视觉与机器人

3D 视觉

三维重建、NeRF、Gaussian Splatting、点云和空间智能。

2026-05-01 至 2026-05-01 共收录 3 篇信号源：cs.CV, cs.GR, cs.RO

1. 点云 3 篇

2602.00937 2026-05-01 cs.RO cs.AI cs.CV cs.LG 62%

CLAMP: Contrastive Learning for 3D Multi-View Action-Conditioned Robotic Manipulation Pretraining

CLAMP: 基于对比学习的3D多视角动作条件机器人操控预训练

I-Chun Arthur Liu, Krzysztof Choromanski, Sandy Huang, Connor Schenck

机构 * Google DeepMind（谷歌DeepMind）； University of Southern California（南加州大学）

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

AI总结 CLAMP通过3D点云和机器人动作进行预训练，利用对比学习提升机器人操控精度与效率，优于现有基线方法。

Comments Accepted to the Robotics: Science and Systems (RSS) 2026

2507.13486 2026-05-01 cs.CV 57%

Uncertainty Quantification Framework for Aerial and UAV Photogrammetry through Error Propagation

通过误差传播的航空和无人机摄影测量不确定性量化框架

Debao Huang, Rongjun Qin

机构 * Geospatial Data Analytics Laboratory, The Ohio State University（地理空间数据分析实验室，俄亥俄州立大学）； Department of Civil, Environmental and Geodetic Engineering, The Ohio State University（土木、环境与大地测量工程系，俄亥俄州立大学）； Department of Electrical and Computer Engineering, The Ohio State University（电气与计算机工程系，俄亥俄州立大学）； Translational Data Analytics Institute, The Ohio State University（转化数据分析研究院，俄亥俄州立大学）

专题命中点云：point cloud(abstract)；分类 cs.CV

AI总结本文提出通过误差传播的不确定性量化框架，解决多视立体阶段的不确定性估计问题，利用自校准方法提升摄影测量点云的鲁棒性和可验证性。

Comments 27 pages, 12 figures, this manuscript has been accepted to ISPRS Journal of Photogrammetry and Remote Sensing

2604.28040 2026-05-01 eess.SP 50%

LiDAR-based Dynamic Blockage Prediction: A Data-driven Approach for Learning Interactive Bayesian Models

基于LiDAR的动态遮挡预测：一种数据驱动的方法用于学习交互式贝叶斯模型

Saleemullah Memon, Ali Krayani, Pamela Zontone, Lucio Marcenaro, David Martin Gomez, Carlo Regazzoni

专题命中点云：point cloud(abstract)

AI总结本文提出了一种数据驱动方法，用于学习交互式通用动态贝叶斯网络模型，以从基于时间序列的3D点云感知预测未来LiDAR传感器遮挡。通过训练不同车辆在正常和遮挡情况下的GDBN模型，并利用高阶词汇进行多车辆交互，提出交互式马尔可夫跳跃粒子滤波器以推断遮挡并检测异常。

Comments 2025 IEEE International Workshop on Technologies for Defense and Security (TechDefense), Rome, Italy