1. 목표
단순히 VGGT가 제목이나 초록에 들어간 논문만 모으면 feed-forward visual geometry 주변부는 잡히지만,
CVPR 2026의 3D reconstruction 전체 동향은 놓친다. 그래서 이 분석은 VGGT를 하나의 검색어가 아니라
feed-forward geometry로 재편되는 3D reconstruction을 읽는 렌즈로 사용했다.
핵심 thesis: CVPR 2026 3D reconstruction은 VGGT류 feed-forward geometry, Gaussian/radiance representation,
pose-calibration-localization reliability, dynamic/4D reconstruction, robotics mapping/world model 쪽으로 나뉘어 움직인다.
2. 처리 파이프라인
데이터는 공개 explorer HTML 안의 <script id="app-data" type="application/json"> 블록에서 직접 추출했다.
각 논문에 대해 제목, 초록, primary phylum, primary genus, topics를 합친 텍스트를 만들고, 여러 검색어 군을 동시에 적용했다.
1. 데이터 추출explorer HTML에서 embedded JSON 추출. 총 4,070편.
2. 검색어 매칭VGGT, Gaussian, reconstruction, pose, 4D, mapping 등 10개 그룹 매칭.
3. 자동 태깅input, output, claim type, method family를 abstract 기반으로 태깅.
4. 점수화/필터링broad 후보, strict 후보, blog seed list로 단계적 축소.
5. 블로그용 해석논문을 나열하지 않고 thesis anchor, bridge, representative로 역할 분류.
3. 검색어 설계
검색어는 단일 키워드가 아니라 서로 겹치는 analytical lens로 구성했다. 한 논문이 여러 그룹에 걸리면, 그 논문은 블로그에서 cluster를 연결하는 bridge 후보가 된다.
| 그룹 | 의도 | 대표 검색어 |
|---|---|---|
| VGGT / feed-forward geometry | VGGT 이후 visual geometry foundation model 흐름 탐지 | VGGTvisual geometryfeed-forward reconstructionpoint mapDUSt3RMASt3R |
| General reconstruction / multiview | 전통적인 3D reconstruction, SfM/MVS, multi-view 계열 포착 | 3D reconstructionmulti-viewSfMMVSbundle adjustmentregistration |
| Gaussian / radiance field | 3DGS, NeRF, view synthesis가 map/scene representation으로 확장되는 흐름 탐지 | Gaussian3DGSsplattingradiance fieldNeRFnovel view |
| Pose / calibration / localization | metric system으로 갈 때 남는 pose, calibration, localization 병목 탐지 | camera posepose estimationcalibrationlocalizationSLAM |
| Dynamic / 4D | static reconstruction을 넘어 dynamic scene, streaming, 4D로 가는 흐름 탐지 | 4Ddynamic scenedeformabletemporalstreaming 3D |
| Mapping / autonomous / embodied | reconstruction이 visual asset이 아니라 world model이나 map으로 쓰이는 흐름 탐지 | mappingactive mappingautonomous drivingBEVworld modelembodied |
4. 분류와 점수화 방식
4.1 자동 태깅 필드
| 필드 | 의미 | 예시 |
|---|---|---|
matched_groups | 논문이 걸린 검색/해석 클러스터 | vggt_lineage, gaussian_radiance, dynamic_4d |
inputs | 논문이 가정하는 입력 regime | single image, sparse multi-view, video, panorama, LiDAR/driving |
outputs | 논문이 만드는 출력 representation | camera pose, depth, point map, Gaussian map, mesh/surface, occupancy, 4D scene |
claims | 논문이 주장하는 기여 유형 | foundation/prior, unified pipeline, efficiency, scale, robustness, dynamic, benchmark/data |
score | 검색 그룹 가중치, 3D Vision taxonomy, cross-cluster 정도를 합친 전략 점수 | 0-100으로 clipping |
editorial_bucket | 블로그에서 사용할 역할 | thesis anchor, bridge, representative, adjacent context |
4.2 3단계 필터
| 단계 | 결과 수 | 목적 | 해석 |
|---|---|---|---|
| Broad candidates | 1,417 | 최대한 놓치지 않는 감시망 | false-positive가 꽤 있음. trend radar 용도. |
| Strict reading candidates | 864 | 3D geometry/reconstruction 중심으로 좁힌 분석 모집단 | 블로그 재료 풀. 여전히 전부 읽을 필요는 없음. |
| Blog seed list | 178 | 1차 정독 우선순위 | A/B bucket 중심으로 대표 논문을 quota 기반 추출. |
| Curated relevance pass | 436 | 최종 리포트의 중심 근거 | 864 strict 후보를 다시 core reconstruction 362, strong bridge 74, adjacent 223, likely noise 205로 재분류. |
864편 strict 후보는 진짜 reconstruction 논문 수가 아니라 recall-heavy screening pool이다.
최종 동향 결론은 추가 relevance pass에서 남긴 core reconstruction 362편과 strong bridge 74편, 특히 high-confidence core/bridge 297편을 중심 근거로 사용한다.
5. 결과
5.1 Strict 후보의 클러스터 분포
| 클러스터 | 논문 수 | 상대 규모 |
|---|---|---|
| General 3D reconstruction / multiview | 592 | |
| Mesh / surface / implicit / occupancy | 561 | |
| Dataset / benchmark / evaluation | 425 | |
| Gaussian / radiance field / view synthesis | 333 | |
| Dynamic / 4D reconstruction | 271 | |
| Depth / stereo / dense correspondence | 267 | |
| Pose / calibration / localization | 256 | |
| Mapping / autonomous / embodied | 251 | |
| 3D generation / editing bridge | 151 | |
| VGGT / feed-forward geometry | 67 |
5.2 Editorial bucket 분포
| Bucket | Strict 후보 수 | Seed list 수 | 블로그에서의 역할 |
|---|---|---|---|
| A. thesis anchor: representation shift | 159 | 35 | Gaussian/radiance/representation 전환을 설명하는 핵심 근거 |
| A. thesis anchor: VGGT/feed-forward geometry | 67 | 30 | VGGT 이후 feed-forward geometry 흐름의 중심 근거 |
| A. thesis anchor: dynamic/4D recon | 40 | 30 | static 3D에서 dynamic/4D로 이동하는 pressure test |
| B. bridge: reconstruction becomes mapping/world model | 33 | 25 | robotics/SLAM 관점으로 연결하는 다리 |
| B. bridge: representation meets metric pose | 13 | 13 | 3DGS/representation과 pose/localization reliability의 접점 |
| C. cluster representative | 284 | 35 | 각 섹션의 예시 논문 |
| D. adjacent but useful context | 268 | 10 | 주변부 맥락 또는 false-positive 확인용 |
5.3 강한 cross-cluster 신호
| Cross-cluster | 논문 수 | 해석 |
|---|---|---|
| General reconstruction + surface/occupancy | 455 | 3D reconstruction이 mesh, surface, occupancy 같은 explicit representation과 강하게 엮임. |
| Gaussian/radiance + general reconstruction | 228 | 3DGS/NVS가 단순 rendering을 넘어 reconstruction 문제의 중심 표현으로 이동. |
| Dynamic/4D + general reconstruction | 202 | static scene에서 moving scene, temporal consistency, 4D reconstruction으로 확장. |
| General reconstruction + robotics mapping | 141 | visual reconstruction과 map/world model 사이의 연결이 늘어남. |
| General reconstruction + pose/calibration/localization | 126 | real system으로 가는 데 pose와 metric consistency가 병목으로 남아 있음. |
| Dynamic/4D + Gaussian/radiance | 112 | Gaussian 계열이 dynamic scene representation으로 확장되는 흐름. |
6. Seed list 예시
A. VGGT / feed-forward geometry
- Dynamic Visual SLAM using a General 3D Prior
- DynamicVGGT: Learning Dynamic Point Maps for 4D Scene Reconstruction in Autonomous Driving
- E-RayZer: Self-supervised 3D Reconstruction as Spatial Visual Pre-training
- FRM: Linear-Time 3D Reconstruction via Test-Time Training
- OmniVGGT: Omni-Modality Driven Visual Geometry Grounded Transformer
A. Representation shift
- 3D Gaussian Splatting with Self-Constrained Prior for High Fidelity Surface Reconstruction
- AeroGS: Scale-Aware Gaussian Splatting for Pose-Free Dynamic UAV Scene Reconstruction
- AnchorSplat: Feed-Forward 3D Gaussian Splatting With 3D Geometric Priors
- BA-GS: Bayesian Adaptive Gaussian Splatting for SFM-Free 3D Reconstruction
- Energy-GS: Image Energy-guided Pose Alignment Gaussian Splatting with redesigned pose gradient flow
A. Dynamic / 4D reconstruction
- 4D Primitive-Mache: Glueing Primitives for Persistent 4D Scene Reconstruction
- CARI4D: Category Agnostic 4D Reconstruction of Human-Object Interaction
- Catch Me if You Can: Active Mapping of Moving 3D Objects
- Complet4R: Geometric Complete 4D Reconstruction
- Revisiting Monocular SLAM with Spatio-Temporal Scene Modeling
B. Metric pose / mapping bridge
- AERGS-SLAM: Auto-Exposure-Robust Stereo 3D Gaussian Splatting SLAM
- Flow4DGS-SLAM: Optical Flow-Guided 4D Gaussian Splatting SLAM
- ODGS-SLAM: Omnidirectional Gaussian Splatting SLAM
- DROID-SLAM in the Wild
- Dual-Agent Reinforcement Learning for Adaptive and Cost-Aware Visual-Inertial Odometry
7. 해석
결과적으로 VGGT만 보면 67편 규모의 feed-forward geometry 주변 논문을 볼 수 있지만,
CVPR 2026의 3D reconstruction 변화는 그보다 넓다. 더 큰 신호는 Gaussian/radiance field가 reconstruction representation으로 확장되고,
dynamic/4D reconstruction이 static reconstruction의 다음 평가 축이 되며, pose/calibration/localization이 실제 시스템화를 위한 reliability layer로 남아 있다는 점이다.
블로그의 좋은 구조는 논문 리스트가 아니라 field movement를 설명하는 방식이다. 즉 “좋은 논문 몇 개”를 고르는 것이 아니라, 어떤 논문이 중심 thesis를 만들고, 어떤 논문이 bridge 역할을 하며, 어떤 논문은 지엽적이지만 남은 병목을 보여주는지 분리해야 한다.
추천 결론: 연구 기회는 VGGT-like feed-forward prior + metric factor graph / online update + uncertainty 쪽에 있다.
CVPR식 feed-forward 3D와 robotics식 SLAM/mapping 사이에는 아직 실질적인 간극이 남아 있다.
8. 산출물 링크
블로그 1차 정독 seed list CSV
Seed list HTML audit
Curated relevance CSV
Curated relevance HTML audit
Strict 후보 864편 CSV
Strict 후보 HTML audit
Broad 후보 1,417편 CSV
클러스터 요약 CSV
한국어 블로그 플랜 Markdown
전략 브리프 Markdown
생성 스크립트: process_cvpr2026_3d_recon.py. 원본 JSON snapshot은 data/cvpr2026_app_data.json에 저장되어 있다.