PC2IM: An Efficient In-Memory Computing Accelerator for 3D Point Cloud
PC2IM: 一种高效的内存计算加速器用于3D点云
专题命中 点云 ：point cloud(title,abstract)
AI总结 本文提出PC2IM加速器，通过改进的内存计算技术减少3D点云网络中的内存访问瓶颈，提升计算效率与能效。
视觉与机器人
3D 视觉
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
1. 点云 10 篇
SPOT: Point Cloud Based Stereo Visual Place Recognition for Similar and Opposing Viewpoints
SPOT：基于点云的立体视觉位置识别用于相似和对立视角
机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） ； Department of Robotics and the Department of Mechanical Engineering, University of Michigan（机器人学系和机械工程系，密歇根大学）
专题命中 点云 ：point cloud(title)；分类 cs.CV、cs.RO
AI总结 本文提出SPOT技术，利用立体视觉里程计估计的结构进行对立视角视觉位置识别，通过双距离矩阵序列匹配方法提升识别精度，实验表明在不同光照条件下，SPOT在对立视角识别中达到91.7%的召回率，且存储和运行效率优于现有方法。
Comments Expanded version with added appendix. Published in ICRA 2024. Project page: https://umautobots.github.io/spot
Benchmarking Deep Learning Models for Aerial LiDAR Point Cloud Semantic Segmentation under Real Acquisition Conditions: A Case Study in Navarre
在真实采集条件下评估深度学习模型用于空中LiDAR点云语义分割：纳瓦拉案例研究
机构 * Department of Statistics, Computer Science and Mathematics and Institute of Smart Cities (ISC), Public University of Navarre (UPNA)（统计、计算机科学与数学系和智能城市研究所（ISC），纳瓦拉公共大学（UPNA）） ； Tracasa Instrumental
专题命中 点云 ：point cloud(title)；分类 cs.CV
AI总结 本文评估了四种深度学习模型在真实飞行条件下大规模空中LiDAR数据集上的性能，揭示了空中数据中类别不平衡和几何变化的挑战，结果显示KPConv在多个类别上表现最佳。
Comments 6 pages, 2 figures
GAPG: Geometry Aware Push-Grasping Synergy for Goal-Oriented Manipulation in Clutter
GAPG：面向目标操作的几何感知推抓取协同
机构 * College of Automation Science and Engineering, South China University of Technology（华南理工大学自动化科学与工程学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 本文提出GAPG框架，通过整合点云数据，利用几何关系评估抓取与推动作，提升机器人在杂乱环境中的安全性和效率。
Comments Accepted to ICRA 2026
Accelerate Vector Diffusion Maps by Landmarks
通过地标加速向量扩散图
机构 * Department of Mathematics, National Taiwan University, Taipei, 106, Taiwan（台湾大学数学系） ； National Center for Theoretical Sciences, Mathematics Division, Taipei, 106, Taiwan（理论科学国家中心数学组） ； Courant Institute of Mathematical Sciences, New York University, New York, NY, 10012 USA（纽约大学数学科学学院） ； Data Science Degree Program, National Taiwan University（台湾大学数据科学学士学位计划）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出LA-VDM算法，通过两阶段归一化加速基于图连接拉普拉斯的向量扩散图框架，有效处理数据和地标集的非均匀采样密度，通过流形模型恢复平行运输，提升连接拉普拉斯的收敛性。
Beam Prediction Based on Multimodal Large Language Models
基于多模态大语言模型的波束预测
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出基于多模态大语言模型的波束预测框架，通过融合RGB图像和LiDAR点云等异构数据，提升动态环境下波束预测精度与通信性能，实验表明其在波束准确性和通信性能上优于现有方法。
2. 新视角合成 5 篇
RefracGS: Novel View Synthesis Through Refractive Water Surfaces with 3D Gaussian Ray Tracing
RefracGS：通过折射水表面进行新颖视图合成
机构 * Shandong University, China（山东大学） ； Peking University, Beijing, China（北京大学） ； Sun Yat-sen University, China（中山大学） ； Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院）
专题命中 新视角合成 ：novel view synthesis(title,abstract)；NeRF(abstract)；Gaussian Splatting(abstract)；3DGS(abstract)
AI总结 RefracGS通过3D高斯射线追踪方法，结合折射水面与底层场景的重建，实现高保真新颖视图合成，实验表明其在视觉质量和效率上优于现有方法。
Benchmarking Efficient & Effective Camera Pose Estimation Strategies for Novel View Synthesis
对新颖视角合成中高效且有效的相机姿态估计策略进行基准测试
机构 * Faculty of Electrical Engineering, Czech Technical University in Prague（布拉格捷克技术大学电子工程系） ； Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University in Prague（捷克技术大学信息技术、机器人与自动化研究所） ； University of Amsterdam（阿姆斯特丹大学）
专题命中 新视角合成 ：novel view synthesis(title,abstract)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出一个基准测试，评估在新颖视角合成中高效且有效的相机姿态估计策略，通过减少特征数量和使用前馈网络结合经典SfM方法，实现效率与精度的平衡。
Thermal is Always Wild: Characterizing and Addressing Challenges in Thermal-Only Novel View Synthesis
热总是野性：在仅热成像的新型视角合成中的特征刻画与挑战应对
机构 * Northwestern University（西北大学） ； University of California, Riverside（加州大学河滨分校）
专题命中 新视角合成 ：novel view synthesis(title,abstract)；分类 cs.CV
AI总结 本文针对热成像在新型视角合成中的难点，提出轻量预处理与溅射流程，提升动态范围并稳定光照度，实现先进性能。
Comments To be published at CVPR, 2026. 15 Pages, 29 Figures
Repurposing Geometric Foundation Models for Multi-view Diffusion
将几何基础模型重新利用于多视图扩散
机构 * KAIST AI（韩国科学技术院人工智能实验室） ； New York University（纽约大学） ； Intel Labs（英特尔实验室）
专题命中 新视角合成 ：novel view synthesis(abstract)；分类 cs.CV
AI总结 本文提出Geometric Latent Diffusion框架，利用几何一致的特征空间作为多视图扩散的潜在空间，提升多视角生成的几何一致性和图像质量。
Comments project website: https://cvlab-kaist.github.io/GLD/
Memory-V2V: Memory-Augmented Video-to-Video Diffusion for Consistent Multi-Turn Editing
Memory-V2V: 通过记忆增强的视频到视频扩散模型实现一致的多轮编辑
机构 * Adobe Research（Adobe研究实验室） ； KAIST AI（韩国科学技术院人工智能研究所） ； Adobe Internship（Adobe实习） ； Project Lead（项目负责人）
专题命中 新视角合成 ：novel view synthesis(abstract)；分类 cs.CV
AI总结 Memory-V2V通过引入外部记忆模块，解决多轮视频编辑中的跨轮一致性问题，提升编辑连贯性并保持视觉质量，优于现有基线模型。
Comments Project page: https://dohunlee1.github.io/MemoryV2V
3. 3D生成 2 篇
Text-Image Conditioned 3D Generation
文本-图像条件的3D生成
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, School of Computer Science, Shanghai Jiao Tong University（人工智能大模型重点实验室、人工智能学院、计算机科学学院、上海交通大学） ； Huawei Inc.（华为公司） ； Huazhong University of Science and Technology（华中科技大学）
专题命中 3D生成 ：3D generation(title,abstract)；分类 cs.CV
AI总结 本文提出结合文本和图像条件的3D生成方法，通过跨模态互补性提升生成质量，引入TIGON模型实现高效融合。
Comments CVPR 2026. Project page: https://jumpat.github.io/tigon-page Code: https://github.com/Jumpat/tigon
Uni-Classifier: Leveraging Video Diffusion Priors for Universal Guidance Classifier
Uni-Classifier: 利用视频扩散先验进行通用引导分类器
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 3D生成 ：3D generation(abstract)；分类 cs.CV
AI总结 本文提出Uni-Classifier，通过利用视频扩散先验引导前序模型的去噪过程，提升生成质量，适用于视频和3D生成任务。
Comments Accepted by ICME 2026
4. 空间理解 6 篇
DualCoT-VLA: Visual-Linguistic Chain of Thought via Parallel Reasoning for Vision-Language-Action Models
DualCoT-VLA: 通过并行推理实现视觉-语言链式思维的视觉-语言-动作模型
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Huawei Foundation Model Department（华为基础模型部门）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV、cs.RO
AI总结 DualCoT-VLA通过并行推理机制，结合视觉和语言链式思维，解决传统VLA模型在复杂多步骤任务和精细空间感知中的不足，实现更高效的视觉-语言-动作处理。
3D-Layout-R1: Structured Reasoning for Language-Instructed Spatial Editing
3D-Layout-R1: 为语言指导的空间编辑进行结构化推理
机构 * NVIDIA ； UMass Amherst（马萨诸塞大学阿默斯特分校）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV
AI总结 本文提出一种结构化推理框架，通过场景图推理实现文本条件下的空间布局编辑，提升空间关系的可解释性和控制性，并在布局编辑基准测试中取得显著改进。
Feasibility of Augmented Reality-Guided Robotic Ultrasound with Cone-Beam CT Integration for Spine Procedures
增强现实引导的机器人超声与锥束CT整合在脊柱手术中的可行性
机构 * Chair for Computer Aided Medical Procedures(CAMP), Technical University of Munich(TUM)（计算机辅助医疗程序系（CAMP），慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.RO
AI总结 本文提出一种基于光学透视增强现实的机器人系统，结合锥束CT与超声成像，提升脊柱手术中针具定位的准确性和效率，降低认知负荷。
Comments 8 pages, 7 figures
SpatialBoost: Enhancing Visual Representation through Language-Guided Reasoning
SpatialBoost: 通过语言引导的推理增强视觉表示
机构 * KAIST（韩国科学技术院） ； RLWRLD ； NAVER Cloud（NAVER云）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV
AI总结 SpatialBoost通过将3D空间知识转化为语言描述，增强预训练视觉编码器的空间感知能力，提升3D感知和通用视觉任务性能。
Comments 35 pages; 7 figures
Cortical Policy: A Dual-Stream View Transformer for Robotic Manipulation
皮层策略：一种双流视图变换器用于机器人操作
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Shandong Jianzhu University（山东建筑大学）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.RO
AI总结 本文提出Cortical Policy，通过双流视图变换器提升机器人操作中的空间和动态推理能力，实验证明其在复杂任务中的优越性。
Comments Published as a conference paper at ICLR 2026. 10 pages, 4 figures. Appendix included
Attention in Space: Functional Roles of VLM Heads for Spatial Reasoning
空间中的注意：VLM头部在空间推理中的功能角色
机构 * The University of Melbourne（墨尔本大学） ； Australian National University（澳大利亚国立大学） ； Fudan University（复旦大学） ； Monash University（莫纳什大学）
专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV
AI总结 本文研究VLM中注意力头部在空间推理中的作用，通过机制可解释性视角分析其功能，提出CogVSR数据集并开发探针框架，揭示注意力头部在空间推理中的稀疏性和关键作用。
5. SLAM与定位 1 篇
ToFormer: Towards Large-scale Scenario Depth Completion for Lightweight ToF Camera
ToFormer：面向大规模场景深度补全的轻量级ToF相机
机构 * State Key Laboratory of Industrial Control Technology, Institute of Cyber Systems and Control, Zhejiang University, Hangzhou, China（浙江大学工业控制技术状态重点实验室，系统与控制研究所，杭州，中国） ； Huzhou Institute of Zhejiang University, Huzhou, China（浙江大学湖州研究院，湖州，中国） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳））
专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出全栈框架，通过多传感器平台收集大规模真实世界ToF样本，构建首个LASER-ToF数据集，并设计传感器感知深度补全网络，结合3D-2D联合传播池和多模态交叉协方差注意力模块，提升非均匀ToF深度稀疏性下的建模效果和3D-2D融合效率，实现轻量级部署和大规模场景映射。
Comments 17 pages, 15 figures
6. 其他3D视觉 1 篇
LEO-VL: Efficient Scene Representation for Scalable 3D Vision-Language Learning
LEO-VL：面向可扩展3D视觉-语言学习的高效场景表示
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系）
专题命中 其他3D视觉 ：3D vision(title,abstract)；分类 cs.CV
AI总结 本文提出LEO-VL，一种基于高效场景表示CFG的3D视觉-语言模型，通过改进训练数据和引入SceneDPO提升鲁棒性，在多个3D-VL基准测试中取得最佳性能。
Comments Project page: https://leo-vl.github.io
