3D 视觉

UniCAD: A Unified Benchmark and Universal Model for Multi-Modal Multi-Task CAD

UniCAD：面向多模态多任务CAD的统一基准与通用模型

Jingyuan Chen, Sheng Jin, Haopeng Sun, Wentao Liu, Chen Qian

机构 * SenseTime Research and Tetras.AI（秒速科技研究院和Tetras.AI） 纠错

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

AI总结 针对CAD领域缺乏统一多模态基准的问题，提出UniCAD基准和UniCAD-MLLM通用多模态大语言模型，在点云到CAD重建、文本/图像到CAD生成和CAD问答等任务上实现端到端统一处理，并在多个基准上取得最优性能。

Homology-Preserving Dimensionality Reduction via Adaptive Mapper and Landmark Isomap

同调保持的降维：基于自适应Mapper和地标Isomap

Shakiba Khourashahi, Ilia Jahanshahi, Bei Wang, Lin Yan

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

AI总结 提出AdaMapper和AdaHIsomap两种方法，通过持久性图指导骨架构建和地标选择，并引入自适应细化策略和随机锚点，以在降维中更好地保持同调特征（如连通分量和环）。

VT-3DAD: Cross-Category 3D Anomaly Detection via Visual-Text Normal Space Alignment

VT-3DAD：通过视觉-文本正常空间对齐的跨类别3D异常检测

Zi Wang, Katsuya Hotta, Yawen Zou, Koichiro Kamide, Yijin Wei, Chao Zhang, Jun Yu

机构 * Niigata University（Niigata大学） ； University of Toyama（Toyama大学） ； Iwate University（Iwate大学） 纠错

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

AI总结 提出VT-3DAD无训练框架，通过冻结CLIP编码器提取多视图视觉特征和文本正常锚点，融合视觉与语义偏差实现跨类别3D异常检测，在ShapeNetPart上达到最优性能。

Platonic Transformers: A Solid Choice For Equivariance

柏拉图式Transformer：等变性的坚实选择

Mohammad Mohaiminul Islam, Rishabh Anand, David R. Wessels, Friso de Kruiff, Thijs P. Kuipers, Rex Ying, Clara I. Sánchez, Sharvaree Vadgama, Georg Bökman, Erik J. Bekkers

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出Platonic Transformer，通过基于柏拉图立体对称群参考帧的注意力机制实现等变性，在不增加计算成本的前提下提升性能。

Scalable Event Cloud Network for Event-based Classification

可扩展事件云网络用于基于事件的分类

Hongwei Ren, Fei Ma, Xiaopeng Lin, Yuetong Fang, Hongxiang Huang, Yue Zhou, Yulong Huang, Haotian Fu, Ziyi Yang, Youxin Jiang, Xiangqian Wu, Bojun Cheng

机构 * Research Centre for Multimodal Artificial Intelligence（多模态人工智能研究中心） ； Applications, Faculty of Computing, Harbin Institute of Technology（应用学院，哈尔滨工业大学） ； MICS Thrust, Hong Kong University of Science（科学与技术大学（香港）MICS研究方向） ； Guangdong Laboratory of Artificial Intelligence（广东人工智能与数字经济实验室） 纠错

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

AI总结 提出SECNet，通过结构级极性集成和频域特征提取，解决事件云表示在空间和时间分辨率上的可扩展性问题，在十个数据集上验证了有效性。

Comments ICML2026 Oral

Fast Rigid 3D Registration Solution: A Simple Method Free of SVD and Eigen-Decomposition

快速刚性三维配准解决方案：一种无需SVD和特征分解的简单方法

Jin Wu, Ming Liu, Zebo Zhou, Rui Li

机构 * School of Aeronautics and Astronautics, University of Electronic Science and Technology of China, Chengdu, 611731, China（电子科技大学航空宇航学院） 纠错

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

AI总结 本文提出一种无需SVD和特征分解的快速刚性三维配准方法，通过点交叉协方差矩阵的最优特征向量计算实现高效配准，验证了其在噪声点云中的鲁棒性和速度优势。

Deconfliction and Surface Generation from Bathymetry Data Using LR B-splines

基于LR样条的水下地形数据去冲突与表面生成

Vibeke Skytt, Quillon Harpham, Tor Dokken, Heidi E. I. Dahl

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

AI总结 本文利用LR样条对多源不同时期的水下地形点云进行去冲突处理，生成精确且数据量小的表面模型，通过迭代优化提升精度与效率。

A Cylindrical Basis Function for Solving Partial Differential Equations on Manifolds

在流形上求解偏微分方程的圆柱基函数

E. O. Asante-Asamani, Lei Wang, Zeyun Yu

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

AI总结 本文提出一种在点云表示的闭合曲面中高效求解偏微分方程的方法，通过将标准径向基函数核的径向向量投影到局部切平面，将曲面微分算子转换为笛卡尔等价算子，验证了该方法在离散拉普拉斯-贝尔特拉米算子中的有效性。

Invariant EKF Design for Scan Matching-aided Localization

用于扫描匹配辅助定位的不变扩展卡尔曼滤波设计

Martin Barczyk, Silvère Bonnabel, Jean-Emmanuel Deschaud, François Goulette

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

AI总结 本文提出基于IEKF和MEKF的室内定位方法，通过融合运动传感器数据与扫描匹配点云实现机器人位姿估计，实验验证了IEKF的优越性。

Group Orbit Optimization: A Unified Approach to Data Normalization

群轨道优化：数据规范化的一个统一方法

Shuchang Zhou, Zhihua Zhang, Xiaobing Feng

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

AI总结 本文提出并研究了群轨道优化（GOO）问题，证明其可诱导矩阵分解技术，如SVD、LU分解、QR分解等，从而构建统一的矩阵分解框架，并推广至张量分解。

LMM-IR: Large-Scale Netlist-Aware Multimodal Framework for Static IR-Drop Prediction

LMM-IR：面向静态IR压降预测的大规模网表感知多模态框架

Kai Ma, Zhen Wang, Hongquan He, Qi Xu, Tinghuan Chen, Hao Geng

机构 * Tsinghua University（清华大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出一种基于大规模网表变换器和3D点云表示的多模态框架，用于快速准确地预测芯片静态IR压降，在ICCAD 2023竞赛中取得最佳F1分数和最低MAE。

Comments Accepted by DAC2025

A conservative, consistent, and scalable meshfree mimetic method

一种保守、一致且可扩展的无网格仿真实方法

Nathaniel Trask, Pavel Bochev, Mauro Perego

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种基于无网格方法的仿真实方法，该方法通过收缩场和虚拟面矩来定义抽象的无网格仿真实算子（MMD），满足离散散度定理并提供离散局部守恒原理，同时具有第一阶精度。该方法适用于需要背景网格但网格质量不足或无需背景网格的场景，通过虚拟有限体积离散化守恒定律，验证了方法的仿真实性质和与标准有限体积方法的相似性。

Applications of topological graph theory to $2$-manifold learning

拓扑图论在2维流形学习中的应用

Tyrus Berry, Steven Schluchter

专题命中 点云 ：point cloud(abstract)

AI总结 利用拓扑图论和流形分类理论，通过点云数据构建细胞复形并分类流形，提供分段线性结构描述。

Fast high-dimensional node generation with variable density

快速高维节点生成与可变密度

O. Vlasiuk, T. Michaels, N. Flyer, B. Fornberg

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种结合准蒙特卡洛方法和加权里斯能量最小化的方法，用于生成具有指定最近邻距离函数的离散分布，适用于无网格求解器和插值构建。

Comments Updated to journal version; added RBF-FD benchmarks; added journal DOI

A computational geometry method for the inverse scattering problem

一种用于反散射问题的计算几何方法

Maria L. Daza-Torres, Juan Antonio Infante del Río, Marcos A. Capistrán, J. Andrés Christen

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出基于计算几何的反散射问题求解方法，通过点云近似散射体支撑集，并利用贝叶斯方法联合建模点云非凸包和散射体折射率，结合样条控制点计算体积势，提出概率转移核以高效采样后验分布，验证了方法在同时恢复支撑集和折射率方面的可靠性。

Comments 20 pages, figures 8

Optimal Transport on Discrete Domains

离散域上的最优传输

Justin Solomon

机构 * MIT Department of Electrical Engineering and Computer Science（麻省理工学院电气工程与计算机科学系） ； MIT Department of Electrical Engineering（麻省理工学院电气工程系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文探讨了离散最优传输的最新进展，结合偏微分方程与凸分析，提出理论支持的模型，适用于数万到数百万顶点的领域。

Solving Partial Differential Equations on Manifolds From Incomplete Inter-Point Distance

在不完整点间距离上求解偏微分方程

Rongjie Lai, Jia Li

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种基于局部重建的高效方法，利用低秩矩阵补全理论处理不完整点间距离数据，用于在流形上求解偏微分方程，如拉普拉斯-贝尔特里特征系统，并通过实验验证其有效性。

Comments 26 pages, 11 figures

Meshfree finite difference approximations for functions of the eigenvalues of the Hessian

基于Hessian特征值的无网格有限差分近似

Brittany D. Froese

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出无网格有限差分方法，用于近似依赖二阶方向导数或Hessian特征值的非线性椭圆算子，展示了其在复杂域和退化方程中的收敛性。

Convergence of Laplacian spectra from random samples

从随机样本中拉普拉斯谱的收敛性

Zuoqiang Shi

专题命中 点云 ：point cloud(abstract)

AI总结 本文研究了点积分法在无限多随机样本下的收敛性，证明了其能逼近流形上的椭圆算子，并给出了收敛速度的估计。

Enforce the Dirichlet boundary condition by volume constraint in Point Integral method

通过体积约束在点积分法中强制狄利克雷边界条件

Zuoqiang Shi

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出利用杜等人提出的体积约束方法，在点积分法中处理狄利克雷边界条件，替代之前使用的罗宾边界近似。

Equivariant Latent Alignment via Flow Matching under Group Symmetries

群对称下通过流匹配的等变潜在对齐

Sunghyun Kim, Jaehoon Hahm, Jeongwoo Shin, Joonseok Lee

机构 * University of Illinois Urbana-Champaign, Illinois, USA（伊利诺伊大学厄巴纳-香槟分校） ； Seoul National University, Seoul, Korea（首尔国立大学） 纠错

专题命中 新视角合成 ：novel view synthesis(abstract)；分类 cs.CV

AI总结 针对现有方法在潜在空间中存在的等变错位问题，提出基于流的残差潜在流框架，通过纠正错位潜在表示来增强旋转群SO(n)下的等变一致性，提升新视角合成质量。

SymTRELLIS: Symmetry-Enforced Voxel Latents for 3D Generation

SymTRELLIS: 对称性增强的体素潜变量用于3D生成

Guangda Ji, Qimin Chen, Qinchan Li, Mingrui Zhao, Kai Wang, Hao Zhang

机构 * Simon Fraser University（西蒙 Fraser大学） 纠错

专题命中 3D生成 ：3D generation(title,abstract)；分类 cs.CV、cs.GR

AI总结 提出SymTRELLIS方法，通过在流模型生成过程中对预测速度进行对称化平均，强制任意有限点群对称性，无需重新训练VAE或流模型，显著降低对称性误差。

SkyShield: Occupancy as a Safety Interface for Low-Altitude UAV Autonomy

SkyShield：占用作为低空无人机自主飞行的安全接口

Jie Gao, Jie Ma, Kaihui Lin, Kai Ye, Miaohui Zhang, Pingyang Dai, Liujuan Cao

机构 * Xiamen University（厦门大学） ； Jiangxi Academy of Sciences（江西省科学院） 纠错

专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV

AI总结 针对低空无人机自主飞行中的三维空间理解问题，提出首个前视单目语义占用基准SkyShield、动态感知度量KAR-mIoU和几何优先基线SkyOcc，将占用作为安全接口。

Z-FLoc: Zero-Shot Floorplan Localization via Geometric Primitives

Z-FLoc: 基于几何基元的零样本楼层平面定位

Ayumi Umemura, Toshinori Kuwahara, Marc Pollefeys, Daniel Barath

机构 * ETH Zurich（苏黎世联邦理工学院） ； Tohoku University（东北大学） 纠错

专题命中 SLAM与定位 ：3D reconstruction(abstract)；分类 cs.CV、cs.RO

AI总结 提出一种零样本楼层平面定位方法，通过从单目3D重建的鸟瞰图中提取直线和圆等几何基元，并与楼层平面进行鲁棒匹配，无需重新训练即可泛化到新环境。

Outlier-Robust Spatial Perception: Hardness, General-Purpose Algorithms, and Guarantees

抗异常的空域感知：难度、通用算法和保证

Vasileios Tzoumas, Pasquale Antonante, Luca Carlone

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

AI总结 本文研究了空域感知中异常数据的影响，提出了一种通用算法来有效去除异常，并提供了对算法性能的理论保证。

MAEPose: Self-Supervised Spatiotemporal Learning for Human Pose Estimation on mmWave Video

MAEPose: 基于毫米波视频的人体姿态估计的自监督时空学习

Xijia Wei, Yuan Fang, Kevin Chetty, Youngjun Cho, Nadia Bianchi-Berthouze

机构 * University College London（伦敦大学学院） 纠错

专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.CV

AI总结 提出MAEPose，一种直接处理毫米波频谱视频的掩码自编码方法，通过自监督时空学习实现鲁棒的人体姿态估计，在三个数据集上优于现有方法。

A Motion Planning Strategy for the Active Vision-Based Mapping of Ground-Level Structures

一种用于主动视觉建图的地面结构运动规划策略

Manikandasriram Srinivasan Ramanagopal, André Phu-Van Nguyen, Jerome Le Ny

专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.RO

AI总结 本文提出了一种指导配备摄像头或深度传感器的地面机器人自主建图有限三维结构可见部分的策略，通过运动规划算法确定合适视角并自动填补点云中的空洞，适用于建筑、施工和检测领域。

Comments Accepted for publication in IEEE Transactions on Automation Science and Engineering. Available in IEEE Xplore at http://ieeexplore.ieee.org/document/8093664

Robust Topological Feature Extraction for Mapping of Environments using Bio-Inspired Sensor Networks

鲁棒拓扑特征提取用于生物启发式传感器网络环境映射

Alireza Dirafzoon, Edgar Lobaton

专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.RO

AI总结 本文利用生物启发式传感器网络收集的最小感知信息，通过概率运动模型提取弱接触信息，构建环境拓扑表示。采用拓扑数据分析提取主导特征，结合密度基子采样算法提高鲁棒性，并提出鲁棒尺度不变分类算法以量化特征。

Comments 14 pages, 7 figures