3D 视觉

Wat3R: Underwater 3D Geometry Learning without Annotations

Wat3R：无需标注的水下3D几何学习

Jiangwei Ren, Xingyu Jiang, Zijie Song, Wei Xu, Hongkai Lin, Dingkang Liang, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 针对水下3D几何估计难题，提出跨域半监督学习框架Wat3R，基于师生架构，无需标注水下数据，利用未标注视频学习，设计跨视图一致性损失，构建Water3D数据集，实验证明其在水下多视图深度估计和点云重建上性能优于现有方法。

Comments Accepted to ECCV 2026. The dataset and code are available at https://github.com/LSXI7/Wat3R

On Exploring Input Resolution Scaling For Anytime LiDAR Object Detection

关于探索用于任意时刻激光雷达目标检测的输入分辨率缩放

Ahmet Soyyigit, Shuochao Yao, Heechul Yun

机构 * The National Defense University（国防大学） ； George Mason University（乔治梅森大学） ； The University of Kansas（堪萨斯大学） 纠错

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

AI总结 研究为处理激光雷达点云的深度神经网络实现任意时刻计算，提出新方法可多分辨率推理，引入期限感知调度器，内存高效只需单个模型，实验表明优于现有方法，部署在模拟系统可实现无碰撞导航并避免停顿。

GrowFields: Compositional 4D Neural Fields for Topology-Changing Plant Growth

GrowFields：用于拓扑变化植物生长的组合式4D神经场

Joaquin Gajardo, Michele Volpi, Marko Mihajlovic, Siyu Tang, Lukas Roth, Sergey Prokudin

机构 * ETH Zürich（苏黎世联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心） ； Martin-Luther-Universität Halle-Wittenberg（马丁-路德-哈雷-维滕贝格大学） 纠错

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

AI总结 针对从稀疏纵向3D观测量化植物生长动力学的难题，提出GrowFields，将植物分解为器官并对齐到规范坐标系，学习共享神经变形场，在植物器官跟踪中表现优于现有表示。

Comments ECCV 2026 paper (main conference). v2 corrects the vertical guide lines in supplementary Figures 5-7. Project page and code available at https://joaquin-gajardo.github.io/growfields/

Building confidence regions for Reeb graphs using the interleaving distance

使用交织距离构建Reeb图的置信区域

Matteo Pegoraro, Alberto Conforti, Mathieu Carrière

专题命中 点云 ：point cloud(abstract)

AI总结 该研究利用交织距离从有限样本为Reeb图开发置信区域，通过构建有限邻近图等方法，证明Reeb估计器稳定性界，导出置信区域，还比较了对象级度量与基于持久性保证，数值实验展示了特征识别及投影到Mapper图解释的过程。

Selecting Interpretable Circular Coordinates from Data

从数据中选择可解释的圆形坐标

Vincent P. Grande, Marina Meila

专题命中 点云 ：point cloud(abstract)

AI总结 研究从数据中选择可解释圆形坐标的问题，提出从候选字典选坐标的方法，在连续和离散设置下介绍相关方法及证明，通过实验验证该方法在合成示例、分子模拟和神经记录上的有效性。