3D 视觉

LEAN-3D: Low-latency Hierarchical Point Cloud Codec for Mobile 3D Streaming

LEAN-3D: 低延迟分层点云编解码器用于移动3D流媒体

Yuchen Gao, Qi Zhang

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出LEAN-3D，一种针对移动3D流媒体的低延迟点云编解码器，通过轻量级学习占用模型和确定性编码方案，实现高效压缩与低能耗。

Unsupervised Multi-agent and Single-agent Perception from Cooperative Views

无监督多智能体和单智能体感知：协作视角

Haochen Yang, Baolu Li, Lei Li, Delin Ren, Jiacheng Guo, Minghai Qin, Tianyun Zhang, Hongkai Yu

机构 * Cleveland State University（克利夫兰州立大学） 纠错

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

AI总结 本文提出UMS框架，通过多智能体协作提升点云密度，利用协作视角进行无监督3D目标检测，实验证明在V2V4Real和OPV2V数据集上性能优于现有方法。

Comments Accepted to CVPR2026

Boxer: Robust Lifting of Open-World 2D Bounding Boxes to 3D

Boxer：鲁棒的开放世界2D边界框到3D提升

Daniel DeTone, Tianwei Shen, Fan Zhang, Lingni Ma, Julian Straub, Richard Newcombe, Jakob Engel

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 Boxer通过Transformer网络将2D边界框提升到3D，结合多视角融合和几何过滤，实现鲁棒的3D边界框估计，减少对标注数据的依赖，提升开放世界下的定位性能。

Comments project page: http://facebookresearch.github.io/boxer

Learned Elevation Models as a Lightweight Alternative to LiDAR for Radio Environment Map Estimation

学习的高程模型作为LiDAR的轻量级替代方案用于无线电环境图估计

Ljupcho Milosheski, Fedja Močnik, Mihael Mohorčič, Carolina Fortuna

机构 * Department of Communication Systems, Jožef Stefan Institute（Jožef Stefan研究所通信系统系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种两阶段框架，利用卫星RGB图像学习高程模型，替代传统LiDAR数据，提升无线电环境图估计的精度和效率。

Comments 6 pages, 3 figures, 3 tables Submitted to PIMRC 2026