3D 视觉

Towards Foundation Models for 3D Scene Understanding: Instance-Aware Self-Supervised Learning for Point Clouds

迈向3D场景理解的基础模型：点云的实例感知自监督学习

Bin Yang, Mohamed Abdelsamad, Miao Zhang, Alexandru Paul Condurache

机构 * Bosch Research, Robert Bosch GmbH（博世研究，罗伯特·博世有限公司） ； Institute for Neuro- and Bioinformatics, University of Lübeck（神经与生物信息学研究所，吕贝克大学） 纠错

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

AI总结 本文提出PointINS框架，通过几何感知学习增强点云表示，引入ODR和SCR正则化策略，提升实例定位性能，在多个数据集上实现更优的mAP和PQ指标。

Comments The paper was accepted by CVPR2026

Conditional Diffusion-Based Point Cloud Imaging for UAV Position and Attitude Sensing

基于条件扩散的点云成像用于无人机位置和姿态感知

Xinhong Dai, Yuan Gao, Hao Jiang, Xiaojun Yuan, Xin Wang

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出一种基于条件扩散模型的点云成像方法，用于无人机位置和姿态感知，通过电磁点云提取无人机的空间信息和电磁特性，提升成像精度和姿态识别能力。

UniLGL: Learning Uniform Place Recognition for FOV-limited/Panoramic LiDAR Global Localization

UniLGL：学习适用于视场受限/全景激光雷达全局定位的统一地方识别

Hongming Shen, Xun Chen, Yulin Hui, Zhenyu Wu, Wei Wang, Qiyang Lyu, Tianchen Deng, Danwei Wang

机构 * School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院） 纠错

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

AI总结 UniLGL通过编码完整点云生成空间和材质均匀性，结合多BEV融合网络实现统一特征提取，引入视角不变假设提升异构激光雷达的鲁棒性，最终在真实环境中验证了其在高精度定位与多无人机协同探索中的有效性。

Journal ref IEEE TRANSACTIONS ON ROBOTICS, 2026

MVGGT: Multimodal Visual Geometry Grounded Transformer for Multiview 3D Referring Expression Segmentation

MVGGT：多模态视觉几何 grounded 变换器用于多视角3D指称表达分割

Changli Wu, Haodong Wang, Jiayi Ji, Yutian Yao, Chunsai Du, Jihua Kang, Yanwei Fu, Liujuan Cao

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（厦门大学多媒体可信感知与高效计算教育部重点实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； ByteDance（字节跳动） ； Tianjin University of Science and Technology（天津科技大学） 纠错

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

AI总结 本文提出MVGGT，一种高效的端到端框架，通过双分支设计将语言信息整合到稀疏视角的几何推理中，解决稀疏视角下的优化障碍，建立首个强基线，实现高精度和快速推理。

Comments Accepted to CVPR 2026; Project Website: https://mvggt.github.io/

DCReg: Decoupled Characterization for Efficient Degenerate LiDAR Registration

DCReg: 用于高效退化LiDAR配准的解耦表征

Xiangcheng Hu, Xieyuanli Chen, Mingkai Jia, Jin Wu, Ping Tan, Steven L. Waslander

机构 * Hong Kong University of Science and Technology（香港科技大学） ； National University of Defense Technology（国防科技大学） ； University of Science and Technology Beijing（北京科技大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出DCReg方法，通过解耦配准问题中的退化因素，提高配准稳定性与精度，实验显示在多种环境中实现更高的定位精度和更快的计算速度。

Comments 27 pages, 19 figures, 9 tables

Needle in a Haystack: Tracking UAVs from Massive Noise in Real-World 5G-A Base Station Data

在5G-A基站数据中寻找飞鸟：从海量噪声中跟踪无人机

Chengzhen Meng, Chenming He, Yidong Jiang, Xiaoran Fan, Dequan Wang, Lingyu Wang, Jianmin Ji, Yanyong Zhang

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出BSense系统，利用商业5G-A基站点云数据实现无人机跟踪，通过多层框架过滤噪声，提升检测准确率和定位精度。

Comments 14 pages, 26 figures, to appear in ACM MobiSys 2026

How much of persistent homology is topology? A quantitative decomposition for spin model phase transitions

持久同调中有多大成分是拓扑学？用于铁磁模型相变的定量分解

Matthew Loftus

机构 * Cedar Loop LLC 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文通过引入f_topo指标，定量分解持久同调信号中拓扑成分的比例，发现H_1统计量在系统规模增大时具有拓扑特征，而H_0统计量主要受密度驱动。

Comments 7 pages, 4 figures, 2 tables

Model order reduction via Lie groups

通过李群进行模型降阶

Yannik P. Wotte, Patrick Buchfink, Silke Glas, Federico Califano, Stefano Stramigioli

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出基于李群的模型降阶框架MORLie，用于近似高维流形动力系统，能处理非等变动力学并提供新的非侵入性方法，实验显示其误差界低于Kolmogorov N-宽度，适用于多种应用。

Comments 25 pages, 22 figures

Journal ref Communications in Nonlinear Science and Numerical Simulation, Volume 160, 2026, 109973, ISSN 1007-5704

Rotation, Scale, and Translation Resilient Black-box Fingerprinting for Intellectual Property Protection of EaaS Models

旋转、缩放和翻译鲁棒的黑盒指纹识别用于EaaS模型知识产权保护

Hongjie Zhang, Zhiqi Zhao, Hanzhou Wu, Zhihua Xia, Athanasios V. Vasilakos

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种针对EaaS模型的鲁棒黑盒指纹识别框架，通过嵌入空间拓扑结构的几何分析实现模型所有权验证，克服了传统水印方法在RST攻击下的脆弱性。

Journal ref IEEE Transactions on Dependable and Secure Computing (2026)