3D 视觉

Topological Signal Processing for 3D Point Cloud Data

拓扑信号处理用于3D点云数据

Tiziana Cattai, Stefania Sardellitti, Stefania Colonnese, Sergio Barbarossa

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出基于拓扑信号处理的3D点云分析方法，通过高阶拉普拉斯算子实现对点云颜色和几何属性的高效处理与重构。

Comments ACCEPTED PAPER TO ICASSP 2026 (IEEE International Conference on Acoustics, Speech, and Signal Processing)

Exploring Singularities in point clouds with the graph Laplacian: An explicit approach

在点云中探索奇点的图拉普拉斯方法：一种显式方法

Martin Andersson, Benny Avelin

机构 * Department of Mathematics, Uppsala University（数学系，乌普萨拉大学） 纠错

专题命中 点云 ：point cloud(title)

AI总结 本文提出了一种利用图拉普拉斯方法分析点云中奇点几何结构的理论和方法，通过显式界限检测奇点并估计其几何性质。

Comments 28 pages, 12 figures

Journal ref Journal of Computational Mathematics and Data Science 14 (2025) 100113

RADE-Net: Robust Attention Network for Radar-Only Object Detection in Adverse Weather

RADE-Net：面向恶劣天气的雷达-only目标检测稳健注意力网络

Christof Leitgeb, Thomas Puchleitner, Max Peter Ronecker, Daniel Watzenig

机构 * Infineon Technologies AG（英飞凌科技有限公司） ； Institute of Visual Computing（视觉计算研究所） ； Graz University of Technology（格拉茨工业大学） ； Virtual Vehicle Research GmbH（虚拟车辆研究有限公司） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 RADE-Net通过3D投影方法和轻量模型提升雷达在恶劣天气下的目标检测性能。

Comments Accepted to 2026 IEEE Intelligent Vehicles Symposium (IV)

VGGT-MPR: VGGT-Enhanced Multimodal Place Recognition in Autonomous Driving Environments

VGGT-MPR：基于VGGT的多模态地点识别在自动驾驶环境中的应用

Jingyi Xu, Zhangshuo Qi, Zhongmiao Yan, Xuyu Gao, Qianyun Jiao, Songpengcheng Xia, Xieyuanli Chen, Ling Pei

机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing Institute of Technology（北京理工大学） ； National University of Defense Technology（国防科技大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 VGGT-MPR通过视觉几何基础的Transformer实现多模态地点识别，在自动驾驶中表现出强鲁棒性。

Direction-aware 3D Large Multimodal Models

具有方向感知的3D大多模态模型

Quan Liu, Weihao Xuan, Junjue Wang, Naoto Yokoya, Ling Shao, Shijian Lu

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 本文提出方向感知的3D大多模态模型，通过补充自身姿态并改进点云数据对齐，提升3D多模态模型的性能和通用性。

Comments In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

RangeSAM: On the Potential of Visual Foundation Models for Range-View represented LiDAR segmentation

RangeSAM: 视觉基础模型在基于视距表示的激光雷达分割中的潜力

Paul Julius Kühn, Duc Anh Nguyen, Arjan Kuijper, Saptarshi Neil Sinha

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 RangeSAM利用视觉基础模型SAM2改进基于视距的激光雷达分割，通过高效2D特征提取和定制架构优化，实现高效的3D分割性能。

Enhancing 3D LiDAR Segmentation by Shaping Dense and Accurate 2D Semantic Predictions

通过塑造密集且准确的2D语义预测来增强3D激光雷达分割

Xiaoyu Dong, Tiankui Xian, Wanshui Gan, Naoto Yokoya

机构 * The University of Tokyo（东京大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 本文提出MM2D3D模型，通过多模态引导滤波和动态跨伪监督提升2D预测质量，从而增强3D激光雷达分割的准确性。

Depth-PC: A Visual Servo Framework Integrated with Cross-Modality Fusion for Sim2Real Transfer

Depth-PC: 一种集成跨模态融合的视觉伺服框架用于仿真到现实迁移

Haoyu Zhang, Yang Liu, Yimu Jiang, Weiyang Lin, Chao Ye

机构 * Research Institute of Intelligent Control and Systems, Harbin Institute of Technology（智能控制与系统研究所，哈尔滨工业大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.RO

AI总结 Depth-PC通过跨模态融合和图神经网络实现零样本仿真到现实迁移的视觉伺服框架

Evaluating and Improving the Robustness of LiDAR Odometry and Localization Under Real-World Corruptions

评估和改进在真实世界腐蚀下的LiDAR里程计与定位鲁棒性

Bo Yang, Tri Minh Triet Pham, Jinqiu Yang

机构 * Department of Computer Science and Software Engineering, Concordia University（计算机科学与软件工程系，康科迪亚大学） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.RO

AI总结 本文提出首个评估LiDAR里程计与定位在真实世界腐蚀下鲁棒性的基准，并提出轻量级过滤与学习微调策略以提升其鲁棒性。