近日，上海交通大学致远学院“致远九期”2020届工科荣誉计划（钱学森班-机械工程）毕业生李跃传来捷报。其作为第一作者的研究论文《Chorus: Multi-Teacher Pretraining for Holistic 3D Gaussian Scene Encoding》被计算机视觉与模式识别领域顶级会议CVPR 2026接收，并获选为口头报告（Oral）。该论文由李跃与来自阿姆斯特丹大学、苏黎世联邦理工学院、INSAIT等机构的学者合作完成。李跃本科毕业后赴苏黎世联邦理工学院深造，现于阿姆斯特丹大学攻读博士，研究方向为三维场景理解与多模态学习。他在该领域已取得一系列重要成果，代表性工作SceneSplat是基于三维高斯表征的可泛化场景编码器，以第一作者身份相继入选3DV 2025（Oral）、ICCV 2025（Oral）、NeurIPS 2025等国际顶会。

项目主页：https://gaussianworld.github.io/Chorus/

文章链接：https://arxiv.org/abs/2512.17817

Chorus是李跃所在GaussianWorld系列研究的最新成果。该系列工作持续探索一个核心问题：能否从可渲染的三维世界中，学习出类似二维视觉中DINO模型那样可复用、可迁移的三维主干网络。此前，从面向物体的ShapeSplat，到聚焦室内场景的SceneSplat（ICCV 2025 Oral），再到扩展至4.9万场景规模的SceneSplat++（NeurIPS 2025），该团队逐步推进三维场景编码器的研究。Chorus则更进一步，提出了“多教师预训练”框架。它巧妙利用三维高斯泼溅技术（3DGS）的可渲染性，将多个二维基础模型的互补信号（如语义、实例、空间结构）蒸馏到一个统一的三维场景编码器中。

研究中最有趣的发现是，同一套训练框架也能训练出强大的点云编码器。该变体在仅使用所收集高斯数据的中心、颜色和法向量作为输入时，性能超越了专门的点云预训练方法，而训练场景数量仅为后者的约1/40。这项工作首次将三维高斯与点云这两种表示自然地连接起来，为构建更通用的场景编码器开辟了新路径。

系列工作主页：https://gaussianworld.github.io/

Chorus框架与结果概览，包括多教师预训练、新场景特征可视化以及多任务评测

本科四年间，李跃在致远学院工科荣誉计划的平台上获得了扎实的成长。荣誉课程为他打下了坚实的学术基础，而学院举办的沙龙、分享会、班会等多样化活动，则帮助他不断拓宽视野、学会主动规划。除此之外，在荣誉计划中结识的同学们，彼此交流研讨、互相勉励，成为求学路上珍贵的同行伙伴。他曾在分享中提到，进入计划初期老师们反复强调的“主动学习”理念，即不盲从于进度，不放过疑问，从眼前开始规划，多向他人请教，让他在日复一日的学习生活中逐渐积累量变，也让他更早地明确了投身科研的志向。