arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

视觉与机器人

3D 视觉

三维重建、NeRF、Gaussian Splatting、点云和空间智能。

2026-03-26 至 2026-03-26 共收录 5 信号源:cs.CV, cs.GR, cs.RO

1. 点云 5 篇

2603.22070 2026-03-26 cs.CV 83%

Adapting Point Cloud Analysis via Multimodal Bayesian Distribution Learning

通过多模态贝叶斯分布学习适应点云分析

Xingyu Zhu, Liang Yi, Shuo Wang, Wenbo Zhu, Yonglinag Wu, Beier Zhu, Hanwang Zhang

机构 * MoE Key Lab of BIPC, University of Science and Technology of China(脑信息处理实验室,中国科学技术大学) Opus AI Research(Opus AI研究院) Southeast University(东南大学) Nanyang Technological University(南洋理工大学)

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

AI总结 本文提出BayesMM框架,通过多模态贝叶斯分布学习实现测试时点云分析的持续适应,利用文本先验和流式视觉特征的高斯分布融合,提升在分布偏移下的鲁棒性。

Comments CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23957 2026-03-26 cs.CV 79%

PointRFT: Explicit Reinforcement Fine-tuning for Point Cloud Few-shot Learning

PointRFT:针对点云少样本学习的显式强化微调

Yankai Wang, Yiding Sun, Qirui Wang, Pengbo Li, Chaoyi Lu, Dongxu Zhang

机构 * School of Software Engineering, Xi’an Jiaotong University(西安交通大学软件工程学院) International School, Beijing University of Posts and Telecommunications(北京邮电大学国际学院)

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

AI总结 本文提出PointRFT,一种专为点云表示学习设计的强化微调方法,通过定制奖励函数提升训练稳定性,实验表明其在多种基准上优于传统监督微调。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.24026 2026-03-26 eess.IV 78%

Blind Quality Enhancement for G-PCC Compressed Dynamic Point Clouds

无监督质量提升用于G-PCC压缩的动态点云

Tian Guo, Hui Yuan, Chang Sun, Wei Zhang, Raouf Hamzaoui, Sam Kwong

专题命中 点云 :point cloud(title,abstract)

AI总结 本文提出首个无监督质量提升模型,通过利用时间依赖性和多级失真水平下的特征相似性与差异性,提升压缩动态点云质量,实验显示在G-PCC压缩中取得显著PSNR提升和BD-rate改善。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23730 2026-03-26 cs.CV 57%

An Adapter-free Fine-tuning Approach for Tuning 3D Foundation Models

一种无需适配器的微调方法用于调整3D基础模型

Sneha Paul, Zachary Patterson, Nizar Bouguila

机构 * Concordia University(康科德大学)

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

AI总结 本文提出MCFT方法,通过选择性微调和动量一致性约束,在保持参数效率的同时提升3D基础模型的适应能力,实验表明其在少样本和半监督场景下表现优异。

Comments Accepted at The Fifth International Conference on Pattern Recognition and Artificial Intelligence (ICPRAI 2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23812 2026-03-26 cs.HC 50%

A Reproducible Reality-to-VR Pipeline for Ecologically Valid Aging-in-Place Research

一种可重复的现实到VR流程用于生态效度的在地衰老研究

Ibrahim Bilau, Stacie Smith, Abdurrahman Baru, Marwan Shagar, Brian Jones, Eunhwa Yang

专题命中 点云 :point cloud(abstract)

AI总结 本文提出一种可重复的现实到VR流程,用于创建高保真的环境模拟,支持对在地衰老的认知研究。通过TLS扫描、点云处理、几何建模和Unreal Engine 5集成,实现高视觉保真度和稳定的90Hz帧率,降低老年人眩晕风险。

Comments 28 pages, 5 figures, 2 tables

详情

展开后加载摘要…

URL PDF HTML 收藏