3D 视觉

PointGS: Semantic-Consistent Unsupervised 3D Point Cloud Segmentation with 3D Gaussian Splatting

PointGS: 基于3D高斯散射的语义一致无监督3D点云分割

Yixiao Song, Qingyong Li, Wen Wang, Zhicheng Yan

机构 * Key Laboratory of Big Data & Artificial Intelligence in Transportation (Beijing Jiaotong University), Ministry of Education（大数据与人工智能在交通运输中的关键实验室（北京交通大学），教育部） ； Frontiers Science Center for Smart High-speed Railway System, Beijing Jiaotong University（智能高速铁路系统前沿科学中心，北京交通大学） 纠错

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

AI总结 PointGS通过3D高斯散射统一中间表示，解决3D点云与2D图像的语义一致性问题，实现无监督分割，优于现有方法，在ScanNet-V2和S3DIS上分别提升0.9%和2.8%的mIoU。

Comments Accepted by Computer Vision and Pattern Recognition (CVPR) 2026

PointCaM: Cut-and-Mix for Open-Set Point Cloud Learning

PointCaM：用于开放集点云学习的Cut-and-Mix

Jie Hong, Shi Qiu, Weihao Li, Saeed Anwar, Mehrtash Harandi, Nick Barnes, Lars Petersson

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学） ； The University of Western Australia（西澳大学） ； Monash University（墨尔本大学） 纠错

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

AI总结 本文提出PointCaM方法，通过Unknown-Point Simulator和Estimator模块解决开放集点云学习问题，利用多级特征上下文提升未知对象识别性能。

Comments Accepted in CVIU

Real-Scale Island Area and Coastline Estimation using Only its Place Name or Coordinates

基于仅地名或坐标的真实尺度岛屿面积和海岸线估算

Quanyun Wu, Kyle Gao, Wentao Sun, Hongjie He, Yuhao Chen, David A. Clausi, Jonathan Li

机构 * East China Normal University（东华大学） 纠错

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

AI总结 本文提出基于纯单目视觉的真实尺度岛屿测量框架，通过自动化流程降低测绘成本，实现高效率测量。系统仅需输入目标区域的地理坐标或名称，即可获取低空影像序列，利用轻量级轨迹对齐算法恢复物理尺度，实现高精度面积和周长提取。

Comments Accepted for publication at IEEE OCEANS (Sanya) 2026

Towards Scalable Persistence-Based Topological Optimization

面向可扩展的基于持续性的拓扑优化

Abderrahim Bendahi, Alexandre Duplessis, Arnaud Fickinger

机构 * École Polytechnique Paris（巴黎高等理工学院） ； ENS Ulm, PSL Paris（乌尔姆国立高等学院，巴黎PSL） ； UC Berkeley（伯克利大学） 纠错

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

AI总结 本文提出一种更可扩展的拓扑优化流程，通过随机切片和Nadaraya-Watson高斯卷积改进子采样和梯度扩展，提升持续性优化的效率与效果。

Parabolic Position Encoding: Vision-Centric, Principled, Extrapolatable, General

抛物线位置编码：以视觉为中心、原理性、可外推、通用

Christoffer Koo Øhrstrøm, Rafael I. Cabral Muchacho, Yifei Dong, Filippos Moumtzidellis, Ronja Güldenring, Florian T. Pokorny, Lazaros Nalpantidis

机构 * Technical University of Denmark（丹麦技术大学） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 本文提出基于抛物线的位置编码PaPE，用于视觉模态的注意力架构。通过考虑视觉模态特性，PaPE在图像净胜率上提升最高达10.5%，并在8个数据集上表现优异。

B4DL: A Benchmark for 4D LiDAR LLM in Spatio-Temporal Understanding

B4DL：用于空间时间理解的4D激光雷达LLM基准

Changho Choi, Youngwoo Shin, Gyojin Han, Dong-Jae Lee, Junmo Kim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

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

AI总结 本文提出B4DL基准，用于训练和评估多模态大语言模型对4D激光雷达数据的理解，结合可扩展的数据生成管道和新模型，实现动态户外环境的空间时间推理。

Comments Accepted at ACM MM 2025

A Resource Efficient Fusion Network for Object Detection in Bird's-Eye View using Camera and Raw Radar Data

一种用于鸟瞰图中物体检测的资源高效融合网络：使用摄像头和原始雷达数据

Kavin Chandrasekaran, Sorin Grigorescu, Gijs Dubbelman, Pavol Jancura

机构 * ElektroBit Automotive GmbH ； Eindhoven University of Technology（埃因霍温理工大学） ； Transilvania University of Brasov（布拉索夫特拉扬大学） 纠错

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

AI总结 本文提出一种资源高效的融合网络，通过直接使用雷达原始范围-多普勒谱数据和摄像头图像处理，提升鸟瞰图中物体检测的准确性和效率。

Comments IEEE Intelligent Transportation Systems Conference (ITSC) 2024

PointNeRT: A Physics Aware Neural Ray Tracing Surrogate for Propagation Channel Modeling

PointNeRT：一种物理感知的神经射线追踪替代模型用于传播信道建模

Zhuoyin Li, Ruisi He, Mi Yang, Ziyi Qi, Zhengyu Zhang, Jiahui Han, Haoxiang Zhang, Bingcheng Liu

专题命中 点云 ：point cloud(abstract)

AI总结 PointNeRT通过点云输入高效重建多径传播，无需显式构建网格模型或手动定义电磁交互规则，实现物理约束下的多径预测与功率衰减建模。

A Unified Approach for Computing Wasserstein Barycenters of Discrete and Continuous Measures

计算离散和连续测度的Wasserstein均值的统一方法

Peng Xu, Changbo Zhu, Xiaohui Chen

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种统一的对偶镜像下降算法，用于在Fisher-Rao几何中精确计算Wasserstein均值，能够处理离散和绝对连续输入测度，并在两种情况下保证收敛性。

When and How to Canonize: A Generalization Perspective

何时以及如何规范化：从一般化角度出发

Yonatan Sverdlov, Benjamin Friedman, Snir Hordan, Nadav Dym

机构 * Technion – Israel Institute of Technology（技术学院–以色列理工学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文从一般化角度分析了规范化的理论属性，提出通过覆盖数上界分析规范化的泛化误差，建立了规范化的泛化误差层次，并证明了Hilbert曲线规范化的有效性。