3D 视觉

GeGS-PCR: Effective and Robust 3D Point Cloud Registration with Two-Stage Color-Enhanced Geometric-3DGS Fusion

GeGS-PCR: 有效且鲁棒的3D点云配准：两阶段颜色增强几何-3DGS融合

Jiayi Tian, Haiduo Huang, Tian Xia, Wenzhe Zhao, Pengju Ren

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家级重点实验室） ； National Engineering Research Center of Visual Information and Applications（视觉信息与应用国家工程研究中心） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 本文提出GeGS-PCR，通过结合几何、颜色和高斯信息，解决点云配准中颜色信息利用的挑战，采用颜色编码器和Geometric-3DGS模块提升鲁棒性，结合LORA优化和可微渲染改进收敛性，实现高精度配准。

UGD: An Unsupervised Geometric Distance for Evaluating Real-world Noisy Point Cloud Denoising

UGD：一种无监督的几何距离用于评估现实世界噪声点云去噪

Zhiyong Su, Jincan Wu, Yonghui Liu, Zheng Li, Weiqing Li

机构 * School of Automation, Nanjing University of Science and Technology（自动化学院，南京理工大学） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） 纠错

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

AI总结 本文提出UGD，一种无监督几何距离，通过学习清洁点云的先验模型，基于噪声点云评估去噪效果，实验表明其性能与监督方法相当。

Comments to be published in IEEE Transactions on Visualization and Computer Graphics

Pointy - A Lightweight Transformer for Point Cloud Foundation Models

Pointy - 一种轻量级的点云基础模型变压器

Konrad Szafer, Marek Kraft, Dominik Belter

机构 * Institute of Robotics and Machine Intelligence, Poznan University of Technology（机器人与机器智能研究所，波兹南技术大学） 纠错

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

AI总结 Pointy通过轻量级的点云变压器架构，在仅使用39k点云数据的情况下，超越了使用超过20万样本训练的更大基础模型，展示了精心设计的训练设置和架构的价值。

Comments To appear in the proceedings of ACIVS 2025. An earlier version was presented at the SCI-FM workshop at ICLR 2025

Journal ref In: Blanc-Talon, J., Delmas, P., Takahashi, H., Yasuhiro, M. (eds) Advanced Concepts for Intelligent Vision Systems. ACIVS 2025. Lecture Notes in Computer Science, vol 15656. Springer, Cham

FlashFPS: Efficient Farthest Point Sampling for Large-Scale Point Clouds via Pruning and Caching

FlashFPS: 通过剪枝和缓存实现大规模点云的高效最远点采样

Yuzhe Fu, Hancheng Ye, Cong Guo, Junyao Zhang, Qinsi Wang, Yueqian Lin, Changchun Zhou, Hai, Li, Yiran Chen

机构 * Duke University（杜克大学） 纠错

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

AI总结 本文提出FlashFPS框架，通过剪枝和缓存减少FPS计算冗余，提升PNN处理效率，实现GPU和PNN加速器上的显著速度提升。

Comments Accepted to DAC'26

Deep learning based Non-Rigid Volume-to-Surface Registration for Brain Shift compensation Using Point Cloud

基于深度学习的非刚性体积分到表面注册用于脑移位补偿的点云方法

Eashrat Jahan Muniya, Gernot Kronreif, Ander Biguri, Wolfgang Birkfellner, Sepideh Hatamikia

机构 * Austrian Center for Medical Innovation and Technology（奥地利医学创新与技术中心） ； Medical University of Vienna（维也纳医学大学） ； University of Cambridge（剑桥大学） ； Danube Private University (DPU)（多瑙私人大学（DPU）） 纠错

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

AI总结 本文提出基于深度学习的非刚性体积分到表面注册方法，利用稀疏手术表面观测进行密集位移场估计，实现有限视野下的脑移位补偿。

C-GenReg: Training-Free 3D Point Cloud Registration by Multi-View-Consistent Geometry-to-Image Generation with Probabilistic Modalities Fusion

C-GenReg：基于多视角一致的几何到图像生成的无训练3D点云配准

Yuval Haitman, Amit Efraim, Joseph M. Francos

机构 * Ben-Gurion University（本·古里安大学） 纠错

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

AI总结 C-GenReg通过多视角一致的几何到图像生成，结合概率模态融合，实现无训练的3D点云配准，解决了跨模态、采样差异和环境的泛化问题。

Comments CVPR 2026

A B-Spline Function Based 3D Point Cloud Unwrapping Scheme for 3D Fingerprint Recognition and Identification

基于B样条函数的3D点云解缠方案用于3D指纹识别与鉴定

Mohammad Mogharen Askarin, Jiankun Hu, Min Wang, Xuefei Yin, Xiuping Jia

机构 * School of Systems and Computing, UNSW Canberra（UNSW Canberra 系统与计算学院） ； Information Systems, University of Canberra（堪培拉大学信息系统系） ； School of Information and Communication Technology, Griffith University（格里菲斯大学信息与通信技术学院） ； School of Engineering & Technology, UNSW Canberra（UNSW Canberra 工程与技术学院） 纠错

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

AI总结 本文提出基于B样条曲线拟合的3D点云解缠方法，用于3D指纹识别与鉴定，通过减少高度变化和注册限制，提升识别精度和鲁棒性。

Journal ref IEEE Open Journal of the Computer Society 2025

ZSG-IAD: A Multimodal Framework for Zero-Shot Grounded Industrial Anomaly Detection

ZSG-IAD：一种用于零样本 grounded 工业异常检测的多模态框架

Qiuhui Chen, Jiaxiang Song, Shuai Tan, Weimin Zhong

机构 * School of Information Science and Engineering, East China University of Science and Technology（信息科学与工程学院，东华大学） 纠错

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

AI总结 本文提出ZSG-IAD框架，通过多模态数据生成结构化异常报告和像素级掩码，采用语言引导的两跳接地模块和可执行规则GRPO提升可靠性，实现在多个工业异常基准上的强零样本性能和透明解释。

Sub-metre Lunar DEM Generation and Validation from Chandrayaan-2 OHRC Multi-View Imagery Using an Open-Source Pipeline

基于Chandrayaan-2 OHRC多视角影像的亚米级月球数字高程模型生成与验证：一种开源流程

Aaranay Aadi, Jai Singla, Nitant Dube, Oleg Alexandrov

机构 * School of Computer Science and Engineering Manipal University（曼海姆大学计算机科学与工程学院） ； Space Applications Centre (SAC) Indian Space Research Organisation (ISRO)（空间应用中心（SAC）印度空间研究组织（ISRO）） ； Intelligent Robotics Group NASA Ames Research Center（智能机器人小组美国国家航空航天局阿姆斯研究中心） 纠错

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

AI总结 本文首次利用开源流程从Chandrayaan-2 OHRC多视角影像生成亚米级月球DEM，通过几何分析和三角测量生成点云并验证其精度，达到亚米级分辨率。

Comments 18 pages, 10 figures

CORP: A Multi-Modal Dataset for Campus-Oriented Roadside Perception Tasks

CORP：面向校园道路感知任务的多模态数据集

Beibei Wang, Zijian Yu, Lu Zhang, Jingjing Huang, Yao Li, Haojie Ren, Yuxuan Xiao, Yuru Peng, Jianmin Ji, Yu Zhang, Yanyong Zhang

机构 * Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出CORP数据集，首个针对校园场景的多模态道路感知任务基准数据集，包含205k张图像和102k点云，用于提升校园区域的3D跟踪和实例分割性能。

TowerDataset: A Heterogeneous Benchmark for Transmission Corridor Segmentation with a Global-Local Fusion Framework

TowerDataset：一种异构基准，用于传输走廊分割的全局-局部融合框架

Xu Cui, Xinyan Liu, Chen Yang, Zhaobo Qi, Beichen Zang, Weigang Zhang, Antoni B. Chan

机构 * Harbin Institute of Technology (Weihai)（哈尔滨工业大学（威海）） ； University of the Chinese Academy of Sciences（中国科学院大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出TowerDataset异构基准，包含661个真实场景和24亿点，通过全局-局部融合框架提升传输走廊分割性能，实验验证了其在复杂场景中的鲁棒性。

LOD-Net: Locality-Aware 3D Object Detection Using Multi-Scale Transformer Network

LOD-Net：基于多尺度变换网络的局部感知3D目标检测

Mustaqeem Khan, Aidana Nurakhmetova, Wail Gueaieb, Abdulmotaleb El Saddik

机构 * College of Information Technology-United Arab Emirates University (UAEU)（阿联酋大学信息科技学院） ； Mohamed bin Zayed University of Artificial Intelligence（莫莫德·宾·扎耶德人工智能大学） 纠错

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

AI总结 本文提出一种结合多尺度注意力机制的3DETR架构，通过上采样生成高分辨率特征图，提升小尺寸和语义相关目标的检测性能，在ScanNetv2数据集上实现mAP@25和mAP@50的显著提升。

Paradigm Shift from Statistical Channel Modeling to Digital Twin Prediction: An Environment-Generalizable ChannelLM for 6G AI-enabled Air Interface

从统计信道建模到数字孪生预测的范式转变：一种适用于6G AI赋能空气接口的环境通用化信道LM

Yichen Cai, Yuelong Qiu, Jianhua Zhang, Li Yu, Yuxiang Zhang, Zhen Zhang, Guangyi Liu

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种环境通用化的信道LM驱动的数字孪生架构，通过动态物体检测和多模态对齐实现高精度环境重建，结合物理可解释的特征提取和信道LM核心，实现多任务信道预测，实验表明在未见过的环境中，信道状态信息预测误差降低4.23 dB，端到端推理延迟仅70毫秒。

Comments 16 pages, 12 figures, Submitted to Nature Partner Journals Wireless Technology