2025 ICLR spotlight（我很喜欢这一篇，Point Transformer我可太熟了） 概括 极端视角下优化gaussian splatting表现 背景： 3DGS的局限性：尽管3DGS技术在生成逼真的三维场景方面表现出色，但它的渲染质量在面对“分布外（Out-of-Distribution, OOD）”的测试视角时会急剧下降。 简单来说，如果你只...

1. 核心 在不戴手套/不贴标记（markerless）的条件下，从多视角 RGB 视频中高保真地捕捉手—物体抓握，核心在于精确估计接触（contact）区域与时序。 痛点：以往用骨架、网格或参数模型（如 MANO）表示手，形状表达维度低、与像素对齐不足，导致接触估计不准；隐式场（SDF/NeRF 类）虽拟合好但采样代价高、接触推断昂贵。 核心洞见：用3D Gaussia...

核心 核心目标：仅用单目交互视频，不依赖物体模板与类别先验，同时重建“可动的手 + 被握持的未知物体”的高质量3D表面与姿态。 关键思想：把“手与物体”作为互补线索来联合建模与渲染：手的几何与接触约束能反推被握物体形状，反之亦然。并通过“分解式隐式模型 + 体渲染 + 交互约束下的姿态优化”完成可分离（disentangled）的重建。 问题/背景： 现有...

核心 仅给一段单目视频，在双手与未知物体复杂交互、严重遮挡的情况下，同时重建两只手与物体的3D形状/姿态与交互关系，并能进行新视角/新姿态渲染。这是比“一只手 + 物体”更困难的设定。 其实就是相比于HOLD把SDF换成了Gaussian并做了双手的联合优化，本身创新点不多 问题/背景： 目前已有的方法过于依赖一些先验，一些方法被限制在10-20种特定的的物品，难以...

问题/背景 3D 语义占据预测 (Semantic Occupancy Prediction) 需要对场景体素进行几何与语义标注，但传统方法依赖密集体素和大量人工标注，既算力高又难以泛化。 现有自监督方法常采用体素渲染或 NeRF，仍然计算量大且依赖 2D 伪标签，遇到真实分布变化时表现不稳。 方法 与基础模型对齐，实现自监督学习：这是该方法最关键的创新。GaussT...