ECCV 2026 公開 14 篇 3DGS 焦點論文：前饋式建圖對標 SLAM，擴散模型引入幾何約束

據 AI 科技評論報導，第 19 屆歐洲電腦視覺大會（ECCV 2026）於瑞典馬爾默舉行，共接收超過一萬篇投稿並錄取 2883 篇論文。大會首個 Spotlight 專場聚焦「3D 重建、Gaussian Splatting 與神經渲染」，提前公開了 14 篇焦點論文。 報導指出，今年 3D 視覺領域呈現四大趨勢：前饋式（feed-forward）重建從少數圖像轉向長序列大規模建圖並直接對標 SLAM；影片擴散模型被改造為具備幾何一致性的新視角生成器；表示基元擴展至三角形與子像素；以及針對水下、遮擋與按需高解析度等真實場景的應用。 具體發布的焦點論文與技術規格包含： ・**GRF-Recon**：針對單鏡頭長影片，透過 LoRA 將單目幾何線索蒸餾至前饋骨幹網路，並引入混合權重稀疏光線場最佳化。實驗顯示其軌跡精度與主流 SLAM 系統持平，並能抑制累積漂移。 ・**Wat3R**：採用跨域半監督學習的教師-學生架構，無需水下標註數據即可將前饋式 3D 重建模型遷移至水下，並發布專用於幾何任務評估的 Water3D 資料集。 ・**GeoNVS**：透過 GS-Adapter 將輸入視圖的擴散特徵提升為 3D 高斯表示。在 9 個場景實驗中，相較 SEVA 與 CameraCtrl，平移誤差最高下降 2 倍，倒角距離（Chamfer Distance）最高下降 7 倍。 ・**DreamWorld**：結合 3D 基座模型與影片擴散模型，將幾何結構與外觀渲染兩階段解耦，透過蒸餾範式提升跨視角一致性。 ・**Edit3r**：支援無相機位姿標註的稀疏圖像與文字指令，透過基於 SAM2 的重著色代理任務實現端到端單遍 3D 高斯場景編輯，並發布 DL3DV-Edit-Bench 量化評測基準。 ・**PriSplat**：針對真實世界動態干擾物（如路人、車輛），利用 3D 感知修復引擎主動填補被遮罩的背景，為訓練重建稠密監督以消除新視角偽影。 ・**ReSplat**：以渲染誤差為回饋訊號進行無梯度迭代精修，在 1/16 降採樣空間初始化，生成的高斯數量較逐像素模型減少 16 倍，提升渲染速度。 ・**SA-ResGS**：針對無人機等主動重建的「下一個最佳視角」選擇，引入自增廣點雲（SA-Points）估計場景覆蓋，並透過類殘差學習機制放大稀疏區域的梯度流。 ・**GaussianLens**：支援按需局部高解析度重建，透過像素引導的稠密化機制，讓使用者圈定興趣區域（RoI）後進行細節加密，可擴展至最高 1024×1024 解析度的輸入圖像。