Activity Recognition Using mm-Wave Radar and Deep Learning: Prayer Tracker Case Study
利用毫米波雷达和深度学习进行活动识别：祈祷跟踪案例研究
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出基于毫米波雷达的隐私保护活动识别框架，通过点云信息与深度学习结合，实现高精度的祈祷跟踪与定位，验证了ResNet在未知数据上的95.4%准确率。
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 13 篇
Bures--Kuratowski metrics and simplicial complexes for completely bounded maps
Bures-Kuratowski度量与完全有界映射的单纯复形
专题命中 点云 ：point cloud(abstract)
AI总结 研究Bures-Kuratowski度量在完全有界映射上的应用，结合Kuratowski嵌入与正则表示Hausdorff坐标，提出度量的l^p楔分解方法，并探讨其在单纯复形中的几何计算与同调特征。
Comments 4 figures
The strength of a geometric simplex
几何单纯形的强度
专题命中 点云 ：point cloud(abstract)
AI总结 研究几何单纯形的强度，提出基于Lipschitz连续函数的分类方法，证明其在扰动下的连续性并给出Lipschitz常数的显式界。
Comments 11 pages, 2 figures. The second version extended Theorem 2.4(b) to the signed strength and streamlined the proofs. The latest version is maintained at https://kurlin.org/projects/cloud-isometry-spaces/strength-simplex.pdf
Complete invariants of atomic clouds under rigid motion with Lipschitz continuous metrics in a polynomial time
原子云在具有Lipschitz连续度量的刚体运动下的完整不变量
专题命中 点云 ：point cloud(abstract)
AI总结 本文研究了在具有Lipschitz连续度量的刚体运动下，原子云的完整不变量问题，提出了一种能够在多项式时间内计算的度量方法，以区分所有镜像。
Comments The second 47-page version updated notations and substantially clarified the first 15-page version. The proofs about the strength of a geometric simplex have moved to another paper at arXiv:2602.17630. The latest version is maintained at http://kurlin.org/projects/cloud-isometry-spaces/SCD.pdf
2. 新视角合成 2 篇
PhysGaia: A Physics-Aware Benchmark with Multi-Body Interactions for Dynamic Novel View Synthesis
PhysGaia：一个包含多体相互作用的物理感知基准，用于动态新视角合成
机构 * Computer Vision Laboratory, Seoul National University（首尔大学计算机视觉实验室）
专题命中 新视角合成 ：novel view synthesis(title,abstract)；Gaussian Splatting(abstract)；分类 cs.CV、cs.GR
AI总结 PhysGaia是首个关注动态新视角合成中物理一致性重建的基准，包含复杂多体交互场景和多种材料，提供高保真物理模拟和真实轨迹数据以推动相关研究。
Comments Accepted at CVPR 2026 Project page: http://cvlab.snu.ac.kr/research/PhysGaia Dataset: https://huggingface.co/datasets/mijeongkim/PhysGaia/tree/main
GenSmoke-GS: A Multi-Stage Method for Novel View Synthesis from Smoke-Degraded Images Using a Generative Model
GenSmoke-GS：一种基于生成模型的多阶段方法，用于从烟雾退化图像中生成新视角
机构 * School of Computer Science and Technology, Hangzhou Dianzi University（杭州电子科技大学计算机科学与技术学院） ； School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院）
专题命中 新视角合成 ：novel view synthesis(title)；3DGS(abstract)；分类 cs.CV
AI总结 本文提出GenSmoke-GS方法，通过多阶段流程提升烟雾退化图像的可视性，减少场景内容变化，实验表明其在定量和视觉质量上优于基线模型。
3. 3D生成 1 篇
DreamLifting: A Plug-in Module Lifting MV Diffusion Models for 3D Asset Generation
DreamLifting：一种插件模块用于提升MV扩散模型以生成3D资产
机构 * PCA Lab, VCIP, College of Computer Science, Nankai University（南开大学计算机学院VCIP实验室PCA Lab） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Horizon Robotics（地平线机器人） ； D-Robotics
专题命中 3D生成 ：Gaussian Splatting(abstract)；3D generation(abstract)；分类 cs.CV
AI总结 本文提出LGAA框架，通过多视角扩散先验统一几何与PBR材质建模，结合模块化设计和改进的VAE实现高效3D资产生成，实验表明其在文本和图像条件下均表现优异。
Comments 16 pages, 9 figures, TVCG 2026, project page: https://zx-yin.github.io/dreamlifting/
Journal ref IEEE Transactions on Visualization and Computer Graphics 2026
4. 空间理解 1 篇
PointTPA: Dynamic Network Parameter Adaptation for 3D Scene Understanding
PointTPA：用于3D场景理解的动态网络参数适应
机构 * Huazhong University of Science and Technology（华中科技大学）
专题命中 空间理解 ：point cloud(abstract)；分类 cs.CV
AI总结 PointTPA通过动态网络参数适应提升3D场景理解，采用SNG和DPP方法生成输入感知参数，实现参数高效且在ScanNet上取得78.4% mIoU。
Comments Accepted by CVPR 2026. The code is available at https://github.com/H-EmbodVis/PointTPA
5. SLAM与定位 3 篇
HandMCM: Multi-modal Point Cloud-based Correspondence State Space Model for 3D Hand Pose Estimation
HandMCM：基于多模态点云的对应状态空间模型用于3D手姿态估计
专题命中 SLAM与定位 ：point cloud(title)；分类 cs.CV
AI总结 本文提出HandMCM，通过结合局部信息注入/过滤模块和对应建模，利用状态空间模型提升3D手姿态估计的鲁棒性和精度，实验表明其在严重遮挡场景中优于现有方法。
Comments AAAI accepted
WaterSplat-SLAM: Photorealistic Monocular SLAM in Underwater Environment
WaterSplat-SLAM：水下环境中的光实单目SLAM
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Key Laboratory of Marine Robotics, Shenyang（沈阳海洋机器人重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港科技大学电子及计算机工程学系）
专题命中 SLAM与定位 ：3D reconstruction(abstract)；分类 cs.RO
AI总结 本文提出WaterSplat-SLAM，通过语义介质过滤和语义引导渲染实现水下高保真密集映射，提升水下单目SLAM的鲁棒性与可视化效果。
Comments 8 pages, 6 figures
Scalable and Generalizable Correspondence Pruning via Geometry-Consistent Pre-training
基于几何一致预训练的可扩展且可泛化的对应关系修剪
机构 * Wuhan University（武汉大学） ； Wenzhou University（温州大学） ； Nanjing University（南京大学） ； Xiaomi Corporation, Xiaomi Automobile Co., Ltd.（小米集团，小米汽车有限公司） ； Tongji University（同济大学）
专题命中 SLAM与定位 ：3D vision(abstract)；分类 cs.CV
AI总结 本文提出几何一致预训练方法，通过掩码内点重建任务和双流编码器提升对应关系的鲁棒性和泛化能力，在相机姿态估计、视觉定位和3D配准任务中取得显著性能提升。
Comments Accepted by TPAMI 2026
