3D 视觉

Benchmarking Federated Learning and Knowledge Distillation for Point Cloud Classification

联邦学习与知识蒸馏在点云分类中的基准测试

Aizierjiang Aiersilan

机构 * University of Macau（澳门大学） 纠错

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

AI总结 针对隐私敏感和资源受限场景，联合评估联邦学习与知识蒸馏在3D点云分类中的性能，发现极端非独立同分布标签偏移下联邦学习性能下降，蒸馏可压缩模型且避免标签泄露问题。

Comments We are pleased to announce that this paper has been accepted by the 19th European Conference on Computer Vision (ECCV 2026). We appreciate the valuable feedback from the reviewers and look forward to sharing our findings with the community

Heavy-Flavor Electron Classification Using Hadronic Environment as Point Cloud

使用强子环境作为点云的重味电子分类

Jingyu Zhang, Wanbing He, Long Ma

专题命中 点云 ：point cloud(title,abstract)

AI总结 将强子环境表示为点云，利用集合机器学习架构区分粲和底起源电子，发现性能受限于强子结构内在相似性，在40%效率下纯度约80%，优于传统BDT基线。

Comments 8 pages, 10 figures

Comprehensive Robustness Analysis of LiDAR-based 3D Object Detection in Autonomous Driving

自动驾驶中基于LiDAR的3D物体检测的全面鲁棒性分析

Adwait Chandorkar, Kai Krink, Yerdana Maulenbay, Hasan Tercan, Tobias Meisen

机构 * Institute for TMDT, University of Wuppertal, Germany（TMDT研究所，乌尔姆大学，德国） ； IKB Faculty of Science, University of British Columbia, Canada（科学学院，不列颠哥伦比亚大学，加拿大） 纠错

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

AI总结 针对LiDAR-only 3D物体检测模型对抗鲁棒性研究不足的问题，提出一个综合评估框架，通过结构因子（点云密度、定位）和预测因子（误分类、定位误差、自车距离）分析，发现高容量体素检测器比支柱检测器更易受结构化坐标扰动，非锚点检测器鲁棒性差。

Comments Accepted at ECCV 2026 main

UnderOneFacade: Worldwide Facade Semantic Segmentation Benchmark Dataset

UnderOneFacade：全球立面语义分割基准数据集

Yi Wang, Fan Wang, Prabin Gyawali, Ziyang Xu, Anna Klimkowska, Yixiong Jing, Wanru Yang, Filip Biljecki, Christoph Holst, Benjamin Busam, Brian Sheil, Olaf Wysocki

机构 * Technical University of Munich（慕尼黑工业大学） ； University of Cambridge（剑桥大学） ； University of Nottingham（诺丁汉大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 针对现有立面解析数据集地理范围窄、语义不一致的问题，提出全球最大跨国家、跨洲的3D立面基准UnderOneFacade，包含27亿标注点，评估多种模型并揭示其跨域性能下降，为鲁棒可迁移的3D分割模型提供基准。

Comments accepted by ECCV 2026

C2E: Boosting Ego-Only 3D Object Detection via Multi-Teacher Contrastive Knowledge Distillation

C2E: 通过多教师对比知识蒸馏提升仅自我3D目标检测

Jinlong Wang, Xun Huang, Qiming Xia, Shijia Zhao, Chenglu Wen

机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, Xiamen University（福建省城市智能感知与计算重点实验室，厦门大学） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（多媒体可信感知与高效计算教育部重点实验室，厦门大学） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 提出C2E范式，通过多对一智能体对比知识蒸馏框架M2S，结合多级特征增强、辅助点云重建和多教师对比蒸馏，在无通信成本下提升仅自我3D检测性能，在多个数据集上验证有效性。

Comments 18 pages, 8figures

Journal ref ECCV 2026

DriveWeaver: Point-Conditioned Video Inpainting for Controllable Vehicle Insertion in Autonomous Driving Simulation

DriveWeaver: 基于点云条件的视频修复用于自动驾驶仿真中的可控车辆插入

Junzhe Jiang, Zipei Ma, Zijie Pan, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 提出DriveWeaver框架，通过点云条件视频修复实现自动驾驶仿真中可控车辆插入，解决光照不一致和3D资产依赖问题，支持大规模场景增强。

Comments Accepted at ECCV 2026, Project Page: https://github.com/LogosRoboticsGroup/DriveWeaver

DAP: Doppler-aware Point Network for Heterogeneous mmWave Action Recognition

DAP：面向异构毫米波的点网络用于人类动作识别

Jiaying Lin, Shiman Wu, Jinfu Liu, Can Wang, Mengyuan Liu

机构 * Peking University（北京大学） ； Huazhong University of Science and Technology（华中科技大学） ； DJI Technology Company Ltd.（大疆技术创新有限公司） ； Christian-Albrechts-Universität zu Kiel（基尔大学） 纠错

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

AI总结 本文提出DAP-Net，通过异构雷达源的跨模态对齐和D2R模块实现点云增强，提升动作识别的鲁棒性与准确性。

BIEVR-LIO: Robust LiDAR-Inertial Odometry through Bump-Image-Enhanced Voxel Maps

BIEVR-LIO：通过凸起图像增强体素地图实现鲁棒的激光雷达惯性里程计

Patrick Pfreundschuh, Turcan Tuna, Cedric Le Gentil, Roland Siegwart, Cesar Cadena, Helen Oleynikova

机构 * 1 Autonomous Systems Lab, ETH Z\"urich, Switzerland, 2 Robotic Systems Lab, ETH Z\"urich, Switzerland, 3 Mobile Robotics Lab, ETH Z\"urich, Switzerland -1.5mm 纠错

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

AI总结 本文提出BIEVR-LIO方法，通过高分辨率体素地图表示和信息导向点采样策略，提升在信息稀疏环境下的激光雷达惯性里程计鲁棒性，并在多种场景中实现优异性能。

Occlusion-Aware 3D Hand-Object Pose Estimation with Masked AutoEncoders

基于掩码自编码器的遮挡感知3D手-物体姿态估计

Hui Yang, Wei Sun, Jian Liu, Jin Zheng, Jian Xiao, Ajmal Mian

机构 * National Engineering Research Center for Robot Visual Perception and Control Technology, School of Artificial Intelligence and Robotics, Hunan University（国家机器人视觉感知与控制技术工程研究中心，人工智能与机器人学院，湖南大学） ； School of Architecture and Art, Central South University（建筑与艺术学院，中南大学） ； Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） 纠错

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

AI总结 提出HOMAE方法，通过目标聚焦掩码策略和隐式SDF与显式点云融合，解决手-物体交互中的严重遮挡问题，在DexYCB和HO3Dv2上达到最优性能。

Comments IEEE Transactions on Multimedia 2026

Circular Max-Flow for Periodic Data via Reeb Graphs

基于Reeb图的周期数据环形最大流

Matteo Pegoraro, Lisbeth Fajstrup

专题命中 点云 ：point cloud(abstract)

AI总结 针对周期性边界条件数据，利用Reeb图将空间几何简化为有向一维隧道网络，并引入容量约束定义环形最大流，通过线性优化求解，无需指定进出口。