3D 重建下半场开幕，ECCV 首场14篇Spotlight 把高斯泼溅推到了哪儿

3D重建的下半场，比的不再只是精度。

作者丨陈淑瑜

编辑丨岑 峰

9月8日，第19届欧洲计算机视觉大会（ECCV 2026）在瑞典马尔默拉开帷幕。

这场两年一届的视觉顶会创下历史之最：组委会收到超过一万篇有效投稿，最终接收2883篇论文，约6000名研究者从全球各地赶来参会。翻看议程不难发现，Gaussian Splatting （高斯泼溅）与 3D 重建是今年最拥挤也最热闹的赛道——光是第一个 Poster 环节，与 splatting 直接相关的论文就超过80篇，曾经的“新方法”已经成了整个领域的公共基础设施。

雷峰网&AI科技评论编辑团队提前为读者做了这份抢鲜梳理。大会 9 月 10 日才正式开幕，第一个论文报告专场——“3D Reconstruction, Gaussian Splatting & Neural Rendering”（3D重建、高斯泼溅与神经渲染）Spotlight Session 的 14 篇论文与海报已先一步在官网公开。我们从张贴的报告海报中精选 14 篇 Spotlight 论文，逐一梳理成文，先行呈现给关注 ECCV 的读者，以便现场报告开始前就能快速摸到今年 3D 视觉的脉搏。

从这14篇论文里，可以读出今年 3D 视觉的几个明确信号：

• 其一，前馈式（feed-forward）重建正从“几张图重建”走向“长序列、大规模建图”，开始直接对标 SLAM；

• 其二，视频扩散模型被大规模“驯化”成几何一致的新视角生成器，3D 基座模型负责提供“骨架”；

• 其三，竞争从重建质量延伸到表示基元本身，三角形、子像素、谐波纹理轮番登场；

• 其四，水下、遮挡、按需高清、主动扫描等真实世界场景，成了检验方法成色的试金石。

▎长视频一路建图不跑偏：GRF-Recon 给前馈重建装上“全局光线场”

GRF-Recon: Global Ray-Field Optimization for Long-Sequence Feed-forward Reconstruction

前馈式（feed-forward）3D重建能从图像序列高效地恢复场景，但把它推向“单目长视频”这类大规模输入时，三个老毛病会同时发作：GPU显存撑不住、局部几何容易走形、轨迹越走越偏，也就是累积漂移。现有的分块优化策略只是把长序列切开处理，块与块之间缺少几何约束，跑完一整条轨迹，全局一致性很难保证。

GRF-Recon 的思路是把“长”做成“协同”而不是“切碎”。它先用由粗到精的轨迹对齐搭好骨架，再通过 LoRA 把单目几何线索蒸馏进前馈骨干网络——只动少量参数，推理效率不掉。重建阶段引入“混合权重稀疏光线场优化”：用高频几何特征引导局部点云精修，同时以帧间光线约束把相邻帧“焊”在一起，建立起强跨帧几何耦合，这在以往的块式方法里是缺失的。最后，一条带联合光线误差优化的轨迹拼接策略，显式地把累积漂移压下去。

实验里，GRF-Recon 的轨迹精度能跟主流 SLAM 系统打平，同时在大规模场景中交出全局一致的重建结果。

“一次前向出模型”的可扩展性，和“边建图边纠偏”的稳定性，在这套框架里算是第一次真正合流。

论文链接：https://eccv.ecva.net/virtual/2026/spotlight/6009

▎无需水下标注即可3D重建

Wat3R: Underwater3DGeometry Learning without Underwater Annotations

水下环境光线衰减、散射严重，画面天然“雾蒙蒙”，再加上几乎没有大规模、高质量的3D标注可用，水下三维几何估计一直是块硬骨头。过去的方法大多靠海量稠密标注“喂”出来，这种路数在水下根本不现实，这正是水下3D重建长期落后于陆地的根源。

Wat3R 绕开了标注问题，提出一套跨域半监督学习框架，把前馈式3D重建模型从“陆地”迁到“水下”：采用教师-学生架构，只在大量无标注的真实水下视频上学习鲁棒的几何表示，全程不需要任何带标注的水下数据。

针对水对信息的衰减，作者还设计了一个跨视角一致性损失，让模型借用其他视角的几何线索，补偿当前视角“看不清”的部分。考虑到领域缺少评测基准，团队自建了 Water3D——一个覆盖多种水体与水下场景的数据集，专门用于几何任务评估。

结果显示，Wat3R 在水下多视角深度估计与点云重建上全面超过当前最好方法。把成熟的前馈重建模型带到水下、靠无标注数据完成迁移，这条路对遥感、医疗等同样“缺标注”的领域也有借鉴价值。

论文链接：https://arxiv.org/abs/2607.08772

▎给视频扩散装上“几何骨架”：新视角合成告别“扭麻花”

GeoNVS: Geometry Grounded Video Diffusion for Novel View Synthesis

用相机可控的视频扩散模型做新视角合成，效果一度惊艳，但这类模型骨子里只“看”像素、不懂三维结构：视角稍微一挪，画面里的物体会扭曲变形，相机的可控性也有限。问题出在几何只在输入端“打了一针”，没有贯穿生成的全过程。

GeoNVS 的办法，是把几何约束直接钉进特征空间。核心组件叫 Gaussian Splatting 特征适配器（GS-Adapter）：先把输入视图的扩散特征“提升”成3D高斯表示，渲染出受几何约束的新视角特征，再与扩散特征做自适应融合，把几何上不一致的表征纠正过来。由于在特征层面操作，它避开了在输入端注入几何常见的视角相关颜色噪声，结构一致性因此更干净；而且这个适配器即插即用，不用额外训练就能兼容多种前馈几何模型，换其他视频扩散骨干也能接上。

在9个场景、18组设置的实验中，GeoNVS 相对 SEVA 和 CameraCtrl 分别提升11.3%和14.9%，平移误差最高下降2倍，倒角距离（Chamfer Distance）最高下降7倍。几何“准”了，画面自然就“稳”了。

论文链接：https://arxiv.org/abs/2603.14965

▎3D基座模型当“骨架”：几何一致的世界模型这样炼成

DreamWorld: Geometry-Grounded Video Diffusion for 3D-Consistent World Modeling

能跟着用户自定义相机轨迹“逛”3D场景的视频扩散模型，正被视作世界模型的一种新形态。但现在的视频扩散大多只有隐式的时空表征，没有显式3D几何兜底，结果就是结构不合理、跨视角对不上号——看着像“世界模型”，其实是“像素魔术”。

DreamWorld 的做法是让两类模型“合体”：一边是3D基座模型扎实的空间结构先验，一边是视频扩散模型的高保真生成能力。给定输入图像和相机轨迹，模型先让一个“几何视频扩散模型”预测目标新视角的紧凑几何特征，把它当作显式的结构锚点；为了让扩散模型真正学会几何，作者用蒸馏范式把预训练3D基座模型的高层结构知识转给它。这些几何特征随后作为条件，交给另一个“外观视频扩散模型”合成最终视频——先定结构，再填外观。

几何与外观两阶段解耦，换来的是几何合理性与跨视角一致性的双提升。实验表明，DreamWorld 在视觉质量、3D一致性和相机可控性上都优于现有方法。

“先想清楚空间长什么样，再决定画面怎么画”，这个配方正成为几何一致视频生成的主流解。

论文链接：https://yanghb22-fdu.github.io/DreamWorld

▎几张无位姿照片加一句话，3D场景编辑一次搞定

Edit3r: Instant3DScene Editing from Sparse Unposed Images

想用一句话修改一个3D场景，通常的流程是先把场景重建好、再逐段优化编辑，费时费力。Edit3r 想做的是“单遍”完成：输入几张没有相机位姿标注的稀疏照片和一句编辑指令，直接端到端预测出符合指令的3D高斯场景。

而最大的拦路虎在训练数据，2D图像编辑天生带随机性，很难凑齐“视角一致的编辑后图像”来监督3D编辑模型。

作者用一个巧妙的“重构”绕开了它：把编辑重新定义成“换色”代理任务。先用一套基于SAM2的流程生成一张重着色参考视图，连同可靠的、跨视角一致的监督视图；再用非对称输入策略，把重着色参考视图与原始辅助视图配对喂给网络，逼它学会融合并对齐这些“对不齐”的观测。训练时模型只学换色，推理时却能接任意2D编辑器——自动消解跨视角冲突，输出连贯的3D编辑结果。

作者还发布了 DL3DV-Edit-Bench，一个大规模量化评测基准。结果显示 Edit3r 在语义对齐与3D一致性上超过近期基线，推理速度却快得多。不用多视角编辑监督、单遍出结果，这让“实时3D编辑”第一次离应用这么近。

论文链接：https://arxiv.org/abs/2512.25071

▎去不掉的路人先放一边：PriSplat 把被挡住的背景“补”回来

PriSplat: Propagating Reliable Multi-view Information for Distractor-Free 3DGS

把 3D Gaussian Splatting（3DGS）用到不受控的真实世界，最头疼的是一闪而过的“瞬态干扰物”——路人、车辆、游客。现有方法的主流做法是训练时把干扰区域掩码掉、不算它们的损失，但这样一来，这些区域就失去了监督，模型会在每个视角各说各话地“脑补”，新视角里飘满伪影（floater）。问题不在“怎么遮”，而在“遮完以后那片空白谁负责”。

PriSplat 的解法是主动把背景补回来：把一个大规模视图合成先验改造成3D感知的修复引擎，并通过掩码感知的快速权重更新做适配，防止干扰物信息泄漏进场景记忆。作者设计了几何感知的支持视图选择算法，按信息密度和空间-角度约束挑出最可靠的参考帧，保证补出来的区域几何完整。

几个机制合起来，模型能从被掩码的区域重建出3D一致的伪真值，为训练重新建立稠密监督，伪影随之消失。实验显示 PriSplat 在合成质量与多视角一致性上双双超过最先进基线。真实世界的“脏”数据，从此不再是3DGS的禁区。

论文链接：https://eccv.ecva.net/virtual/2026/spotlight/6014

▎ReSplat：一次前向不够，就“循环”到对为止

ReSplat: Learning Recurrent Gaussian Splatting

前馈式 Gaussian Splatting 模型的一次前向推理就能重建场景，快、能泛化到稀疏视角，但“一步到位”也封死了它的上限——没有反馈，出错了也没机会改。ReSplat 提出让模型“循环”起来：迭代地精修3D高斯，却不用显式计算梯度。

关键洞察很直接：Gaussian Splatting 的渲染误差本身就是极好的反馈信号。拿它当“老师”，模型在测试时会自然适应没见过的数据分布，跨数据集、跨视角数、跨分辨率的鲁棒泛化因此水到渠成。为了让循环跑得动，作者用一个在1/16下采样空间里工作的紧凑重建模型做初始化，生成的高斯数量比逐像素模型少16倍，计算开销大幅降低，迭代更新因此变得轻快。

在输入视角数从2到32、分辨率从256×256到540×960、横跨 DL3DV、RealEstate10K 和 ACID 的实验中，ReSplat 都拿到最先进结果，同时显著减少了高斯数量、提升了渲染速度。用渲染误差当老师、循环自我修正，这个范式给可泛化3D重建指出了一个新方向。

论文链接：https://arxiv.org/abs/2510.08575

▎下一眼该看哪？SA-ResGS 给主动重建一双“会算账”的眼睛

SA-ResGS: Self-Augmented Residual3DGaussian Splatting for Next Best View Selection

机器人或无人机主动重建一个场景时，要不断决策“下一个最佳视角”（Next-Best-View）。难处在于：稀疏、大基线设置下，模型对那些没看过的区域几乎拿不到学习信号，不确定性估计常常失真，越不确定的地方越缺监督，越缺监督越估不准，陷入恶性循环。

SA-ResGS 先解决“覆盖度怎么估”：在观测训练视图与栅格化外推视图之间做三角化，生成几何一致的“自增广点云”（SA-Points），用来高效估计场景覆盖。随后，作者针对3DGS引入首个类残差学习的机制：用跳连思想放大对“贡献弱、不确定高”的高斯体的梯度流，让稀疏区域也能真正学到东西，而不是被淹没在强监督里。

论文的贡献主要体现在这三方面：物理上有依据的多样化视角选择策略、不确定性感知的残差监督（改善梯度流与训练稳定性）、以及由受限视角选择与残差监督共同带来的去偏不确定性量化。在 NeRF Synthetic、Mip-NeRF 360 以及 Deep Blending、Tanks and Temples 的扩展基准上，SA-ResGS 的重建质量和视角选择鲁棒性都稳定压过最先进方法。

论文链接：https://arxiv.org/abs/2601.03024

▎GaussianLens：像人一样“聚焦”，只对关心的区域做高清重建

GaussianLens: Localized High-Resolution Reconstruction via On-Demand Gaussian Densification

人看世界是有焦点的：逛超市会盯货架标签，回家会看墙上的全家福。主流3D重建却不讲这个道理，要么全场景均匀分辨率，又贵又冗余，原始高清图像根本训不动；要么靠启发式密度控制离线优化细节，需要密集观测、耗时漫长。想“放大看看关键区域”，两头都不讨好。

GaussianLens 把问题重新定义成“按需的局部高分辨率重建”：给定一个初始低分辨率3DGS重建，学习一个可泛化的稠密化网络：用户圈定兴趣区域（RoI）后，模型基于该区域稀疏的高分辨率观测，把局部重建“加密”出细节。它融合初始3DGS与多视角图像的多模态信息做前馈稠密化，并提出像素引导的稠密化机制，在分辨率大幅跳升时仍能稳定捕捉高频细节。

这样一来，既绕开了全场景高分辨率重建的高成本与冗余，又让关键区域吃满原始高清观测。实验表明，GaussianLens 在局部高保真细节重建上明显占优，且能扩展到最高1024×1024的输入图像。“关注什么就高清什么”，3D重建正在学着像人眼一样分配注意力。

论文链接：https://arxiv.org/abs/2509.25603

▎SubSplat：低清输入也能渲染高清新视角

SubSplat: High-Resolution Pixel-aligned 3DGS via Sub-pixel Gaussian Reparameterization

像素对齐式 Gaussian Splatting（每个像素对应一个高斯）高效又可泛化，却在高分辨率渲染上进退两难：输入分辨率提上去，细节有了，网络计算量却按平方上涨；输入分辨率压着不动，计算稳了，高斯密度又不够，画面出现伪影。保真与算力，成了只能二选一的跷跷板。

SubSplat 的破法叫“子像素高斯重参数化器”（SPGR）：把每个主高斯细分成更细粒度的子基元，直接从低分辨率特征里恢复出结构密度，相当于用很少的额外计算，把丢失的空间细节补回来。为了让重参数化更可靠，作者又加了跨视图特征聚合，把多视角的高频信息融进来。

在 RealEstate10K 与 ACID 上，SubSplat 在保持优越效率的同时实现了更高保真的渲染，一举化解像素对齐式3DGS里“重参数化保真度”与“网络计算成本”的老矛盾。对想做高分辨率实时新视角合成的应用来说，这是一个性价比很高的答案。

论文链接：https://arxiv.org/abs/2607.20813

▎可变形三角形：让3D渲染基元学会“凹进去”

Deformable Triangle Splatting: Flexible Primitives for Real-Time Radiance Field Rendering

辐射场表示这两年从“高斯盘”卷到“三角形”，后者更贴合表面、光栅化也高效。但无论盘还是三角形，边界都是凸的——遇到弯曲、凹陷的结构，只能堆大量小基元去硬凑，又费又碎，还容易破绽百出。

这篇论文给每个三角形装上“变形能力”：每条边额外挂 K 个控制点，每个控制点只由一个可学习的标量位移参数驱动，就能把边界向内或向外推，从而表达非凸形状，同时保留决定3D平面的三个顶点。渲染环节配套重做：在三角形的重心坐标空间里做可微光栅化，用绕组数（winding number）测试判断像素是否落在变形后的基元内部，再靠锐度、角平滑度两个可学习参数与逐基元不透明度，生成从内部到边界平滑过渡的透明度。

在多种真实场景上，该方法在视觉质量与通用性上超过近期基于非体积基元的方法，渲染效率依然有竞争力。“三角形也会弯腰”，为非凸几何的实时渲染提供了一个更灵活的新基元选项。

论文链接：https://arxiv.org/abs/2607.22446

▎谐波纹理：给每个3D基元配一个“微型神经解码器”

Neural Harmonic Textures for High-Quality Primitive Based Neural Reconstruction

以 3DGS 为代表的基元式表示，灵活、自适应、能扛大场景，这两年已是新视角合成的主流。但单个基元（比如一个高斯）的表达力有限，高频细节一多就顶不住，这是基元方法相对神经辐射场最常被诟病的一点。

Neural Harmonic Textures 的解法是给每个基元“外挂”一个可学习的特征载体：在基元周围放置虚拟脚手架，把潜在特征向量锚在上面，光线与基元相交时在交点处插值。受傅立叶分析启发，作者对插值后的特征施加周期激活，把alpha混合变成一组谐波分量的加权和，最后用一个小型神经网络做单遍（deferred）解码，把昂贵的逐点解码成本大幅压低。

它拿到了实时新视角合成的最先进结果，同时弥合了“基元派”与“神经场派”之间的差距；更重要的是通用性：能无缝嵌入 3DGUT、Triangle Splatting、2DGS 等现有基元管线，在2D图像拟合与语义重建上也有表现。“基元存结构、谐波补细节”，轻巧而有效。

论文链接：https://arxiv.org/abs/2604.01204

▎CubicSplat：可微矢量光栅化的“梯度跷跷板”被拆掉了

CubicSplat: Differentiable Vector Graphics via Error-BoundedForwardRelaxation

矢量图分辨率无关、体积小、可编辑，把它的参数化基元拿去可微优化很有吸引力。但经典光栅化对几何不连续，现有平滑前向的各种“补救”越做越繁，导致场景一复杂，启发式就失灵。作者把病根归结为一个“梯度跷跷板”：让前向几何更精确的改动，往往系统性劣化诱导出的梯度信号，反之亦然，两头难顾。

CubicSplat 用“误差有界的前向松弛”破局：用均匀折线代理替代 Bézier 最近点求解器，几何误差以 O(S⁻²) 的阶次有界，得到的是静态计算图，梯度天然良态，不用再跟病态梯度搏斗；再配一个基于合成（compositing）的可见性机制，无需额外正则化就能自动剪掉退化基元。

在 DIV2K 与 Kodak 基准上，闭填充（closed-fill）设置下重建质量达到最先进，PSNR 提升超过2dB，训练还比此前方法快最多4倍。“更准、更稳、更快”在图形学里向来难以兼得，这次三者都拿到了。

论文链接：https://arxiv.org/abs/2608.20803

▎TetraSDF：把神经SDF的“零面”精确地挖出来

TetraSDF: Analytic Isosurface Extraction with Multi-resolution Tetrahedral Grid

从神经符号距离函数（SDF）里提取显式表面，难点在“精确”二字：Marching Cubes 这类采样式方法总有离散化误差，表面是“近似挖”出来的；而能做到解析精确的连续分段仿射（CPWA）方法，通常只支持朴素的ReLU MLP，学不动高频SDF。

TetraSDF 想把精确性与表达力两个都要。它用 ReLU MLP 复合一个多分辨率四面体位置编码来表示SDF，编码器里的重心插值保持了全局CPWA结构，于是可以在编码器诱导的多面体复形中追踪 ReLU 线性区域，实现零水平集的精确解析提取。作者还从编码器度量出发导出一个固定的解析输入预条件器，抑制方向偏置、稳定训练。

在多个基准上，TetraSDF 的SDF重建精度持平甚至超过现有网格编码器，同时能把网络的零水平集忠实地还原成三角网格。高表达力编码与可证明精确的表面提取，在这里第一次不再是二选一。

论文链接：https://arxiv.org/abs/2511.16273

从长序列建图到水下重建，从扩散世界模型到会变形的渲染基元，这14篇 Spotlight 论文像一组快照，记录下3D视觉正在发生的转变：重建不再只是“把照片变成模型”，而开始成为一种可编辑、可交互、按需高清、能直面真实世界脏数据的通用能力；表示层也在从“高斯”走向更丰富的基元家族，为更远的应用留出接口。

雷峰网&AI科技评论后续将持续跟进大会现场，带来更多 ECCV 2026 的精彩内容。如果你想推荐本届会议上的其他论文，或希望自己的研究成果出现在我们的报道中，欢迎联系我们进一步交流探讨。

为了方便大家抱团交流、互通会议消息，我们专门建了ECCV 2026参会交流群！进群你会解锁这些「福利」

• 会议情报站：投稿 DDL、格式规范、评审进度……关键节点第一时间送达，再也不怕错过 deadline，投稿准备稳稳的。

• 同行茶话会：天南海北的同行都在群里，聊心得、碰思路、攒人脉，科研路上我们同行。

• 前沿补给站：最新研究成果、热点方向实时同步，结合会议主题帮你捋清投稿脉络，给论文灵感加满油。

• 现场后援团：（会议期间专属开启）：到了会场也不用慌——

  路线导航：场馆分布、报告厅怎么走，群里随时问；

  议题共读：热门 session、Keynote 现场探讨，错过也能追；

  Poster 汇编：现场海报精华整理，一键收藏不遗漏；

  约局广场：约饭局、采访局、交流局……想唠嗑、想合作、想面基，群里发起就成。

进群传送门：扫码进群或添加微信Qvv0909777，备注：ECCV + 单位/学校+姓名+方向。

搞科研/搞技术，信息差很重要。

来，一起快人一步！

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。