3D 视觉

RaDiVe: Robust 4D Radar Odometry with Distance-Bounded NDT and Velocity-Discrepancy Point Uncertainty

RaDiVe：基于距离约束NDT与速度差异点不确定性的鲁棒4D雷达里程计

Sangwoo Jung, Dongjae Lee, Chiyun Noh, Ayoung Kim

机构 * SNU（首尔国立大学） 纠错

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

AI总结 本文提出RaDiVe框架，通过距离约束NDT、速度差异点不确定性模型及SDF表面点提取构建鲁棒4D雷达里程计，在多数据集上优于现有基线且保持实时性

Comments 8 pages, 8 figures, 8 tables

PrintAnything: Learning an Intermediate Representation for 3D printing G-code Generation

PrintAnything：学习用于3D打印G-code生成的中间表示

Sangmin Hong, Daniel Sungho Jung, Heewon Kim, Kyoung Mu Lee

机构 * IPAI, Seoul National University（首尔大学 IPAI） ； Seoul National University（首尔大学） ； Soongsil University（崇实大学） ； Kairoba Inc.（Kairoba公司） 纠错

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

AI总结 PrintAnything框架无需网格重建，通过切片式点投影策略和G-plan图，直接从点云生成可执行3D打印G-code，实现无网格的实用3D打印流程。

Comments European Conference on Computer Vision (ECCV) 2026

A Robust Placeability Metric for Model-Free Unified Pick-and-Place Reasoning

一种针对无模型统一抓取放置推理的鲁棒放置性度量

Benno Wingender, Nils Dengler, Rohit Menon, Sicong Pan, Maren Bennewitz

机构 * Anonymous Authors（匿名作者） ； Benno Wingender（伯恩诺·温格德尔） ； Nils Dengler（尼尔·登格尔） ； Rohit Menon（罗希特·梅农） ； Sicong Pan（斯冰·潘） ； Maren Bennewitz（马伦·本内维茨） 纠错

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

AI总结 本文提出一种鲁棒的概率放置性度量，通过联合评估稳定性、抓取性和空隙，实现无模型的统一抓取放置推理，并在仿真和真实机器人实验中验证其有效性。

Comments IROS 2026

BCNet: Bronchus Classification via Structure Guided Representation Learning

BCNet：基于结构引导表征学习的支气管分类

Wenhao Huang, Haifan Gong, Huan Zhang, Yu Wang, Xiang Wan, Haofeng Li, Guanbin Li, Hong Shen

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

AI总结 该研究针对自动支气管分类的个体拓扑差异挑战，提出结构引导的BCNet框架，在BronAtlas基准上F1分数超现有最优方法8%以上，还发布了支气管成像分析开放基准BronAtlas。

Comments The benchmark is available at https://osf.io/pskr9/?viewonly=94fa3d87274b4095ac9a4b88cc9a1341

Doubly Robust Functional Representation Learning for Longitudinal Causal Inference with Irregular Histories

针对具有不规则历史的纵向因果推断的双重鲁棒函数表示学习

Mengfei Ran, Yifeng Shen, Ruijie Guan

专题命中 点云 ：point cloud(abstract)

AI总结 针对不规则历史的纵向因果推断，提出DR-FRL交叉拟合工作流，通过函数与时间编码器映射状态、估计干扰项函数，经诊断验证后在模拟与VitalDB审计中表现出良好性能。

A Mathematical Framework for Topological Causal Data Analysis

拓扑因果数据分析的数学框架

Hugo Gobato Souto, Ioannis Diamantis

专题命中 点云 ：point cloud(abstract)

AI总结 该研究提出拓扑因果数据分析（TCDA）框架，区分结果级与分布级TCDA，构建对应识别与表示方法，明确观测拓扑在因果发现中的作用，为结构化对象的因果分析提供数学基础。