3D 视觉

SLNet: A Super-Lightweight Geometry-Adaptive Network for 3D Point Cloud Recognition

SLNet：一种轻量级几何自适应网络用于3D点云识别

Mohammad Saeid, Amir Salarpour, Pedram MohajerAnsari, Mert D. Pesé

机构 * Sirjan University of Technology（锡耶扬技术大学） ； Clemson University（克莱姆森大学） 纠错

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

AI总结 SLNet通过轻量级几何自适应网络实现高效3D点云识别，在多个任务中均取得优异性能。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

mmGAT: Pose Estimation by Graph Attention with Mutual Features from mmWave Radar Point Cloud

mmGAT: 通过毫米波雷达点云的图注意力机制进行姿态估计

Abdullah Al Masud, Shi Xintong, Mondher Bouazizi, Ohtsuki Tomoaki

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

AI总结 mmGAT通过毫米波雷达点云的图注意力机制，提升姿态估计性能，实现MPJPE和PA-MPJPE的显著降低。

Comments copyright 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Journal ref M. A. Al, X. Shi, B. Mondher and T. Ohtsuki, "mmGAT: Pose Estimation by Graph Attention with Mutual Features from mmWave Radar Point Cloud," IEEE ICC 2024, Denver, CO, USA

PCFEx: Point Cloud Feature Extraction for Graph Neural Networks

PCFEx: 用于图神经网络的点云特征提取

Abdullah Al Masud, Shi Xintong, Mondher Bouazizi, Ohtsuki Tomoaki

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

AI总结 本文提出PCFEx方法，通过将点云视为图并结合GNN架构，提升3D点云在人体姿态估计和活动识别中的精度。

Comments ©2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Journal ref IEEE Internet of Things Journal, vol. 13, no. 4, pp. 5909-5917, 15 Feb.15, 2026

LAHNet: Local Attentive Hashing Network for Point Cloud Registration

LAHNet：用于点云配准的局部注意哈希网络

Wentao Qu, Xiaoshui Huang, Liang Xiao

机构 * Nanjing University of Science and Technology（南京理工大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 LAHNet通过引入局部注意机制和高效窗口化策略，提升点云配准的特征区分性与鲁棒性。

Fast Attention-Based Simplification of LiDAR Point Clouds for Object Detection and Classification

基于快速注意力机制的激光雷达点云简化用于目标检测与分类

Z. Rozsa, Á. Madaras, Q. Wei, X. Lu, M. Golarits, H. Yuan, T. Sziranyi, R. Hamzaoui

机构 * Institute for Computer Science and Control (SZTAKI)（计算机科学与控制研究所） ； School of Information Engineering（信息工程学院） ； Faculty of Technology, Arts, and Culture（技术、艺术与文化学院） ； School of Control Science and Engineering（控制科学与工程学院） 纠错

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

AI总结 本文提出一种基于注意力机制的高效激光雷达点云简化方法，通过特征嵌入与注意力采样模块提升目标检测与分类的效率和准确性。

AnyPcc: Compressing Any Point Cloud with a Single Universal Model

AnyPcc: 用单一通用模型压缩任意点云

Kangli Wang, Qianxi Yi, Yuqi Ye, Shihao Li, Wei Gao

机构 * SECE, Peking University（北京大学SECE学院） ； Peng Cheng Laboratory（鹏城实验室） 纠错

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

AI总结 AnyPcc通过通用上下文模型和实例自适应微调策略，实现高效且鲁棒的点云压缩，适用于各种密度数据。

Comments CVPR 2026

PointSlice: Accurate and Efficient Slice-Based Representation for 3D Object Detection from Point Clouds

PointSlice: 用于点云3D物体检测的准确且高效的基于切片的表示方法

Liu Qifeng, Zhao Dawei, Dong Yabo, Xiao Liang, Wang Juan, Min Chen, Li Fuyang, Jiang Weizhong, Lu Dongming, Nie Yiming

机构 * Zhejiang University（浙江大学） ； Defense Innovation Institute（国防科技创新研究院） ； Tsinghua University（清华大学） 纠错

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

AI总结 PointSlice提出了一种基于切片的点云表示方法，通过引入切片交互网络提升3D物体检测的精度与效率。

Comments Accepted by Pattern Recognition

Scalable On-the-fly Transcoding for Adaptive Streaming of Dynamic Point Clouds

动态点云自适应流媒体的可扩展实时转码

Michael Rudolph, Matthias De Fré, Finn Schnier, Tim Wauters, Amr Rizk

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种动态点云流媒体系统，通过实时转码技术降低存储需求并提升并发客户端的可扩展性。

Comments 7 pages, 6 figures

Toward Unified Multimodal Representation Learning for Autonomous Driving

迈向自动驾驶的统一多模态表示学习

Ximeng Tao, Dimitar Filev, Gaurav Pandey

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University, College Station, TX 77843, USA（德克萨斯大学机械工程系，德克萨斯农工大学，学院站，德克萨斯，77843，美国） ； The Department of Engineering Technology and Industrial Distribution Texas A&M University, College Station, TX 77843, USA（工程技术与工业分布系，德克萨斯农工大学，学院站，德克萨斯，77843，美国） 纠错

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

AI总结 本文提出CTP框架，通过统一多模态张量对齐提升自动驾驶性能。

ClearDepth: Enhanced Stereo Perception of Transparent Objects for Robotic Manipulation

ClearDepth: 增强透明物体的立体视觉以辅助机器人操作

Kaixin Bai, Huajian Zeng, Lei Zhang, Yiwen Liu, Hongli Xu, Zhaopeng Chen, Jianwei Zhang

机构 * TAMS (Technical Aspects of Multimodal Systems), Department of Informatics, University of Hamburg（汉堡大学信息学院） ； Agile Robots SE（敏捷机器人公司） ； Technical University of Munich（慕尼黑技术大学） ； Mohamed Bin Zayed University of Artificial Intelligence (MBUZAI)（Mohamed Bin Zayed人工智能大学） 纠错

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

AI总结 ClearDepth通过视觉Transformer和特征后融合模块，提升透明物体的深度感知，以辅助机器人操作。

Comments 9 pages

M3CAD: Towards Generic Cooperative Autonomous Driving Benchmark

M3CAD：迈向通用协作自动驾驶基准

Morui Zhu, Yongqi Zhu, Yihao Zhu, Qi Chen, Deyuan Qu, Song Fu, Qing Yang

机构 * University of North Texas（北卡罗来纳州立大学） ； Toyota InfoTech Labs（丰田信息技术实验室） 纠错

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

AI总结 M3CAD是一个全面的协作自动驾驶基准，提供多模态数据支持多种自动驾驶任务，并提出多级融合方法以平衡通信效率与感知精度。

Comments Accepted to ICRA 2026

SCOPE: Scene-Contextualized Incremental Few-Shot 3D Segmentation

SCOPE: 场景上下文化增量少量样本3D分割

Vishal Thengane, Zhaochong An, Tianjin Huang, Son Lam Phung, Abdesselam Bouzerdoum, Lu Yin, Na Zhao, Xiatian Zhu

机构 * University of Surrey, UK（英国萨里大学） ； University of Wollongong, Australia（澳大利亚沃拉彭大学） ； University of Copenhagen, Denmark（丹麦哥本哈根大学） ； University of Exeter, UK（英国埃克塞特大学） ； Singapore University of Technology and Design, Singapore（新加坡科技与设计大学） 纠错

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

AI总结 SCOPE通过背景引导原型丰富框架，在3D分割中实现增量少量样本学习，提升新类别和平均IoU性能，同时减少遗忘。

Comments Accepted at CVPR 2026 (Findings)

Task-Oriented Robot-Human Handovers on Legged Manipulators

面向任务的腿式机械臂人机交接

Andreea Tulbure, Carmen Scheidemann, Elias Steiner, Marco Hutter

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

AI总结 本文提出AFT-Handover框架，通过结合大语言模型和纹理转移实现零样本、可泛化的面向任务的人机交接，提升交接成功率和泛化能力。

Comments Accepted to 21st ACM/IEEE International Conference on Human-Robot Interaction (HRI) 2026

Point-based Instance Completion with Scene Constraints

基于场景约束的点云实例补全

Wesley Khademi, Li Fuxin

机构 * Oregon State University（俄勒冈州立大学） 纠错

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

AI总结 本文提出了一种基于点云的实例补全模型，通过引入场景约束和交叉注意力机制，实现对场景中任意尺度和姿态的对象的稳健补全。

Comments Published in ICLR 2025. Project Page: https://wkhademi.github.io/point_based_instance_completion/

WHU-STree: A Multi-modal Benchmark Dataset for Street Tree Inventory

WHU-STree: 一个用于街道树盘点的多模态基准数据集

Ruifei Ding, Zhe Chen, Wen Fan, Chen Long, Huijuan Xiao, Yelu Zeng, Zhen Dong, Bisheng Yang

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

AI总结 WHU-STree是一个多模态的街道树盘点数据集，包含丰富的标注和多任务支持，用于提升城市街道树管理的自动化和智能化水平。

Journal ref ISPRS Journal of Photogrammetry and Remote Sensing, 2026, 233: 519-542

Improving the Resilience of Quadrotors in Underground Environments by Combining Learning-based and Safety Controllers

通过结合学习型控制器和安全控制器提高地下环境中四旋翼的鲁棒性

Isaac Ronald Ward, Mark Paral, Kristopher Riordan, Mykel J. Kochenderfer

机构 * Stanford Intelligent Systems Laboratory, Department of Aeronautics and Astronautics, Stanford University（斯坦福大学航空航天系） 纠错

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

AI总结 本研究通过结合学习型和安全控制器，提高四旋翼在地下环境中的鲁棒性，实现任务完成与碰撞避免的平衡。

Comments Accepted and awarded best paper at the 11th International Conference on Control, Decision and Information Technologies (CoDIT 2025 - https://codit2025.org/)

Empowering Microscopic Traffic Simulators with Realistic Perception using Surrogate Sensor Models

通过使用替代传感器模型使微观交通模拟器具备现实感知能力

Tianheng Zhu, Yiheng Feng

机构 * Lyles School of Civil and Construction Engineering, Purdue University（普渡大学莱尔斯土木与建设工程学院） 纠错

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

AI总结 MIDAR通过替代传感器模型使微观交通模拟器具备现实感知能力，提升ITS应用的仿真真实性与效率。

Comments 27 pages, 8 figures

Topological Spatial Graph Coarsening

拓扑空间图粗化

Anna Calissano, Etienne Lasalle

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种基于三角形感知图过滤器的拓扑空间图粗化方法，通过合并短边实现图缩减，同时保持拓扑特征，且具有旋转、平移和缩放下的等价性。

Local Laplacian: theory and models for data analysis

局部拉普拉斯：数据分析的理论与模型

Jian Liu, Hongsong Feng, Kefeng Liu

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出持续局部拉普拉斯方法，通过理论推导和算法设计，解决拓扑数据分析中局部结构敏感性和计算成本高的问题，实现高效并行计算。

Pretrain Finite Element Method: A Pretraining and Warm-start Framework for PDEs via Physics-Informed Neural Operators

预训练有限元法：通过物理信息神经算子实现的PDEs预训练和热启动框架

Yizheng Wang, Zhongkai Hao, Mohammad Sadegh Eshaghi, Cosmin Anitescu, Xiaoying Zhuang, Timon Rabczuk, Yinghua Liu

专题命中 点云 ：point cloud(abstract)

AI总结 该研究提出预训练有限元法，通过物理信息神经算子结合FEM，提升PDEs求解效率与精度。