去轨迹外推到未来时刻，从而摆脱"时间戳条件化"导致的分布外失效，在 D-NeRF / NVFi / HyperNeRF 上把外推指标平均提升约 19.8%。
Path Matters: Unveiling Geometric Implicit Bias via Curvature-Aware Sparse View Optimization: 这篇论文揭示了稀疏视角下 3DGS 存在两类几何隐式偏置——对高曲率区域监督需求更强、对输入视角轨迹的平滑度敏感——并据此提出一套"曲率感知的相机轨迹优化 + 合成视角生成"框架，让伪标签视角既覆盖更多曲面细节又保持平滑，在 DTU、Mip-NeRF 360、Tanks & Temples 等多个数据集上把稀疏视角重建的渲染质量与几何精度推到 SOTA。
Peering into the Unknown: Active View Selection with Neural Uncertainty Maps for 3D Reconstruction: 提出 PUN（Peering into the UnkNowN），用轻量前馈网络 UPNet 从单张图像直接预测球面上所有候选视点的不确定性分布（neural uncertainty map），替代了需要迭代重训 NeRF/3DGS 的传统主动视点选择流程。仅用上界一半的视点就达到可比的重建质量，选点阶段实现 400 倍加速和 50%+ 的计算资源节省。
Positional Encoding Field: 本文发现 DiT 中图像 token 之间高度独立、空间连贯性几乎完全由位置编码决定，据此把 2D 位置编码扩展成一个带深度、带层级的 3D「位置编码场」（PE-Field），让扩散 Transformer 仅靠改位置编码就能在 3D 空间里重排图像内容，从而在单图新视角合成上取得 SOTA，并自然泛化到可控的空间编辑。
RadioGS: Radiometrically Consistent Gaussian Surfels for Inverse Rendering: RadioGS 提出辐射一致性损失——通过最小化每个 Gaussian surfel 的学习辐射与其物理渲染辐射之间的残差，为未观测方向提供基于物理的监督信号，构建自纠正反馈循环，实现了准确的间接照明和材质分解，并支持分钟级重新打光。
ReconViaGen: Towards Accurate Multi-view 3D Object Reconstruction via Generation: ReconViaGen 把强重建先验（VGGT）当作多视图感知条件注入到扩散式 3D 生成器（TRELLIS）里，并在推理期用渲染对齐的速度补偿约束去噪轨迹，从而在保留生成"补全不可见部分"能力的同时，让重建结果在全局结构和局部细节上都与输入视图高度一致，在 Dora-bench 和 OmniObject3D 上取得 SOTA。
ReLi3D: Relightable Multi-View 3D Reconstruction with Disentangled Illumination: ReLi3D 是第一个端到端前馈系统，能在不到 1 秒内从稀疏多视图图像同时重建出完整几何、空间变化的 PBR 材质和一致的 HDR 环境光照，核心思想是用"多视图约束"作为材质-光照解耦的主驱动力，把单图本质病态的逆渲染问题变成可解的约束问题。
ReSplat: Degradation-agnostic Feed-forward Gaussian Splatting via Self-guided Residual Diffusion: ReSplat 把一个扩散式通用图像复原模型和一个前馈 3D 高斯泼溅模型耦合成互导闭环——复原模型用扩散采样中途生成的 3D 高斯中心做"自引导"实现多视角一致的复原，复原后的图又喂给高斯模型重建场景，从而在模糊/低光/雾/雨/雪等任意退化下都能做出更清晰、更鲁棒的新视角合成。
RoRE: Rotary Ray Embedding for Generalised Multi-Modal Scene Understanding: RoRE 把图像 patch 直接编码成一条「射线」并通过可学习的旋转式位置编码（RoPE）注入 Transformer，再配合非对称旋转和模态共享的射线嵌入，让同一个网络能无重训练地处理透视、鱼眼、RGB-热成像等任意相机几何与模态，显著提升跨几何/跨模态的泛化与一致性。
Sat3DGen: Comprehensive Street-level 3D Scene Generation from Single Satellite Image: 给定一张俯视卫星图，Sat3DGen 在前馈 tri-plane NeRF 框架上注入三类几何约束（重力密度先验、卫星视深度先验、边界空间 token）外加全景转透视的视角增训，把街景 3D 的几何 RMSE 从 6.76m 降到 5.20m，同时让渲染 FID 从 ~40 降到 19。
Scaling Sequence-to-Sequence Generative Neural Rendering: 提出 Kaleido，一系列将 3D 视为视频特殊子域的 decoder-only rectified flow transformer 生成模型，通过统一位置编码（Unified Positional Encoding）、掩码自回归框架和视频预训练策略，实现无需任何显式 3D 表示的 "any-to-any" 6-DoF 新视角合成，首次在多视角设置下匹配逐场景优化方法（InstantNGP）的渲染质量，并将分辨率从 512/576px 提升至 1024px。
ShapeGen4D: Towards High Quality 4D Shape Generation from Videos: ShapeGen4D 把一个大规模预训练的 3D 形状扩散模型直接改造成「视频→4D 网格序列」的前馈生成器，通过时序对齐的潜在编码、时空注意力和跨帧共享噪声三招，端到端生成几何一致、能处理拓扑变化与体积涨缩的动态网格序列，几何精度全面超过 L4GM、V2M4、GVFD 等基线。
Sharp Monocular View Synthesis in Less Than a Second: SHARP 通过单次前馈神经网络从单张照片生成约 120 万个 3D Gaussian，在 A100 GPU 上不到 1 秒完成推理，渲染速度超 100 FPS，在 6 个数据集上零样本泛化均达 SOTA，相比最强先前方法 LPIPS 降低 25–34%、合成时间缩短三个数量级。
Signal Structure-Aware Gaussian Splatting for Large-Scale Scene Reconstruction: 本文把大规模 3DGS 场景重建重新看作"信号结构恢复"问题，推导出 3D 高斯表示的平均采样频率与场景带宽，提出按场景频率收敛自适应切换图像分辨率与致密化时机的调度器 SIG，再配合球约束高斯抑制悬浮物，最终在多个大规模基准上取得 +0.9 dB PSNR 提升并把单块训练加速约 1.5×。
SkyEvents: A Large-Scale Event-Enhanced UAV Dataset for Robust 3D Scene Reconstruction: 本文构建了 SkyEvents——首个面向大规模无人机 3D 场景重建的「事件 + RGB + LiDAR」三模态数据集（45 段序列、>8 小时、0.72 km² 点云），并配套提出几何约束时间戳对齐（GTA）模块与区域级事件渲染（RER）损失，证明在低光、运动模糊等极端条件下引入事件模态能显著提升 3DGS 重建的纹理与几何保真度。
Splat the Net: Radiance Fields with Splattable Neural Primitives: 这篇论文提出"可 splatting 的神经基元"——把每个基元的密度场用一个浅层神经网络（SIREN）表示、空间上由椭球包围，并推导出密度沿视线积分的闭式解，从而既保留神经表示的强表达力、又能像 3DGS 那样高效 splatting；在新视角合成上用 10× 更少的基元、6× 更少的参数达到与 3DGS 相当的质量和速度。
SSD-GS: Scattering and Shadow Decomposition for Relightable 3D Gaussian Splatting: SSD-GS 在 3D 高斯泼溅里把外观从「球谐系数」换成「漫反射 + 镜面 + 阴影 + 次表面散射」四项物理可解释的着色分解，配合可学习偶极子散射、遮挡感知两阶段软阴影和渐进式训练，让重光照在金属、半透明等复杂材质上的保真度显著超过现有方法。
Streaming Visual Geometry Transformer: 本文提出 StreamVGGT，把离线全局注意力的 VGGT 改造成「时序因果注意力 + 缓存记忆 token」的因果 Transformer，让 3D 几何重建可以随视频帧逐帧增量更新（延迟从 \(O(N^2)\) 降到 \(O(N)\)），并用原版 VGGT 作教师蒸馏来低成本训练，在多个 3D 重建/深度/位姿基准上逼近离线 VGGT、超过现有流式方法。
StreamSplat: Towards Online Dynamic 3D Reconstruction from Uncalibrated Video Streams: StreamSplat 提出了一个完全前馈的在线动态3D重建框架，通过概率位置采样、双向形变场和自适应高斯融合三大创新，能从未标定视频流中即时生成动态3DGS表示，速度比优化方法快1200倍。
Stylos: Multi-View 3D Stylization with Single-Forward Gaussian Splatting: Stylos 提出了一个单次前馈的3D风格迁移框架，通过共享Transformer骨干的双路径设计（几何自注意力+风格交叉注意力）和体素级3D风格损失，实现从未标定输入的零样本3D风格化，支持单视角到数百视角的扩展。
SurfSplat: Conquering Feedforward 2D Gaussian Splatting with Surface Continuity Priors: SurfSplat 提出基于2DGS的前馈3D重建框架，通过表面连续性先验将高斯的旋转和尺度与邻域位置绑定、以及强制透明度混合策略解决颜色偏差，并引入HRRC指标揭示高分辨率下的重建质量差异。
The Less You Depend, the More You Learn: Synthesizing Novel Views from Sparse, Unposed Images with Minimal 3D Knowledge: 本文系统论证了「越少依赖显式 3D 知识，越能从大数据中学到东西」这一可扩展性规律，并据此提出 UP-LVSM——一个完全不需要显式场景结构和相机位姿标注的纯 Transformer 前馈 NVS 框架，靠自监督学到的「Latent Plücker Learner」从无位姿的 2D 图像直接合成高保真新视角，性能反超了用真值位姿训练的方法。
TINKER: Diffusion's Gift to 3D--Multi-View Consistent Editing From Sparse Inputs without Per-Scene Optimization: TINKER 把大规模 2D 图像编辑模型和视频扩散模型改造成面向 3D 的多视角一致编辑流水线，只用一张或少量已编辑参考图就能生成密集一致视角，并在无需逐场景优化编辑模型的情况下完成高质量 3DGS 编辑。
Trace Anything: Representing Any Video in 4D via Trajectory Fields: Trace Anything 把视频里的每个像素表示成一条连续 3D 轨迹，并用一次前馈推理直接预测整段视频的轨迹场，从而在无需深度、光流、2D跟踪器或逐场景优化的情况下完成高效的 4D 动态场景表示。
True Self-Supervised Novel View Synthesis is Transferable: 本文提出用「可迁移性」作为判断一个模型是否真正会做新视角合成（NVS）的核心判据，并据此设计出 XFactor——第一个完全不依赖多视图几何、纯自监督就能学到可跨场景迁移的相机位姿表示的模型，靠「双视图单目模型 + 保位姿增强的可迁移性目标」两个简单设计大幅超越 RayZer / RUST。
UFO-4D: Unposed Feedforward 4D Reconstruction from Two Images: 提出 UFO-4D，一个统一的前馈框架，仅从两张无位姿图像直接预测动态 3D 高斯表示，实现 3D 几何、3D 运动和相机位姿的联合一致估计，在几何和运动基准上比现有方法提升达 3 倍。
ULTRA-360: Unconstrained Dataset for Large-scale Temporal 3D Reconstruction across Altitudes and Omnidirectional Views: ULTRA-360 构建了一个覆盖校园级建筑、四季外观、地面与空中多海拔、透视与 360 全景相机的大规模真实图像数据集，并用半自动标定流程和多类重建基准揭示了当前大规模时序 3D/4D 重建在跨海拔匹配、doppelganger 消歧、密集化和多外观建模上的关键短板。
Uncertainty-Aware 3D Reconstruction for Dynamic Underwater Scenes: 本文提出 UDF（Uncertainty-aware Dynamic Field），在一个统一的 4D 场里同时建模水下动态几何与随时间变化的参与介质，并用「表面观测模糊 + 帧间光流不一致」推出的逐像素不确定性去加权渲染损失，从而在受控和野外水下视频上同时拿到高质量重建与新视角合成。
Uncertainty Matters in Dynamic Gaussian Splatting for Monocular 4D Reconstruction: 提出 USplat4D，一种不确定性感知的动态高斯泼溅框架，通过估计每个高斯的时变不确定性并构建不确定性引导的时空图来传播可靠运动线索，显著提升了遮挡区域和极端新视角下的单目 4D 重建质量。
Universal Beta Splatting: 提出 Universal Beta Splatting (UBS)，将 3D 高斯 Splatting 推广为 N 维各向异性 Beta 核，通过逐维度形状控制在单一表示中统一建模空间几何、视角依赖外观和场景动态，实现了可解释的场景分解和 SOTA 渲染质量。
UrbanGS：面向几何精确的大规模城市高斯泼溅的高效可扩展架构: UrbanGS 用「深度一致的 D-Normal 双监督正则 + 几何感知置信度加权 + 空间自适应高斯剪枝 + 统一分区」四件套，把 3DGS 扩展到城市级场景，在渲染质量、几何精度和显存效率上同时超过 CityGaussian-v2、VCR-GauS 等方法，且单卡 A5000 也能跑不爆显存。
WorldTree: Towards 4D Dynamic Worlds from Monocular Video Using Tree-Chains: WorldTree 用一棵「时序划分树」把单目视频按时间二分成由粗到细的子区间逐层优化，再用「空间祖先链」把每个子节点和它的所有祖先节点串起来做空间互补与运动表征特化，从而在单目动态重建上同时解决「全局时序优化」和「层级空间耦合」两大顽疾，LPIPS 在 NVIDIA-LS 上比次优方法降 8.26%、mLPIPS 在 DyCheck 上降 9.09%。
YoNoSplat: You Only Need One Model for Feedforward 3D Gaussian Splatting: YoNoSplat 用一个前馈模型，从任意数量、无位姿、无标定的多视图图像里直接预测每视图局部 3D 高斯 + 相机位姿 + 内参，再聚合成全局场景；靠"混合强迫（mix-forcing）"训练策略和成对距离归一化 + 内参条件嵌入两招，解决位姿/几何纠缠和尺度歧义，在有位姿/无位姿两种设定下都做到 SOTA，100 张图 2.69 秒重建一个场景。