3D 视觉

P-SLCR: Unsupervised Point Cloud Semantic Segmentation via Prototypes Structure Learning and Consistent Reasoning

P-SLCR：通过原型结构学习和一致推理实现无监督点云语义分割

Lixin Zhan, Jie Jiang, Tianjian Zhou, Yukun Du, Yan Zheng, Xuehu Duan

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

AI总结 P-SLCR通过原型结构学习和一致推理，实现点云语义分割的无监督方法，取得优于全监督方法的性能。

Journal ref AAAI2026

Indoor Space Authentication by ISS-based Keypoint Extraction from 3D Point Clouds

基于3D点云的内在形状特征提取的室内空间认证

Yuki Yamada, Daisuke Kotani, Kota Tsubouchi, Hidehito Gomi, Yasuo Okabe

专题命中 点云 ：point cloud(title)

AI总结 ISS-RegAuth通过稀疏关键点提取实现轻量级室内空间认证，降低误差率和数据传输量，提升隐私保护与边缘部署能力。

Comments Accepted in IEEE PerCom 2026 as a Work-in-Progress paper

OnlineSI: Taming Large Language Model for Online 3D Understanding and Grounding

OnlineSI: 通过大规模语言模型实现在线3D理解和定位

Zixian Liu, Zhaoxi Chen, Liang Pan, Ziwei Liu

机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai AI Lab（上海人工智能实验室） 纠错

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

AI总结 OnlineSI通过整合3D点云与语义信息，提升大规模语言模型在动态环境中的空间理解和物体识别能力。

Comments Project Page: https://onlinesi.github.io/

SG-DOR: Learning Scene Graphs with Direction-Conditioned Occlusion Reasoning for Pepper Plants

SG-DOR：基于方向条件遮挡推理的学习场景图用于Pepper植物

Rohit Menon, Niklas Mueller-Goldingen, Sicong Pan, Gokul Krishna Chenchani, Maren Bennewitz

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

AI总结 SG-DOR通过方向条件遮挡推理，提升密集作物中果实遮挡预测与连接推断的准确性，为机器人采摘提供结构化关系信号。

Hierarchical Collaborative Fusion for 3D Instance-aware Referring Expression Segmentation

层次化协作融合用于3D实例感知指代表达分割

Keshen Zhou, Runnan Chen, Mingming Gong, Tongliang Liu

机构 * The University of Sydney（悉尼大学） ； The University of Melbourne（墨尔本大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 HCF-RES通过层次化视觉语义分解和渐进多级融合，实现了3D实例感知指代表达分割的高精度与细粒度定位。

OmniDP: Beyond-FOV Large-Workspace Humanoid Manipulation with Omnidirectional 3D Perception

OmniDP: 在超广角大工作空间中实现人形机器人的全方位3D感知

Pei Qu, Zheng Li, Yufei Jia, Ziyun Liu, Liang Zhu, Haoang Li, Jinni Zhou, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） 纠错

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

AI总结 OmniDP通过360度全景点云感知和时间感知注意力池化机制，实现人形机器人在大工作空间中的稳健操作，优于传统深度相机方法。

Comments 8 pages, 6 figures

Reparameterized Tensor Ring Functional Decomposition for Multi-Dimensional Data Recovery

重新参数化张量环功能分解用于多维数据恢复

Yangyang Xu, Junbo Ke, You-Wei Wen, Chao Wang

机构 * Key Laboratory of Computing and Stochastic Mathematics (Ministry of Education)（计算与随机数学重点实验室（教育部）） ； School of Mathematics and Statistics（数学与统计学学院） ； Department of Statistics and Data Science（统计与数据科学系） 纠错

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

AI总结 本文提出了一种重新参数化的张量环功能分解方法，通过结合可学习的潜在张量和固定基底，提升多维数据恢复的性能。

Comments 22 pages, 18 figures, 12 tables. Accepted by CVPR 2026

Rotation-invariant graph message passing enables acquisition protocol generalisation in learning-based brain microstructure estimation

旋转不变图消息传递实现基于学习的脑微结构估计中的获取协议泛化

Leevi Kerkelä, Hui Zhang

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种旋转不变图消息传递网络，通过模拟数据训练实现微结构估计的协议泛化，无需重新训练即可适应未知协议。

Kinetic-based regularization: Learning spatial derivatives and PDE applications

基于动力学的正则化：学习空间导数和PDE应用

Abhisek Ganguly, Santosh Ansumali, Sauro Succi

机构 * Engineering Mechanics Unit（工程力学单元） ； Jawaharlal Nehru Centre for Advanced Scientific Research（贾瓦哈拉尔·奈尔中心先进科学研究所） ； Fondazione Istituto Italiano di Tecnologia（意大利技术研究院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出基于动力学的正则化方法，用于高精度学习空间导数并应用于偏微分方程的求解，通过两种方案实现二次收敛性，提升在不规则点云上求解PDE的稳定性与准确性。

Comments Published as a conference paper at ICLR 2026 Workshop AI and PDE