3D 视觉

Rethinking Gradient-based Adversarial Attacks on Point Cloud Classification

重新思考基于梯度的点云分类对抗攻击

Jun Chen, Xinke Li, Mingyue Xu, Chongshou Li, Truiani Li

机构 * Southwest Jiaotong University（西南交通大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出WAAttack和SubAttack两种策略，通过动态调整点扰动幅度和适应性步长，提升攻击效果和隐蔽性，实验表明其在生成高隐蔽性对抗示例方面优于现有方法。

Comments ICME 2026

OT-MeanFlow3D: Bridging Optimal Transport and Meanflow for Efficient 3D Point Cloud Generation

OT-MeanFlow3D: 通过最优传输与Meanflow弥合，实现高效的3D点云生成

Elaheh Akbari, Shansita Sharma, Ping He, Ahmadreza Moradipari, Kyungtae Han, Hamed Pirsiavash, Yikun Bai, Soheil Kolouri

机构 * Department of Computer Science, Vanderbilt University（范德比尔特大学计算机科学系） ； Toyota InfoTech Labs（丰田信息技术实验室） ； Department of Computer Science, University of California, Davis（加州大学戴维斯分校计算机科学系） ； Department of Mathematics, Purdue University（普渡大学数学系） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出OT-MeanFlow3D框架，通过整合最优传输采样，提升3D点云生成与修复的效率与准确性，实验表明其在ShapeNet上优于现有基线模型。

SuperDec: 3D Scene Decomposition with Superquadric Primitives

SuperDec：基于超二次体的3D场景分解

Elisabetta Fedele, Boyang Sun, Leonidas Guibas, Marc Pollefeys, Francis Engelmann

机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Microsoft（微软公司） 纠错

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

AI总结 SuperDec通过将场景分解为超二次体基元，实现紧凑的3D表示。该方法利用实例分割技术扩展到完整3D场景，并在ShapeNet和ScanNet++上验证了其泛化能力，适用于机器人任务和可控视觉内容生成。

Comments Project page: https://super-dec.github.io

NymeriaPlus: Enriching Nymeria Dataset with Additional Annotations and Data

NymeriaPlus：通过额外标注和数据丰富Nymeria数据集

Daniel DeTone, Federica Bogo, Eric-Tuan Le, Duncan Frost, Julian Straub, Yawar Siddiqui, Yuting Ye, Jakob Engel, Richard Newcombe, Lingni Ma

机构 * Meta Reality Labs Research（Meta现实实验室） 纠错

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

AI总结 本文通过改进人体动作标注、添加密集3D标注和多模态数据，提升Nymeria数据集的综合性能，为野外观测数据研究提供更强大的支持。

Unlocking 3D Affordance Segmentation with 2D Semantic Knowledge

通过2D语义知识解锁3D affordance分割

Yu Huang, Zelin Peng, Changsong Wen, Xiaokang Yang, Wei Shen

机构 * MoE Key Lab of Artificial Intelligence, School of Computer Science, Shanghai Jiaotong University（人工智能大模型实验室，计算机科学学院，上海交通大学） 纠错

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

AI总结 本文提出CMAT预训练策略，利用2D视觉基础模型的语义知识引导3D表征学习，提升3D affordance分割的准确性和效率。

Comments Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition

MLA: A Multisensory Language-Action Model for Multimodal Understanding and Forecasting in Robotic Manipulation

MLA：一种多感官语言-动作模型，用于机器人操作中的多模态理解和预测

Zhuoyang Liu, Jiaming Liu, Jiadong Xu, Nuowei Han, Chenyang Gu, Hao Chen, Kaichen Zhou, Renrui Zhang, Kai Chin Hsieh, Kun Wu, Zhengping Che, Jian Tang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机科学学院，北京大学） ； Beijing Innovation Center of Humanoid Robotics (X-Humanoid)（北京类人机器人创新中心（X-Humanoid）） ； The Chinese University of Hong Kong (CUHK)（香港中文大学（CUHK）） 纠错

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

AI总结 本文提出MLA模型，通过多感官融合与未来目标预测，提升机器人在复杂接触任务中的操控能力，实验显示其在2D和3D任务中性能优于现有方法。

Comments Project page: https://robotic-mla.github.io/

Frayed RoPE and Long Inputs: A Geometric Perspective

断裂的RoPE与长输入：一种几何视角

Davis Wertheimer, Aozhong Zhang, Derrick Liu, Penghang Yin, Naigang Wang

机构 * IBM Research（IBM研究院） ； University at Albany, SUNY（纽约州立大学阿尔巴尼分校） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文从几何角度分析RoPE在长输入下的问题，发现注意力机制导致键和查询向量紧密聚类，而RoPE在长输入时破坏这种聚类，产生病态行为。提出RoPE-ID方法通过高频率应用部分通道解决此问题。

Comments Accepted by ICLR 2026