三维重建

【世界模型】AEON：统一视频与 3D 世界模型图 1：AEON 可生成支持在不同时间步和视角下进行实时渲染的 4DGS 世界。这些 4DGS 世界也支持显式编辑与模拟（底部）

【三维重建】InfiniSplat v2：从任意视角分析与优化前馈 3DGS图 1：从点云到高斯场景。InfiniSplat v2 从几何基础模型中保留点云位置，并学习高斯属性，以实现高质量的新视角渲染。左图：输入视角、点云及对应的高斯渲染结果，其中橙色轮廓标出了放大区域。右图：更多将点云与生成的高斯场景进行对比的示例。

事件相机（Event Camera）有什么优点？未来发展前景如何？chatgpt: 事件相机是一种有明确技术优势、但还没有全面替代传统相机的视觉传感器。它在高速运动、极端光照、低延迟感知，以及视觉与 IMU 融合方面很有价值；在自动驾驶和机器人领域，更值得关注的是事件相机与普通相机、IMU、激光雷达的融合，而不是单纯用事件相机取代 RGB 相机。

把我格子衫拿来

RANSAC 粗配准：离群点很多时，怎样为 ICP 找到可信初值？ICP 需要初值，而特征匹配又经常混入错误对应。直接把所有点对送进最小二乘，少数大偏差就可能拖走整个变换。RANSAC 的思路是先从少量候选点对提出假设，再让更多数据检验这个假设。真正需要理解的不是一个函数名，而是候选点从哪里来、什么叫内点，以及一个高票模型还可能错在哪里。

【世界模型】World Observer：面向持久世界建模的联合主体-观察者生成器图 1：概念示意图。World Observer 与actor 协同生成全景observer。(a) 解耦观察者可实现对主体不可见区域的控制。(b) 可灵活部署多个观察者以追踪被遮挡区域。

【世界模型】WorldCrafter：基于隐式三维感知记忆的视频世界模型图 1。WorldCrafter 实现了稳定且由相机控制的探索体验。如重建的点云所示，该工具可在静态场景 (a) 与动态场景 (b) 中保持场景外观与结构的连贯性；受试者在离开并重新进入视野后仍能保持行为一致性 ©；用户还可仅凭文字描述生成并探索场景 (d)。

【三维重建】GaussianGPT：迈向自回归三维高斯场景生成图 1：GaussianGPT 是一种用于三维高斯场景生成的纯自回归方法。本方法仅需单一模型，即可实现无条件场景生成、场景补全以及大规模场景合成。

【HarmonyOS 7新能力｜029】3DGS工程封装：把接入逻辑放进可维护的分层结构3DGS（3D Gaussian Splatting）让多视角图像重建和新视角渲染有了更灵活的表达方式，但工程难点远不止“调用一次重建”。拍摄覆盖不足、模糊帧进入计算、相机位姿失败、资源峰值过高、应用退到后台后仍继续优化，都会让结果不可用。

【动态重建】Flow4DGS-SLAM：基于光流引导的4DGS-SLAM算法图 1：本方法可生成具有空间与时间上连贯的高斯运动效果的高质量渲染图像。标题：Flow4DGS-SLAM: Optical Flow-Guided 4D Gaussian Splatting SLAM 新加坡国立大学计算科学与信息学学院链接：https://wangys16.github.io/Flow4DGS-SLAM.

【三维重建】QuerySplat：在 3DGS 预测中解耦几何与外观表征图 1：QuerySplat 概览。对不同视角数量的未校准图像，QuerySplat 采用无姿态约束、前向传播且无需像素对齐的方式，重建出清晰且高保真度的3DGS场景。与现有方法相比，该方法能够生成结构更为连贯的场景，并可在数秒内处理真实场景下的输入图像。

三维重建的步骤-1（采集的是环绕物体均匀旋转一圈的视频）拿到手里的是环绕物体均匀旋转一圈的视频，这里使用Agisoft Metashape Professional进行处理。

【稀疏重建】StructSplat：基于非校准稀疏视图的可泛化3DGS图1：基于非校准稀疏视图的新视角合成的定性对比结果。我们的方法能够减少伪影、模糊现象及位移。标题：StructSplat: Generalizable 3D Gaussian Splatting from Uncalibrated Sparse Views 哈尔滨工业大学（深圳）；大湾大学；广州云蝶科技有限公司链接：https://structsplat.github.io

【前馈三维重建】AdaptiveSplat：前馈重建的纹理感知可控3DGS分配方法（ECCV 2026）图1：概述：给定输入图像和目标高斯预算，AdaptiveSplat可生成稀疏但高质量的重建结果----控制基本图元分配的同时，能够保持场景保真度的能力。相比之下，现有方法在高稀疏度下会出现伪影及过度平滑现象。

3D Gaussian Splatting可视化渲染原理详解本文主要围绕 3DGS 的可视化渲染流程展开，希望能够帮助读者从图形学的角度理解其内部原理，而不仅仅停留在公式推导或代码实现层面。对于从事 GIS、数字孪生、三维可视化以及 AR/VR 开发的工程师而言，理解这些底层原理，也将为后续将 3DGS 与传统图形引擎融合、构建更复杂的实时三维应用打下基础。

【三维重建】ArtiFixer：自回归扩散增强与扩展3DGS（NVIDIA）图1. ArtiFixer高效且可扩展地增强3DGS结果。给定初始重建结果、可选的参考视图及文本提示，该工具可通过自回归方法生成新的内容，同时保持与现有观测数据的高度一致性。ArtiFixer可在单次推理过程中直接生成数百个新视图，或作为伪监督数据用于优化底层三维重建效果。

梦想的初衷~

【完整教程】基于Python的无人机多光谱-点云融合生态三维建模：从Metashape重建到碳储量/生物量/LULC预测随着生态学、林学、地理信息科学等多个学科对“结构—功能”一体化研究的共同推进，无人机多光谱与结构光摄影测量（SfM）技术已经从早期实验室验证阶段，走向区域尺度精细生态监测与资源清查的主流工具。过去十年，厘米级空间分辨率、十余个窄波段的多光谱传感器与轻量级激光雷达共同下沉至科研团队与工程单位，使得冠层三维形态、叶面积指数、生物物理变量乃至碳储密度的大规模、可重复估算成为可能。然而，这一技术红利并未自动转化为高质量研究成果：一方面，不同传感器、航线设计、辐射定标、地面控制点布设等细节缺乏统一规范，导致同区域数

【三维重建】概述三维重建是规控工程师的必要素养；我之前的博客基本上都围绕着嵌入式+运动学动力学展开，它们都属于控制的部分；本专栏即将展开的三维重建主要是感知的部分，属于规划的前置必要条件；

搬砖者（视觉算法工程师）

计算机视觉与计算摄影测量学第五讲二值图像处理：连通分量、距离变换与形态学算子深度解析摄影测量学与计算机视觉的多视图几何第6讲：二值图在计算机视觉、摄影测量学与机器人感知领域，二值图像作为一种基础且重要的图像表示形式，承载着从复杂场景中提取关键语义信息的核心任务。与灰度图像或彩色图像相比，二值图像仅包含两种像素值——通常表示为前景与背景、黑色与白色、或0与1——这种极简的表示方式不仅大幅降低了数据处理的复杂度，更为后续的图像分析与理解提供了清晰的结构基础。本文系统梳理了二值图像处理中的三大核心技术：连通分量分析（Connected Components Analysis）、距离变换（Dis

【三维重建】RT-Splatting：基于3DGS的联合反射-透射建模（CVPR 2026）标题：《RT-Splatting: Joint Reflection-Transmission Modeling with Gaussian Splatting》链接：https://sjj118.github.io/RT-Splatting 来源：北京大学智能科学与技术学院；通用人工智能国家重点实验室