arXiv cs.AI· Seemandhar Jain, Manmohan Chandraker·· 10 小时前AI 评分40
SplatLab：面向 3DGS 研究的自主科学发现系统
SplatLab: Autonomous Scientific Discovery for 3DGS Research
AI 导读
SplatLab 是面向 3D Gaussian Splatting（3DGS）的自主科学发现系统，将文献理解、假设生成、实现、实验精炼、证伪与论文撰写整合为统一研究流水线。
正文 · AI 翻译
摘要：科学发现不仅仅需要生成假设：想法必须建立在已有工作之上，转化为可执行的方法，经过实验验证，接受反证挑战，并通过可复现的发现进行传播。尽管自主研究智能体最近取得了进展，但在训练流程复杂、评估成本高昂且快速演变的计算机视觉领域，闭合这一整个循环仍然具有挑战性。
我们提出 SplatLab，一个面向 3D 高斯泼溅（3DGS）的自主科学发现系统，它将文献理解、假设生成、实现、实验改进、证伪和论文写作整合到一个统一的研究流程中。给定一个研究提示、一个目标论文 URL，或完全不提供输入，SplatLab 会识别研究机会、提出新方法、在 Mip-NeRF 360 和 LLFF 上训练并消融候选方法，并生成以可验证实验证据为依据的论文。
与以往系统不同，SplatLab 在经验证的基线实现上，使用与领域对齐的修改脚手架进行发现。级联加权 Elo 锦标赛利用实测 GPU 性能和语言梯度反馈来演化候选方法，而常设证伪器将对抗性压力测试直接纳入选择过程。完整性审计将报告的主张与记录的实验绑定，审稿人驱动的反馈可以启动进一步实验，而不仅仅是修改文本。
SplatLab 发现的方法在匹配基线上实现了 +0.18 至 +3.78 dB 的 PSNR 提升，其中包括在天文摄影星云渲染上 +3.78 dB 的提升，这是 3DGS 此前未探索的场景。通过闭合科学推理、可执行实验和有证据支持的交流之间的循环，SplatLab 将数月的研究人员努力压缩为几天以自主计算为主的工作。
| 评论： | 已被 NeurIPS 2026 接收。14 页，4 幅图。项目页面：此 https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.30468 [cs.CV] |
| （或 arXiv:2610.30468v3 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.30468 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Seemandhar Jain [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 21:30:32 UTC（19,666 KB）
[v2]
2026 年 11 月 8 日星期日 04:37:54 UTC（82,078 KB）
[v3]
2026 年 11 月 10 日星期二 12:24:58 UTC（2,675 KB）
来源：arXiv cs.AI · arxiv.org