3D 视觉

Channel-Level Relation to Attentive Aggregation with Neighborhood-Homogeneity Constraint for Point Cloud Analysis

通道级关系与具有邻域同质性约束的注意聚合在点云分析中的应用

Jiaqi Shi, Jin Xiao, Xiaoguang Hu, Wenxuan Ji, Zichong Jia, Zifan Long, Tianyou Chen, Baochang Zhang

机构 * 1School of Automation Science ； Electrical Engineering, Beihang University, Beijing, China 2Wuhan Leaddo Measuring \& Control Technology, Wuhan, China 3School of Artificial Intelligence, Beihang University, Beijing, China Emails 纠错

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

AI总结 本文提出PointCRA网络，通过引入时间趋势变化作为新评估维度，解决现有空间和通道注意机制中权重维度坍缩导致的信息丢失问题，提升点云分析的精度与效率。

Super-Resolution of Airborne Laser Scanning Point Clouds for Forest Inventory

航空激光扫描点云的超分辨率处理用于森林调查

Jinyuan Shao, Sangyoong Park, Chunxi Zhao, Ayman Habib, Songlin Fei

机构 * Department of Forestry and Natural Resources, Purdue University（林业与自然资源系，普渡大学） ； Lyles School of Civil and Construction Engineering, Purdue University（莱尔斯土木与建设工程学院，普渡大学） 纠错

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

AI总结 本文提出3D Forest Super Resolution模型，通过提升点云密度和减少噪声，提高森林调查精度，实验表明其在树干定位和直径估计上表现优异。

GraphFusion3D: Dynamic Graph Attention Convolution with Adaptive Cross-Modal Transformer for 3D Object Detection

GraphFusion3D: 动态图注意力卷积与自适应跨模态Transformer用于3D目标检测

Md Sohag Mia, Md Nahid Hasan, Muhammad Abdullah Adnan

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

AI总结 本文提出GraphFusion3D框架，结合多模态融合与先进特征学习，通过自适应跨模态Transformer增强几何与语义信息，并引入图推理模块捕捉局部结构与全局语义，实验在SUN RGB-D和ScanNetV2上均取得显著提升。

UniD-Shift: Towards Unified Semantic Segmentation via Interpretable Share-Private Multimodal Decomposition

UniD-Shift：通过可解释的共享-私有多模态分解实现统一的语义分割

Shuai Zhang, Zhecheng Shi, Zhuxiao Li, Jing Ou, Tengxi Wang, Yuan Liu, Wufan Zhao

机构 * HKUST(GZ)（香港科技大学（广州）） 纠错

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

AI总结 本文提出UniD-Shift框架，通过结合视觉和几何编码器提取互补特征，并通过共享-私有子空间分解实现2D-3D语义分割的统一。实验表明在SemanticKITTI和nuScenes数据集上优于基线方法，且具有良好的泛化能力。

GEM: Generating LiDAR World Model via Deformable Mamba

GEM: 通过可变形Mamba生成LiDAR世界模型

Yang Wu, Zhaojiang Liu, Qiang Meng, Youquan Liu, Renliang Weng, Jianjun Qian, Jian Yang, Jin Xie

机构 * NJU（南京大学） ； SJTU（上海交通大学） ； FDU（福建师范大学） ； NTU（南京理工大学） 纠错

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

AI总结 GEM通过可变形Mamba架构提升LiDAR世界模型的逼真度与想象力，解决点云无序和动态静态区分难题，实现空间时间感知与自主探索能力。

Palm-sized Omnidirectional Vision-Based UAV Exploration with Sparse Topological Map Guidance

掌 sized 全向视觉基于的无人机探索与稀疏拓扑图引导

Zirui Wang, Xinjia Luo, Haotian Sun, Jun Ma, Jian Guo, Boyu Zhou

机构 * Department of Mechanical and Energy Engineering, Southern University of Science and Technology（南方科技大学机械与能源工程系） ； Thrust of Robotics and Autonomous Systems, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统研究所） ； International Digital Economy Academy, Shenzhen, China（深圳国际数字经济学院） 纠错

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

AI总结 本文提出一种轻量级自主探索系统，利用全向视觉和稀疏拓扑图引导，通过多鱼眼相机实现全向视场和深度估计，采用拓扑节点表示前沿区域，减少内存和计算需求，实现在模拟和实际无人机中高效探索。

DiffeoMorph: Learning to Morph 3D Shapes Using Differentiable Agent-Based Simulations

DiffeoMorph: 通过可微分基于代理的模拟学习3D形状变形

Seong Ho Pahng, Guoye Guan, Benjamin Fefferman, Sahand Hormoz

机构 * Department of Systems Biology, Harvard Medical School（哈佛医学院系统生物学系） ； Department of Data Science, Dana-Farber Cancer Institute（达纳-法伯癌症研究所数据科学部） ； Departments of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学部） ； Broad Institute of MIT and Harvard（MIT与哈佛大学Broad研究所） 纠错

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

AI总结 本文提出DiffeoMorph框架，通过可微分代理模拟学习形态发生协议，使代理群体变形为目标3D形状，采用SE(3)等价图神经网络和基于3DZernike多项式的形状匹配损失实现旋转不变性和反射敏感性。

Topology-Enhanced Alignment for Large Language Models: Trajectory Topology Loss and Topological Preference Optimization

基于拓扑的大型语言模型对齐：轨迹拓扑损失与拓扑偏好优化

Yurui Pan, Ke Xu, Bo Peng

机构 * School of Computing and Intelligent Innovation, Fudan University（复旦大学计算与智能创新学院） ； School of Economics and Management, Tongji University（同济大学经济与管理学院） ； College of Information Technology, Shanghai Ocean University（上海海洋大学信息学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出基于拓扑的对齐框架，通过轨迹拓扑损失和拓扑偏好优化提升大型语言模型的对齐性能，实验表明其在自动偏好指标和LLM判断评估中优于传统方法。

Comments Accepted to ACL 2026. 15 pages