3D 视觉

PointAlign: Feature-Level Alignment Regularization for 3D Vision-Language Models

PointAlign：用于3D视觉-语言模型的特征级对齐正则化

Yuanhao Su, Shaofeng Zhang, Xiaosong Jia, Qi Fan

机构 * University of Science and Technology of China（中国科学技术大学） ； Fuzhou University（福州大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） 纠错

专题命中 点云 ：3D vision(title,abstract)；point cloud(abstract)；分类 cs.CV

AI总结 PointAlign通过特征级对齐正则化提升3D视觉-语言模型的几何信息保留与任务性能

Comments CVPR 2026 Accepted

MFP3D: Monocular Food Portion Estimation Leveraging 3D Point Clouds

MFP3D：利用3D点云的单目食物分量估计

Jinge Ma, Xiaoyan Zhang, Gautham Vinod, Siddeshwar Raghavan, Jiangpeng He, Fengqing Zhu

机构 * Elmore Family School of Electrical and Computer Engineering, Purdue University, West Lafayette, USA（电气与计算机工程学院，普渡大学，西拉法叶，美国） ； College of Artificial Intelligence, Anhui University, Hefei, China（人工智能学院，安徽大学，合肥，中国） 纠错

专题命中 点云 ：point cloud(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 MFP3D通过单目图像和3D点云技术实现准确的食物分量估计，提升饮食监控的精度。

Comments 9th International Workshop on Multimedia Assisted Dietary Management, in conjunction with the 27th International Conference on Pattern Recognition (ICPR2024)

PPC-MT: Parallel Point Cloud Completion with Mamba-Transformer Hybrid Architecture

PPC-MT：基于Mamba-Transformer混合架构的并行点云补全

Jie Li, Shengwei Tian, Long Yu, Xin Ning

机构 * Xinjiang University（新疆大学） ； Institute of Semiconductors, Chinese Academy of Sciences（半导体研究所，中国科学院） 纠错

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

AI总结 PPC-MT通过混合Mamba-Transformer架构，提出并行点云补全方法，在效率与重建精度间取得平衡。

Comments Submitted to IEEE TPAMI

Flexible-weighted Chamfer Distance: Enhanced Objective Function for Point Cloud Completion

灵活加权卡姆费距离：点云补全的增强目标函数

Jie Li, Shengwei Tian, Long Yu, Xin Ning

机构 * Xinjiang University（新疆大学） ； Institute of Semiconductors, Chinese Academy of Sciences（半导体研究所，中国科学院） 纠错

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

AI总结 FCD通过不对称加权策略提升点云补全的全局结构完整性，显著降低关键指标如DCD和EMD，增强点云的均匀性和结构完整性。

Comments Accepted by IEEE TPAMI 2026. This is the author's version of the work. \c{opyright} 2026 IEEE. Personal use of this material is permitted. Code is available at this https URL [https://github.com/Carroll-Li/FCD]

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026

LEAR: Learning Edge-Aware Representations for Event-to-LiDAR Localization

LEAR: 为事件到LiDAR定位学习边缘感知表示

Kuangyi Chen, Jun Zhang, Yuxi Hu, Yi Zhou, Friedrich Fraundorfer

机构 * Institute of Visual Computing, Graz University of Technology（视觉计算研究所，技术大学格拉茨） ； School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） 纠错

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

AI总结 LEAR通过联合估计边缘结构和密集事件深度流场，解决事件与LiDAR对齐难题，提升GPS受限环境下的定位精度。

Adaptive Augmentation-Aware Latent Learning for Robust LiDAR Semantic Segmentation

自适应增强感知潜在学习用于鲁棒激光雷达语义分割

Wangkai Li, Zhaoyang Li, Yuwen Pan, Rui Sun, Yujia Chen, Tianzhu Zhang

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

AI总结 A3Point通过自适应增强感知潜在学习框架，有效缓解恶劣天气下的语义偏移问题，提升激光雷达语义分割的鲁棒性。

Comments Accepted by International Conference on Learning Representations (ICLR 2026)

TGM-VLA: Task-Guided Mixup for Sampling-Efficient and Robust Robotic Manipulation

TGM-VLA：基于任务的混合学习用于高效且鲁棒的机器人操作

Fanqi Pu, Lei Jiang, Wenming Yang

机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院） ； The National and Local Co-Build Humanoid Robotics Innovation Center（国家级与地方共建人形机器人创新中心） 纠错

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

AI总结 TGM-VLA通过优化关键帧采样策略和引入颜色反转投影模块，提升机器人操作任务的效率和鲁棒性。

Comments 8 pages, 7 figures

Random Wins All: Rethinking Grouping Strategies for Vision Tokens

随机胜出：重新思考视觉token的分组策略

Qihang Fan, Yuang Ai, Huaibo Huang, Ran He

机构 * MAIS & NLPR, Institute of Automation, Chinese Academy of Sciences, Beijing, China（自动化研究所，中国科学院，北京） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（人工智能学院，中国科学院大学，北京） 纠错

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

AI总结 本文提出随机分组策略，通过简单方法提升视觉token处理效率，实验显示其在多种任务中表现优异。

Comments Accepted by CVPR2026

Layered Safety: Enhancing Autonomous Collision Avoidance via Multistage CBF Safety Filters

分层安全：通过多阶段CBF安全过滤器增强自主避障

Erina Yamaguchi, Ryan M. Bena, Gilbert Bahati, Aaron D. Ames

机构 * Caltech（卡内基梅隆大学） 纠错

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

AI总结 本文提出一种多阶段CBF安全过滤器，通过预测和实时安全过滤提升机器人动态避障的鲁棒性和安全性。

ISS Policy : Scalable Diffusion Policy with Implicit Scene Supervision

ISS政策：具有隐式场景监督的可扩展扩散策略

Wenlong Xia, Jinhao Zhang, Ce Zhang, Yaojia Wang, Huizhe Li, Youmin Gong, Jie Mei

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

AI总结 ISS策略通过隐式场景监督模块提升机器人操作的性能和鲁棒性，实现高效、泛化能力强的3D视觉-运动扩散策略。

Point-MoE: Large-Scale Multi-Dataset Training with Mixture-of-Experts for 3D Semantic Segmentation

点-MoE：通过混合专家进行大规模多数据集训练用于3D语义分割

Xuweiyi Chen, Wentao Zhou, Aruni RoyChowdhury, Zezhou Cheng

机构 * University of Virginia（弗吉尼亚大学） ； MathWorks 纠错

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

AI总结 Point-MoE通过混合专家方法在无需数据集标签的情况下，实现大规模多数据集联合训练，提升3D语义分割性能。

Comments Project page: https://point-moe.cs.virginia.edu/

MSSPlace: Multi-Sensor Place Recognition with Visual and Text Semantics

MSSPlace: 多传感器位置识别与视觉和文本语义

Alexander Melekhin, Dmitry Yudin, Ilia Petryashin, Vitaly Bezuglyj

机构 * Intelligent Transport Laboratory, Moscow Institute of Physics and Technology（智能交通实验室，莫斯科物理技术学院） ； Artificial Intelligence Research Institute (AIRI)（人工智能研究机构（AIRI）） 纠错

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

AI总结 MSSPlace通过整合多传感器数据和视觉文本语义，提升位置识别性能，达到最先进的效果。

Comments This work has been submitted to the IEEE for possible publication

Towards Camera Open-set 3D Object Detection for Autonomous Driving Scenarios

面向自动驾驶场景的相机开放集3D目标检测

Zhuolin He, Xinrun Li, Jiacheng Tang, Shoumeng Qiu, Wenfu Wang, Xiangyang Xue, Jian Pu

机构 * ZILab 纠错

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

AI总结 OS-Det3D通过两阶段框架提升自动驾驶中相机3D目标检测器对未知对象的发现与识别能力，同时提升已知对象的检测性能。

Finding the Homology of Manifolds using Ellipsoids

使用椭球体寻找流形的同调

Sara Kalisnik, Davorin Lesnik

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出利用椭球体而非球体来计算流形的同调，从而降低样本密度要求并改进持续同调的构造方法。

Geometric and Probabilistic Limit Theorems in Topological Data Analysis

几何与概率极限定理在拓扑数据分析中的应用

Sara Kalisnik, Christian Lehn, Vlada Limic

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种分析随机有限点云的概率框架，证明了条形码在点数趋于无穷时的收敛性，并探讨了在紧致流形上均匀采样的定量收敛问题。

Optimal alignment of Lorentz orientation and generalization to matrix Lie groups

洛伦兹取向的最优对齐及其对矩阵李群的推广

Congzhou M Sha

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出两种方法解决四向量在不同参考系间的最优洛伦兹变换问题，并推广到其他矩阵李群的向量对齐

Comments 10 pages, 2 figures