跳转至

🧊 3D 视觉

🧠 NeurIPS2026 · 10 篇论文解读

🔥 高频主题: 少样本学习 ×2

Articraft: An Agentic System for Scalable Articulated 3D Asset Generation

提出端到端铰接3D生成智能体系统 Articraft,将资产生成重构为面向领域SDK的可执行代码编写与测试驱动修复闭环,无需昂贵的渲染视觉反馈即可轻量化生成结构严密且支持物理仿真的铰接资产,并构建了涵盖245个类别的首个万级铰接3D数据集 Articraft-10K。

BrickAnything: Geometry-Conditioned Buildable Brick Generation with Structure-Aware Tokenization

BrickAnything 提出了一个以点云为通用几何条件的自回归积木生成框架,通过基于局部连接关系的结构感知树状分词(Tree Tokenization)将全局坐标预测转化为局部装配预测,并结合物理与几何双重奖励的直接偏好优化(DPO)与带父节点回滚的有效性约束解码,在复杂形状上实现了兼具几何保真度与物理稳定性的离散积木结构生成。

CM-EVS: Sparse Panoramic RGB-D-Pose Data for Complete Scene Coverage

针对 3D 资产全景采样冗余高、深度几何冲突严重及生成策略不可复现的问题,提出无须训练的冲突感知视点策展器 COVER 与全景 RGB-D-Pose 数据集 CM-EVS,在理论次模下界保证下以中位数仅约 25 帧实现高完整度室内全景覆盖。

direct conditional parameterization for n-dimensional splatting

针对高维高斯泼溅每次前向依赖环境协方差求逆与回归修正的效率瓶颈,本文提出直接条件参数化范式,通过显式精度因子与带尺度先验的可分解回归算子解耦不透明度与空间位移,在大幅提速切片计算的同时保持严格的联合高斯协方差几何相容性。

GReFEM: Multimodal LLMs as Zero-Shot Semantic Assistants for Physics-Guided 3D Mesh Refinement

GReFEM 提出了利用多模态大模型结合物理提示词进行零样本语义定位的框架,通过训练正交视角选择网络与 2D 网格回归投影,无需求解 PDE 或下游仿真数据即可指导 3D 几何有限元网格自适应细化。

Less Decoder is More Encoder: Geometric Representation Learning from Novel View Synthesis

SNAP 揭示了前向新视角合成(NVS)未能学出高质量几何特征的根源在于解码器感受野过大与像素级重建目标,提出通过位姿条件局部解码器约束感受野至单 Patch,并以冻结 DINOv3 隐式特征为重建目标,无需任何密集 3D 标注即学出极具几何迁移力的多视角表征。

Point Cloud Sequence Encoding for Material-conditioned Graph Network Simulators

本文提出 PEACH 框架,通过 4D 时空点云序列编码器提取未知材料的紧凑表征,结合在上下文学习(In-Context Learning)自适应调节图网络物理模拟器,无需测试时参数优化即可完成非刚体动力学全轨迹预测,并在真实机器人实验中实现高精度零样本 Sim-to-Real 迁移。

RayTun3R: Online Camera Adaptation in 3D Foundation Models

针对预训练 3D 基座模型在鱼眼等非针孔相机下性能剧烈退化的问题,RayTun3R 揭示了绝对位置编码中内嵌的针孔几何局部雅可比偏差,在完全冻结主干网络的前提下仅通过学习微量极坐标位置编码残差表及免参几何矫正,以仅约 1 万参数在单目鱼眼序列上实现在线几何自适应。

TrackFish3D: Self-Supervised 3D Tracking of Schooling Fish from Multi-view Videos

TrackFish3D 针对鱼群个体外观极度相似、无身份标注的稠密 3D 追踪难题,提出一种完全由校准多视角几何与时空自洽性驱动的自监督跟踪框架,无需任何跨视角/时序身份标注或 3D 真实轨迹,即可实现高精度的时空关联与长程跟踪。

UnfoldArt: Zero-Shot Recovery of Full Articulated 3D Objects from Text or Image

通过层级多智能体辩论解决关节参数歧义,并利用铰接驱动的视频生成与三维隐空间修复补全内部遮挡几何,实现从单图或文本零样本恢复完整交互式铰接3D资产。