3D 视觉

A Point Cloud Transformer for Remote Monitoring and Automated Assessment of Physical Rehabilitation Exercises

用于远程监测和自动评估物理康复锻炼的点云Transformer

Kazi Rafat, Md. Ismail Hossain, M M Lutfe Elahi, Sifat Momen, Fuad Rahman, Nabeel Mohammed, Shafin Rahman

机构 * Department of Electrical and Computer Engineering, North South University（北南大学电气与计算机工程系） ； Apurba Technologies Limited（阿普尔巴技术有限公司） 纠错

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

AI总结 提出基于Transformer的点云框架，利用RGBD数据中的关节位置自动评估康复锻炼质量，通过曲线特征聚合和轴向自注意力提升性能，在三个数据集上优于现有方法。

Comments Accepted for publication in IEEE Journal of Biomedical and Health Informatics (JBHI), 2026

JOPP-3D: Joint Open Vocabulary Semantic Segmentation on Point Clouds and Panoramas

JOPP-3D：联合开放词汇语义分割点云与全景图像

Sandeep Inuganti, Hideaki Kanayama, Kanta Shimizu, Mahdi Chamseddine, Soichiro Yokota, Didier Stricker, Jason Rambach

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

AI总结 本文提出JOPP-3D框架，通过联合利用点云和全景图像数据实现语言驱动的场景理解，提升开放词汇下点云和全景图像的语义分割性能。

MM-Nav: Multi-View VLA Model for Robust Visual Navigation via Multi-Expert Learning

MM-Nav：基于多专家学习的多视角VLA模型用于鲁棒视觉导航

Tianyu Xu, Jiawei Chen, Jiazhao Zhang, Wenyao Zhang, Zekun Qi, Minghan Li, Zhizheng Zhang, He Wang

机构 * Peking University（北京大学） ； Galbot ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出MM-Nav模型，通过多专家学习从合成数据中学习多样化的导航能力，展示模型在合成环境中的强泛化能力，并在现实世界实验中验证其有效性。

Comments Project page: https://pku-epic.github.io/MM-Nav-Web/

Self-supervised Geometry Reasoning for LiDAR Simultaneous Localization and Mapping

自监督几何推理用于LiDAR同时定位与地图构建

Jiwoo Kim, Jinwoo Lee, Woojae Shin, Giseop Kim, Hyondong Oh

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国高级科学研究院） ； Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆北科学技术院） 纠错

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

AI总结 提出自监督框架，通过学习局部几何的显式符号表示（高斯分布协方差）并递归优化LiDAR SLAM，无需密集标签，提升低分辨率或稀疏点云下的定位与建图精度。

Anomaly Factory 3D: A Modular Framework for Diverse Pseudo-Anomaly Synthesis in Unsupervised 3D Anomaly Detection

Anomaly Factory 3D：无监督3D异常检测中多样化伪异常合成的模块化框架

Ali Balapour, Faraz Hach

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

AI总结 提出模块化框架AF3AD，通过局部PCA框架中的参数化变形模型合成多样化伪异常，增强无监督3D异常检测训练数据，在多个数据集上提升检测与定位性能。

GeoISF: Instance Semantic Forest Inspired Large-Scale Cross-View Geo-Localization via Ground LiDAR-to-Satellite Image

GeoISF：基于实例语义森林的通过地面激光雷达到卫星图像的大规模跨视角地理定位

Di Hu, Xia Yuan, Chunxia Zhao

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

AI总结 提出GeoISF管道，利用WordNet构建实例语义森林增强语义表示，弥合点云与卫星图像模态差异，在KITTI数据集上R@10指标比并行方法提升13.22倍。

3D Field of Junctions: A Noise-Robust, Training-Free Structural Prior for Volumetric Inverse Problems

3D 立体接点场：一种噪声鲁棒、无需训练的结构先验用于体积分量逆问题

Narges Moeini, Namhoon Kim, Justin Romberg, Sara Fridovich-Keil

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

AI总结 本文提出3D FoJ方法，通过优化3D楔形接点来实现体积分量逆问题的去噪，无需训练数据，保留和增强3D边缘和角结构，适用于低信噪比下的多种3D成像任务。

Comments ECCV 2026

LaGen: Towards Autoregressive LiDAR Scene Generation

LaGen：迈向自主驾驶的自回归激光雷达场景生成

Sizhuo Zhou, Xiaosong Jia, Fanrui Zhang, Junjie Li, Juyong Zhang, Yukang Feng, Jianwen Sun, Songbur Wong, Junqi You, Junchi Yan

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出LaGen，首个支持长时交互生成的自回归框架，能基于单帧输入生成高保真4D激光雷达场景，并通过场景解耦和噪声调节模块提升生成质量。

Comments Accepted to ECCV 2026

Stable complete coordinates for multisets of points via basic $r$-symmetric tropical polynomials

通过基本 $r$-对称热带多项式实现多点集稳定完备坐标

Susumu Kubo

专题命中 点云 ：point cloud(abstract)

AI总结 针对 $\mathbb{R}^r$ 中 $n$ 个无序点的多重集（点云或持久性条形码），提出使用 $\binom{n+r}{r}$ 个基本 $r$-对称热带多项式作为完备、稳定且显式的坐标，解决了长期未决问题，并证明该坐标映射是双Lipschitz嵌入。

Comments 12 pages

A Systematic Framework for Evaluating Topological Representations in Single-Cell Classification

单细胞分类中拓扑表示评估的系统框架

Rocío Picón-González, Salvador Chulián, Ana Niño-López, Álvaro Martínez-Rubio, María Rosa Durán

专题命中 点云 ：point cloud(abstract)

AI总结 提出一个双层框架，通过统计筛选和预测效用评估拓扑表示在单细胞分类中的性能，并在白血病数据上验证了不同表示方法的差异。