3D 视觉

STS-Mixer: Spatio-Temporal-Spectral Mixer for 4D Point Cloud Video Understanding

STS-Mixer：用于4D点云视频理解的时空频混合器

Wenhao Li, Xueying Jiang, Gongjie Zhang, Xiaoqin Zhang, Ling Shao, Shijian Lu

机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University of Technology（浙江工业大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出STS-Mixer框架，通过将4D点云视频转换为图谱信号，结合时空与频域信息，提升对4D点云视频的几何结构和时间动态的理解。

Comments Accepted by CVPR 2026, Open Sourced

TetraSphere: A Neural Descriptor for O(3)-Invariant Point Cloud Analysis

TetraSphere：一种用于O(3)不变点云分析的神经描述符

Pavlo Melnyk, Andreas Robinson, Michael Felsberg, Mårten Wadenbäck

机构 * Computer Vision Laboratory, Department of Electrical Engineering, Linköping University（林雪平大学电气工程系计算机视觉实验室） 纠错

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

AI总结 本文提出TetraSphere，一种基于可旋转3D球神经元和向量神经元的O(3)不变描述符，通过端到端训练提升点云旋转不变性，在ScanObjectNN和ModelNet40上取得新突破。

Comments CVPR 2024

Data-Efficient Semantic Segmentation of 3D Point Clouds via Open-Vocabulary Image Segmentation-based Pseudo-Labeling

通过开放词汇图像分割的伪标签实现3D点云语义分割的数据高效方法

Takahiko Furuya

机构 * University of Yamanashi（山梨大学） 纠错

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

AI总结 本文提出PLOVIS算法，利用开放词汇图像分割模型生成伪标签，解决3D点云分割中训练数据不足的问题，通过两阶段过滤和类平衡内存银行提升训练效果，实验表明在数据稀缺条件下优于现有方法。

LIDARLearn: A Unified Deep Learning Library for 3D Point Cloud Classification, Segmentation, and Self-Supervised Representation Learning

LIDARLearn: 一个用于3D点云分类、分割和自监督表示学习的统一深度学习库

Said Ohamouddou, Hanaa El Afia, Abdellatif El Afia, Raddouane Chiheb

机构 * ENSIAS, Mohammed V University, Rabat, Morocco（穆罕默德五世大学ENSIAS学院，拉巴特，摩洛哥） 纠错

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

AI总结 本文提出LIDARLearn，一个整合多种3D点云处理方法的统一深度学习库，支持分类、语义分割、部分分割和少样本学习，并提供标准化训练流程和严格多模型比较工具。

Topo-ADV: Generating Topology-Driven Imperceptible Adversarial Point Clouds

Topo-ADV：生成拓扑驱动的不可察觉对抗点云

Gayathry Chandramana Krishnan Nampoothiry, Raghuram Venkatapuram, Anirban Ghosh, Ayan Dutta

机构 * University of North Florida（北佛罗里达大学） 纠错

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

AI总结 本文提出Topo-ADV，通过拓扑结构生成不可察觉的对抗点云，挑战传统假设，提升攻击成功率。

Comments Under review

ReaLiTy and LADS: A Unified Framework and Dataset Suite for LiDAR Adaptation Across Sensors and Adverse Weather Conditions

ReaLiTy与LADS：一种统一框架和数据集套件，用于跨传感器和恶劣天气条件的LiDAR适应

Vivek Anand, Bharat Lohani, Rakesh Mishra, Gaurav Pandey

机构 * Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； University of New Brunswick（新不伦瑞克大学） ； Texas A&M University（德克萨斯农工大学） 纠错

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

AI总结 本文提出ReaLiTy框架和LADS数据集，通过物理一致的方法提升LiDAR在不同传感器和天气条件下的适应性，实验显示了跨域一致性和真实天气效果的改进。

Unified Unsupervised and Sparsely-Supervised 3D Object Detection by Semantic Pseudo-Labeling and Prototype Learning

通过语义伪标签和原型学习实现统一的无监督和稀疏监督3D目标检测

Yushen He, Lei Zhao, Weidong Chen

机构 * Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医疗机器人研究院） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（系统控制与信息处理教育部重点实验室） 纠错

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

AI总结 本文提出SPL框架，通过语义伪标签和原型学习统一无监督和稀疏监督3D目标检测，生成高质量伪标签并稳定特征学习，实验表明在KITTI和nuScenes数据集上优于现有方法。

Geodesics of Quantum Feature Maps on the Space of Quantum Operators

量子特征映射在量子算子空间中的测地线

Andrew Vlasic

专题命中 点云 ：point cloud(abstract)

AI总结 本文研究量子算子空间中量子特征映射诱导子空间的几何结构，推导出曲率、体积形式等几何量的解析公式，揭示数据几何对量子电路的影响。