赵海森，教授，博士生导师，山东大学杰出中青年人才，国家级青年人才。主要研究方向为计算机图形学、人工智能驱动的复杂几何设计与制造。曾任美国华盛顿大学博士后，奥地利科学技术研究所博士后。主持海外优青项目、重点研发计划课题、基金委面上项目等国家级科研项目。作为项目骨干，参与科技部新一代人工智能 (2030) 项目，基金委区域联合重点基金项目等项目。曾在ACM TOG、ACM SIGGRAPH/Asia、IEEE TVCG等顶级期刊或会议上发表论文十余篇，申请十余项国家发明专利和一项美国发明专利，出版专著1部。获山东省自然科学奖一等奖、“CCF优秀博士学位论文奖”等荣誉。

郭裕兰，中山大学电子与通信工程学院教授，博士生导师，国家高层次青年人才。主要研究领域为三维视觉，包括三维重建、点云理解及机器人系统。在IEEE TPAMI和CVPR等期刊和会议发表学术论文200余篇，谷歌学术总被引2万余次，连续五年入选Elsevier中国高被引学者，ScholarGPS全球前0.05%科学家，获中国计算机学会自然科学一等奖、吴文俊人工智能优秀青年奖等奖励。担任中国图象图形学学会三维视觉专委会副主任，IEEE Transactions on Image Processing高级领域编辑，曾担任2025年中国空间智能大会共同主席，历届中国三维视觉大会组委会主席，DICTA2024程序主席，CVPR、ICCV、ECCV、NeurIPS、ACM Multimedia等国际会议领域主席。

戴玉超，西北工业大学电子信息学院教授、博士生导师，校学术委员会委员，陕西省信息获取与处理重点实验室主任。研究方向为机器视觉与人工智能，主持国家自然科学基金青年项目（A类）、JKW基础加强计划领域基金重点等项目，近年来在TPAMI、IJCV、ICCV、CVPR、NeurIPS等国际著名期刊和会议上发表论文70余篇，谷歌学术引用超过15000次，H因子58。获CVPR 2012最佳论文奖（大陆高校30年来首次获得该奖项）、陕西省自然科学奖一等奖、CSIG青年科学家奖、火箭军“智箭火眼”人工智能挑战赛全国冠军、CVPR 2020最佳论文奖提名等奖项。担任IJCV编委、APSIPA杰出讲者、China3DV 2025大会主席、中国空间智能大会（ChinaSI 2025）程序主席和CVPR、ICCV、ECCV、NeurIPS等国际会议领域主席。

连宙辉，北京大学王选计算机研究所副教授、博士生导师，中国文字字体设计与研究中心副主任，入选国家级青年人才计划和北京市科技新星计划。研究领域为计算机图形学、计算机视觉与人工智能，主要研究方向是文字图形图像生成与三维视觉，在领域重要期刊（TOG, TPAMI, IJCV等）和会议（SIGGRAPH/SIGGRAPH Asia, CVPR, NeurIPS等）上发表论文100余篇。多次担任NeurIPS、CVPR、ICCV、ICML等国际会议领域主席和SIGGRAPH Asia Technical Papers Committee Member，担任《Pattern Recognition》、《计算机辅助设计与图形学学报》等国内外重要期刊编委，担任中国图象图形学学会三维视觉专委会秘书长，获北京市技术发明奖二等奖（排名1）、中国专利优秀奖（排名1）、ICRA2024服务机器人最佳论文候选、吴文俊人工智能优秀青年奖、北京大学-中国光谷成果转化奖等奖励。

张盛平，哈尔滨工业大学教授、鹏城国家实验室访问教授、如本科技首席科学家，入选国家级青年人才计划，布朗大学和香港浸会大学博士后、加州大学伯克利分校访问学者。主要研究方向为机器学习与计算机视觉。主持国家自然科学基金4项、华为公司项目10余项，被华为授予2021年“HUAWEI Ascend Expert”和 2022年“昇腾众智星光奖”荣誉称号，荣获2022年度教育部-华为“智能基座”栋梁之师。研究成果获省部级科研奖励4项。已发表学术论文100余篇（包括PNAS、IEEE T-PAMI、IJCV、ICML、NeurIPS、CVPR、ICCV、SIGGRAPH等）。

报告摘要：神经符号距离函数（Neural SDF）使用神经网络表达符号距离场，利用零值面表示目标曲面。凭借出色的表达能力、结构灵活性及对数据驱动建模的良好适应性，Neural SDF在高质量几何重建、结构感知和可控建模等应用中展现出显著优势。其次，近年来，高斯泼溅（Gaussian Splatting）作为一种新兴的三维场景表示方法，因其在任意视角下生成真实感图像的能力而受到广泛关注。然而，该方法在信息稀疏区域易出现伪影。受Neural SDF启发，通过将高斯分布限制于薄层区域，能够有效抑制悬浮高斯，在保证渲染质量的同时显著减少所需高斯单元数量。

讲者简介：辛士庆，山东大学计算机科学与技术学院教授、博士生导师。在几何计算和几何处理方面做了系统性的研究工作，发表论文100余篇，获得2017/2023年SPM大会最佳论文奖（第1名）、2021年吴文俊人工智能自然科学奖（2等）、2023年SIGGRAPH最佳论文奖（国内科研单位首次）、2024年CVM大会最佳论文奖、2024年GMP大会最佳论文奖，并担任GMP 2025程序委员会共同主席。连续6年获得山东大学泰山学堂“毕业生最喜爱的老师”，并获得2022年山东大学泰山学堂“卓越教师”称号。

报告摘要：随着三维视觉与大语言模型的融合发展，如何在三维空间中实现基于自然语言的场景理解与交互，正成为智能场景感知与生成的重要方向。相比传统固定词汇集合的定位与识别任务，开放词汇面临语义表达多样、空间定位精度要求高等挑战；而现有方法大多依赖资源密集型模型，难以兼顾表达能力与运行效率。本报告将介绍课题组围绕语言驱动的三维场景理解与编辑所进行的一系列探索，包括构建高效可渲染的语言嵌入三维表示，以及面向动态场景的语义引导式三维编辑框架，涵盖从静态到动态、从感知到生成的关键问题与解决思路。

讲者简介：汪淼，北京航空航天大学教授，博士生导师。主要从事可视媒体智能生成、混合现实沉浸交互方面的教学和科研工作。主持国家自然科学基金面上、青年等项目。发表学术论文50余篇，获IEEE VR 2025最佳论文奖、CAD/Graphics 2023最佳论文奖、CVMJ年度最佳论文提名等。曾获国家科技进步二等奖（排名9）、中国图象图形学学会高等教育教学成果激励计划特等类（排名2）。入选教育部青年长江学者、中国科协青托工程、小米青年学者。担任Fundamental Research、CAVW、图学学报等期刊编委/青年编委，以及IEEE VR、ISMAR、PG、CVM等国际会议程序委员。兼任中国计算机学会虚拟现实与可视化技术专委秘书长、秀湖会议学术秘书、中国仿真学会虚拟技术及应用专委副主任、中国图学学会国际联络工委秘书长等。

报告摘要：近年来，以LRM、DUSt3R以及VGGT为代表的三维重建大模型在单视角以及稀疏视角重建等任务上取得了重要进展，展现了Transformer架构在三维视觉领域的应用潜力。本次报告将梳理近十年来基于学习的三维重建技术发展，主要包括基于CNN/MLP架构的三维重建网络（MVSNet/MVSNeRF/MVSplat）以及基于Transformer架构的三维重建大模型（LRM/DUSt3R/VGGT），并对三维视觉基础模型的发展进行展望。

讲者简介：姚遥，南京大学智能科学与技术学院副教授、国家级青年人才。本科毕业于南京大学，博士毕业于香港科技大学，曾任Altizure创始团队核心成员，后随公司收购加入苹果任高级研究员。主要研究方向为三维重建与生成，代表工作包括MVSNet系列工作、NeILF系列工作以及Direct3D系列工作，谷歌学术引用6000余次，曾获2020年国际模式识别大会最佳学生论文奖、华为火花奖。现作为负责人承担国自然海外优青项目、专项项目、面上项目以及科技部重点研发计划课题等项目。

报告摘要：基于图像的三维重建技术通常依赖于稠密的多视角图像输入，并多关注于可见区域的建模，因此在视角稀疏或存在遮挡严重的场景下，往往难以保证重建结果的完整性和质量。近年来，图像生成、视频生成以及三维生成等领域的快速发展，为突破传统重建技术的局限提供了新的可能。本报告将围绕生成式三维重建技术，介绍课题组在极稀疏视角输入与遮挡严重等非配合场景下三维重建方法的探索。

讲者简介：崔兆鹏，浙江大学计算机科学与技术学院“百人计划”研究员、博士生导师，国家级青年人才计划入选者。2017年至2020年在瑞士苏黎世联邦理工学院计算机视觉和几何实验室任高级研究员。研究方向为三维计算机视觉，具体包括三维重建、三维理解、SLAM、三维内容生成和三维运动规划等。近年来在计算机视觉、机器人、计算机图形学、机器学习等领域的顶级期刊和会议上发表论文60余篇，曾主持国家自然科学基金青年基金项目、专项项目等。目前担任Pattern Recognition、IEEE RA-L等国际期刊编委，曾担任领域内顶级会议CVPR、ECCV、IJCAI领域主席，SIGGRAPH程序委员会委员，以及ICRA、IROS副编委等。曾获ICRA 2020机器视觉最佳论文提名、IROS 2021安全、安保和救援机器人最佳论文提名、3DV 2024最佳论文荣誉提名。

报告摘要：三维高斯泼溅（3DGS）在重建与生成领域潜力巨大，但仍面临关键挑战。本报告将介绍我们如何通过引入几何与语义先验，系统性地提升其性能。在重建方面，针对逆向渲染中因三维高斯几何约束缺失导致的光照材质分解难题，我们的工作GeoSplatting通过融合可优化的显式网格，引入精确的几何物理先验，显著提升了高斯重建的物理真实感。在生成方面，我们针对主流分数蒸馏（SDS Loss）方法的两大瓶颈：1）为解决语义理解粗糙的问题，VLM3D框架创新地引入大型视觉语言模型（VLM）作为精细化的语义与空间奖励；2）为解决生成结果单一的模式坍塌问题，Dive3D框架则提出全新的分数隐式匹配（SIM）损失，从根源上提升了三维高斯生成内容的多样性。

讲者简介：陈文拯，北京大学王选计算机研究所助理教授、研究员、博士生导师。主要从事三维视觉、计算摄影方面的科研工作，探索物理成像与人工智能的深度融合。在CVPR、NeurIPS、SIGGRAPH等国际会议发表学术论文30余篇。入选北京大学“未名青年学者”、中国科协“青年人才托举工程”，获华为人才基金资助。担任SIGGRAPH、CVPR、NeurIPS等多个顶级会议程序委员、领域主席。研究成果被NVIDIA Omniverse、Snapchat等平台广泛应用。