3D 视觉

A Cookbook of 3D Vision: Data, Learning Paradigms, and Application

3D视觉食谱：数据、学习范式与应用

Hongyang Du, Zongxia Li, Dawei Liu, Runhao Li, Haoyuan Song, Qingyu Zhang, Yubo Wang, Jingcheng Ni, Shihang Gui, Congchao Dong, Tao Hu

机构 * Brown University（布朗大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学） ； New York University（纽约大学） ； The University of Sydney（悉尼大学） ； Stability AI 纠错

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

AI总结 本文提出一种以数据为中心的3D视觉分类法，通过分析点云、网格、体素和3D高斯等几何表示及其获取流程，以及数据集设计、基准构建和监督机制，统一了表示、学习范式与下游任务（重建、生成、视频建模）之间的关系。

Comments Accepted to the CVPR 2026 OpenSUN3D Workshop. Official version available at CVF Open Access. https://openaccess.thecvf.com/content/CVPR2026W/OpenSUN3D/html/Du_A_Cookbook_of_3D_Vision_Data_Learning_Paradigms_and_Application_CVPRW_2026_paper.html

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026

Automatic Interpretation of Unordered Point Cloud Data for UAV Navigation in Construction

无人机在建筑施工中无序点云数据的自动解释

M. D. Phung, C. H. Quach, D. T. Chu, N. Q. Nguyen, T. H. Dinh, Q. P. Ha

机构 * University of Engineering and Technology（工程大学） ； Vietnam National University, Hanoi（越南国家大学河内分校） ； University of Technology Sydney（悉尼技术大学） 纠错

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

AI总结 本文提出了一种数据处理系统，用于自动为无人机生成航路点，以检查建筑和桥梁等结构表面。系统通过两个正交安装的2D激光扫描仪和惯性测量单元的数据，利用数据注册、表面检测和航路生成算法，实现结构点云重建和航路规划。

Comments In The 14th International Conference on Control, Automation, Robotics and Vision, ICARCV 2016

A Two-stage Classification Method for High-dimensional Data and Point Clouds

高维数据和点云的两阶段分类方法

Xiaohao Cai, Raymond Chan, Xiaoyu Xie, Tieyong Zeng

机构 * Mullard Space Science Laboratory (MSSL), University College London, Surrey RH5 6NT, UK（穆拉德空间科学实验室（MSSL），伦敦大学学院， Surrey RH5 6NT，英国） ； Department of Mathematics, City University of Hong Kong, Kowloon Tong, Hong Kong（城市大学数学系， Hong Kong， 香港） ； Department of Mathematics, The Chinese University of Hong Kong, Shatin, Hong Kong（香港中文大学数学系， Shatin， Hong Kong） 纠错

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

AI总结 本文提出了一种两阶段多阶段半监督分类方法，用于高维数据和无结构点云的分类。首先使用模糊分类方法如标准支持向量机生成初始解，然后应用SaT（平滑和阈值）两阶段方法改进分类。第一阶段通过无约束凸变分模型净化和平滑初始解，第二阶段将第一阶段得到的平滑分区投影到二进制分区。这两个阶段可以重复进行，以提高分类质量。我们证明了平滑阶段的凸模型有唯一解，并可以通过专门设计的对偶算法求解。我们在多个基准数据集上测试了我们的方法，并与最先进的方法进行了比较。实验结果表明，我们的方法在高维数据和点云的分类准确率和计算速度上均优于现有方法。

Comments 21 pages, 4 figures

Improved accuracy of monotone finite difference schemes on point clouds and regular grids

改进点云和规则网格上单调有限差分方案的准确性

Chris Finlay, Adam Oberman

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出改进的有限差分方案，提高点云和规则网格上求解非线性退化椭圆PDE的精度，分别达到O(R + dθ²)和O(R² + dθ²)的更高阶精度。

Point Cloud Movement For Fully Lagrangian Meshfree Methods

点云运动用于完全拉格朗日无网格方法

Pratik Suchde, Joerg Kuhnert

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出改进的点云运动方法，通过引入特征速度ODE系统提升精度，克服传统一阶方法的体积和质量守恒误差。

Journal ref Journal of Computational and Applied Mathematics. 340: 89-100. 2018

An algorithm for optimal transport between a simplex soup and a point cloud

在简单形汤和点云之间求最优运输的算法

Quentin Mérigot, Jocelyn Meyron, Boris Thibert

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出一种数值方法，用于在低维子集上的测度与有限支持测度之间求最优运输映射，通过非线性系统求解来指定Laguerre图中各单元的质量，证明了阻尼牛顿算法的线性收敛性，并应用于三维空间中的运输计划计算及表面概率密度最优量化、重网格化和刚性点集注册。

Point cloud discretization of Fokker-Planck operators for committor functions

Fokker-Planck算子的点云离散化用于跃迁函数

Rongjie Lai, Jianfeng Lu

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出一种点云离散化方法，用于计算跃迁函数，假设跃迁发生在低维流形上，通过模型系统验证了方法的有效性。

Comments 17 pages, 11 figures

Modified Virtual Grid Difference for Discretizing the Laplace-Beltrami Operator on Point Clouds

改进的虚拟网格差分法用于点云上拉普拉斯-贝尔特拉米算子的离散化

Meng Wang, Shingyu Leung, Hongkai Zhao

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种新的简单离散化方法，即改进的虚拟网格差分（MVGD），用于点云采样曼陀结构上拉普拉斯-贝尔特拉米（LB）算子的数值近似。通过局部笛卡尔坐标系参数化和最小二乘逼近，改进了线性系统的对角优势和条件数，提高了求解效率。

Continuation of Point Clouds via Persistence Diagrams

通过持续图延续点云

Marcio Gameiro, Yasuaki Hiraoka, Ippei Obayashi

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出利用持续图延续点云的数学和算法框架，通过持续图的可微性应用牛顿-拉夫森方法，将原始点云转换为目标持续图的中间点云。

Convergence of the Point Integral method for the Poisson equation with Dirichlet boundary on point cloud

点积分法在带有狄利克雷边界条件的泊松方程上的收敛性

Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出点积分法用于求解点云上泊松方程，证明了该方法在狄利克雷边界条件下的收敛性。

Convergence of the Point Integral method for Poisson equation on point cloud

泊松方程在点云上的点积分方法收敛性分析

Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文研究了点积分方法在带有Neumann边界条件的子流形上的泊松方程收敛性，分析了该方法在点云上的离散化性能。

Comments arXiv admin note: substantial text overlap with arXiv:1312.4424

A convergent point integral method for isotropic elliptic equations on point cloud

一个用于点云上各向同性椭圆方程的收敛点积分方法

Zhen Li, Zuoqiang Shi

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种基于点积分方法求解点云上各向同性椭圆方程的数值方法，通过适当核函数获得椭圆算子的积分近似，并证明其保持原算子的 coercivity，从而保证方法的收敛性。

Comments arXiv admin note: text overlap with arXiv:1403.2141, arXiv:1506.01788

Point Integral Method for Solving Poisson-type Equations on Manifolds from Point Clouds with Convergence Guarantees

点积分法用于从点云中求解流形上的泊松型方程并保证收敛性

Zhen Li, Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出点积分法（PIM）用于从点云中求解流形上的泊松型方程，通过积分方程代替微分方程，避免导数运算，从而保证收敛性，并通过数值实验验证其有效性。

Comments arXiv admin note: text overlap with arXiv:1403.2141

Convergence of Laplacian Spectra from Point Clouds

点云中拉普拉斯谱的收敛性

Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文研究了点云中离散拉普拉斯算子的谱结构收敛性，提出点积分法在计算拉普拉斯谱时的数学基础，并给出了收敛速率的估计。

Multi-scale Non-Rigid Point Cloud Registration Using Robust Sliced-Wasserstein Distance via Laplace-Beltrami Eigenmap

基于鲁棒切线瓦瑟斯坦距离的多尺度非刚性点云配准方法

Rongjie Lai, Hongkai Zhao

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出利用拉普拉斯-贝蒾特征映射和鲁棒切线瓦瑟斯坦距离进行多尺度非刚性点云配准，通过不同尺度的n值实现快速且鲁棒的配准过程。

Comments 29 pages, 8 figures

Recent Advances and Trends in Learning-based 3D Representations

基于学习的3D表示的最新进展与趋势

Adrien Schockaert, Hamid Laga, Hazem Wannous, Vincent Magnier, Guillaume Dufaye, Jean-françois Witz

机构 * CERI SN, IMT Nord Europe（CERI SN，IMT Nord Europe） ； Univ. Lille, CNRS, Centrale Lille, UMR 9013 - LaMcube - Laboratoire de Mécanique, Multiphysique, Multiéchelle（里尔大学，CNRS，Centrale Lille，UMR 9013 - LaMcube - 机械、多物理场、多尺度实验室） ； Downs, 59670 Sainte-Marie-Cappel（Downs，59670 Sainte-Marie-Cappel） ； School of Information Technology, Murdoch University（墨尔本大学信息科技学院） 纠错

专题命中 点云 ：Gaussian Splatting(abstract)；3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV

AI总结 本文综述了从离散显式格式到连续隐式场（基于神经渲染或基元溅射）的3D表示家族，分析了其优缺点及关键应用，并强调了向隐式表示的范式转变。

Hierarchical Space Partition for Surface Reconstruction

表面重建的层次空间划分

Minjie Tang, Xiangfei Li

机构 * Independent Researcher（独立研究员） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 点云 ：3D vision(abstract,comments)；point cloud(abstract)；分类 cs.CV

AI总结 针对点云重建中因LiDAR扫描局限导致细节缺失的问题，提出基于平面分类与优先级生长的层次空间划分方法，并通过最小割优化生成水密多边形网格。

Comments Published in 2026 International Conference on 3D Vision (3DV)

Journal ref in 2026 International Conference on 3D Vision (3DV), Vancouver, BC, Canada, 2026, pp. 207-216

Error estimation of weighted nonlocal Laplacian on random point cloud

加权非局部拉普拉斯算子在随机点云上的误差估计

Zuoqiang Shi, Bao Wang, Stanley J. Osher

专题命中 点云 ：point cloud(title)

AI总结 本文研究了加权非局部拉普拉斯算子在高维随机数据上的收敛性，揭示了缩放权重μ∼P|/|S|的重要性，为高维数据插值提供了理论基础。

Comments 15 pages; 2 figures

SE3-Pose-Nets: Structured Deep Dynamics Models for Visuomotor Planning and Control

SE3-姿态网络：用于视觉-运动规划和控制的结构深度动力学模型

Arunkumar Byravan, Felix Leeb, Franziska Meier, Dieter Fox

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

AI总结 本文提出了一种基于结构深度动力学模型的深度视觉-运动控制方法，通过编码器-解码器结构学习低维姿态嵌入，实现场景分割和姿态预测，并在现实世界中实现了闭环控制。

Comments 8 pages, Initial submission to IEEE International Conference on Robotics and Automation (ICRA) 2018

GeM-NR: Geometry-Aware Multi-View Editing for Nonrigid Scene Changes

GeM-NR：面向非刚性场景变化的几何感知多视角编辑

Josef Bengtson, Yaroslava Lochman, Fredrik Kahl

机构 * Chalmers University of Technology（查尔姆斯理工大学） 纠错

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

AI总结 提出GeM-NR，一种无需训练的快速灵活方法，通过深度图对齐、视角投影和条件细化实现多视角一致的通用非刚性图像编辑，支持几何和外观的显著变化。

Comments Project page: https://gem-nr.github.io/

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。