3D 视觉

VTLoc: Learning-based Tactile Contact Localization in Visual Point Clouds

VTLoc：基于学习的视觉点云中触觉接触定位

Zhiyuan Wu, Zhuo Chen, Shan Luo

机构 * Department of Engineering, King’s College London（伦敦国王学院工程系） 纠错

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

AI总结 研究视觉与触觉融合的接触定位问题，提出VTLoc框架，通过几何多模态对齐模块和迭代定位更新器，利用视觉点云从触觉读数定位接触点，在新基准上减少对应模糊性，改善单触接触定位。

Depth-Semantic Alignment and Affinity-Guided Fusion for Structured Radar Point Cloud Generation

深度语义对齐与亲和力引导融合的结构化雷达点云生成

Amjad Hussain, Wenjie Liu, Yuchen Tan, Fuyuan Ai, Zecheng Li, Chunyi Song, Xin Qiu

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 针对毫米波雷达点云稀疏、噪声大、结构不完整的问题，提出基于视觉-雷达融合的多模态点云生成方法，利用图像语义约束和稀疏补全策略提升点云质量，并在检测跟踪任务中验证有效性。

Knowing the Self, Understanding the World: A Dual-Cognition Benchmark for UAV Spatio-temporal Reasoning with MLLMs

认识自我，理解世界：用于基于多模态大语言模型的无人机时空推理的双认知基准测试

Like Liu, Zhengzheng Xu, Haitao He, Hongzhe Li, Shuchang Zhang, Dian Shao

机构 * Northwestern Polytechnical University（西北工业大学） ； China University of Petroleum（中国石油大学） 纠错

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

AI总结 该研究针对多模态大语言模型在无人机场景双认知能力评估不足的问题，提出UAV-DualCog基准测试，涵盖图像和视频任务，通过自动化管道构建数据，评估发现现有模型存在瓶颈，该基准测试有价值。

Comments 11 pages, 4 figures, 7 tables. Project website: https://uav-dualcog.lozumi.com

Hardware-triggered Time Synchronization of Roadside Multi-lidar, Multi-camera Measurement System for Accurate Data Alignment

用于精确数据对齐的路边多激光雷达、多摄像头测量系统的硬件触发时间同步

Shiva Agrawal, Savankumar Bhanderi, Zhiran Yan, Gordon Elger

机构 * Technische Hochschule Ingolstadt（英戈尔施塔特技术大学） 纠错

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

AI总结 研究路边多激光雷达与多摄像头系统数据对齐问题，提出开源、简单、模块化的硬件触发时间同步电路，通过实验评估其对时空对齐的影响，实现跨传感器一致性最大化，为多传感器同步提供低成本可扩展方案。

Comments Accepted at the IEEE International Conference on Intelligent Transportation Systems (ITSC 2026). Code and hardware design: https://github.com/shiva-THI/hardware-trigger-time-sync-lidar-cameras

Training-Free Open-Vocabulary 3D Point-Cloud Segmentation on the Generalized Few-Shot Benchmark

广义少样本基准上的无训练开放词汇3D点云分割

Silas kwabla Gah, Ebenezer Owusu

机构 * University of Ghana（加纳大学） 纠错

专题命中 点云 ：3D vision(abstract)；分类 cs.CV

AI总结 研究广义少样本3D点云分割问题，提出无训练方法，用冻结的3D视觉语言模型与概念分割器，通过跨视图一致性协调，在ScanNet200和ScanNet++基准上提升新类mIoU，且无需少样本支持，效果优于现有方法。

BODIESReg: An Open-Source Pipeline for Registering 3D Body Scans Using Pose-Aligned Initialization

BODIESReg：一种使用姿态对齐初始化来配准3D人体扫描的开源管道

Vikash Chaurasia, Judit Cueto Fernandez, J. Micah Prendergast, Eline van der Kruk

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对生物力学模型个性化需准确识别解剖标志等，提出开源管道BODIESReg，通过姿态对齐初始化解决配准难题，在两个数据集上评估，自动配准成功率高，误差低，还提供手动校正工具，支持3D人体扫描大规模配准。

Cluster-Aware Matching via Laplacian Optimal Transport

通过拉普拉斯最优传输实现聚类感知匹配

Gabriel Samberg, YoonHaeng Hur, Yuehaw Khoo, Nir Sharon

机构 * Department of Applied Mathematics, Tel Aviv University（特拉维夫大学应用数学系） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Statistics, University of Chicago（芝加哥大学统计系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 针对点云具有聚类结构的匹配问题，提出基于拉普拉斯最优传输（LapOT）的聚类感知匹配方法，用二次拉普拉斯项正则化最优传输问题，引入RSC方法，经理论分析和实验证明该方法能实现点云间更一致且有意义的对齐。

GA-VINO: A Geometry-Aware Variational Physics-informed Neural Operator for Mindlin-Reissner Plates

MR-GVNO：一种面向不规则域上Mindlin-Reissner板的几何感知变分物理信息神经算子

Siqi Wang, Daobo Sun, Yizheng Wang, Yilong Zhang, Yabin Jin, Xiaoying Zhuang, Timon Rabczuk

机构 * Institute of Computational Mechanics × AI & College of Intelligent Robotics and Advanced Manufacturing, Fudan University（计算力学与人工智能学院及智能机器人与先进制造学院，复旦大学） ； School of Aerospace Engineering, Xiamen University（航空航天工程学院，厦门大学） ； Department of Engineering Mechanics, Tsinghua University（工程力学系，清华大学） ； Institute of Photonics, Department of Mathematics and Physics, Leibniz University（光子研究所，数学与物理系，莱比锡大学） ； Institute of Structural Mechanics, Bauhaus-Universität Weimar（结构力学研究所，魏玛 Bauhaus-Universität） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出MR-GVNO，一种几何感知变分神经算子，通过边界点云表示不规则几何，利用交叉注意力机制融合多物理场输入，基于离散总势能的变分物理信息损失无监督训练，实现对Mindlin-Reissner板问题的快速准确预测。

Effect of Local Topological Changes on Resistance in Spatially-Embedded Disordered Networks

局部拓扑变化对空间嵌入无序网络中电阻的影响

Chenxi Wang, Charles Emmett Maher, Katherine A. Newhall

专题命中 点云 ：point cloud(abstract)

AI总结 通过研究二维无序网络超材料中的Delaunay翻转，发现局部拓扑变化在靠近源或汇节点时会导致有效电阻显著跳跃，并基于边缘电压降解析解释了该现象。

Comments 14 pages 11 figures

Analysis of Semi-Supervised Learning on Hypergraphs

超图上的半监督学习分析

Adrien Weihs, Andrea L. Bertozzi, Matthew Thorpe

机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of Warwick（沃里克大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究超图上的半监督学习问题，提出高阶超图学习（HOHL）方法，通过分析随机几何超图上的变分问题，确定缩放机制，证明离散极小值收敛，还给出多尺度拉普拉斯替代并证明收敛，数值实验验证了高阶正则化的实用性。