3D 视觉

UAV3DCrop: Benchmarking 3D Reconstruction in Repeated Multi-Angle UAV Crop Surveys

UAV3DCrop：面向重复多视角无人机作物调查的三维重建基准测试

Junxiong Zhou, Xuechen Li, Chonghao Qiu, Lang Qiao, Xiaowei Jia, Qi Yang, Chishan Zhang, Leikun Yin, Nanshan You, Vipin Kumar, David Mulla, Ce Yang, Zhenong Jin, Licheng Liu

机构 * University of Minnesota, Twin Cities（明尼苏达大学双城校区） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Pittsburgh（匹兹堡大学） ； Max Planck Institute for Biogeochemistry（马克斯·普朗克生物地球化学研究所） ； Boston University（波士顿大学） ； Peking University（北京大学） 纠错

专题命中 三维重建 ：NeRF(summary_cn,abstract)；3DGS(summary_cn,abstract)；3D reconstruction(title,abstract)；Gaussian Splatting(abstract)

AI总结 本文提出UAV3DCrop基准，评估NeRF、3DGS等场景优化方法及预训练前馈模型在作物三维重建任务的表现，发现无单一方法适配所有农艺需求，仅一种前馈模型可恢复可用度量尺度。

Comments 22 pages, 7 figures. Dataset and project page: https://link-dev.github.io/UAV3DCrop/

Toward surface-based registration of a virtual preoperative cutting guide onto the mandible for reconstruction surgery

面向虚拟术前切割导板与下颌骨的基于表面的配准技术用于重建手术

Yue Yang, Jie Ying Wu

机构 * Vanderbilt University（范德堡大学） 纠错

专题命中 三维重建 ：point cloud(abstract)；分类 cs.CV

AI总结 该研究提出一种无标记AR方案，通过扩展表面配准技术实现虚拟切割导板与术中暴露下颌骨的配准，经测试其配准误差与延迟支持替代物理打印导板的可行性。

InstanceSplat: Instance-Aware Feed-Forward 3D Gaussian Splatting for Scene Understanding

InstanceSplat：面向场景理解的实例感知前馈三维高斯溅射

Minchao Jiang, Xiaoxuan Ma, Shunyu Jia, Haoru Wang, Zhang Liang, Wentao Zhu

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 InstanceSplat是统一前馈3DGS框架，通过单次前向传播构建联合编码多信息的实例感知高斯表示，以实例为中心的学习策略实现重建与场景理解互益，在多任务上达到SOTA性能与强泛化性。

Comments Project page: https://jamchaos.github.io/InsSplat/

AdvTiles: Physical Adversarial Camouflage Clothing against Person Detectors via Learnable Tiles

AdvTiles：基于可学习瓦片的针对行人检测器的物理对抗伪装服装

Jinlei Wang, Jiahuan Long, Mingkai Sun, Yafei Guo, Yuanhao Huang, Ming Wang, Junqi Wu, Jiacheng Hou, Hongbo Chen, Xingxing Wei, Tingsong Jiang, Wen Yao

专题命中 Gaussian Splatting ：Gaussian Splatting(summary_cn,abstract)；分类 cs.CV

AI总结 AdvTiles是基于可学习瓦片的物理对抗伪装框架，通过ST Gumbel-Softmax和3D Gaussian Splatting优化，在保持自然外观的同时，使行人检测器平均攻击成功率达86.2%，优于现有方法，可制作为可穿戴服装在真实场景生效。

Synthetic LiDAR Data Generation and Deterministic Downsampling for Point Cloud Classification on the Edge

面向边缘设备点云分类的合成激光雷达数据生成与确定性下采样

Niclas Meyer, Stefan Reitmann

机构 * Chemnitz University of Technology（开姆尼茨工业大学） 纠错

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

AI总结 本文针对三维深度学习框架在边缘设备部署的瓶颈，提出适配树莓派5的硬件受限工作流，通过合成LiDAR数据集和特征驱动的CPL层，实现边缘端50 FPS推理与88.36%分类准确率，验证了边缘实时三维感知的可行性。

Vernata: Self-Supervised Learning of LiDAR Point Representations

Vernata：激光雷达点表示的自监督学习

Oliver Lemke, Alexander Liniger, Abel Gawel, Marco Hutter

机构 * Robotics and AI Institute（机器人与人工智能研究院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 本研究提出基于Sonata架构的Vernata自监督学习框架，通过三项扩展优化激光雷达点云表示，在多数据集上相比基线取得显著性能提升，模态减少场景下仍保持竞争力

Comments IROS 2026. Implementation: https://github.com/rai-opensource/vernata

LMM Modality Transfer: A Pre-requisite for Autonomous GIS Agents

多模态大模型模态迁移：自主地理信息系统智能体的先决条件

Ivan Majic, Zexian Huang, Franziska Hübl, Krzysztof Janowicz, Meilin Shi, Mina Karimi, Zilong Liu, Alexandra Fortacz-Lazan

机构 * Graz University of Technology（格拉茨工业大学） ； University of Vienna（维也纳大学） ； University of Liverpool（利物浦大学） 纠错

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 本文针对自主GIS智能体的先决条件，提出LMM模态迁移任务，发现现有LMM在图像与文本模态间传递空间信息的能力不足，需加强多模态对齐以实现地理空间理解。

M2-SMap: Memory-Efficient Semantic Mapping with Hierarchical Multi-Model Representation

M2-SMap：基于分层多模型表示的内存高效语义建图

QiYing Deng, ZhongLai Wang, Yuan Gao, Wei Dong

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 SLAM与定位 ：point cloud(abstract)；分类 cs.RO

AI总结 本文提出基于分层多模型表示的内存高效语义建图框架M2-SMap，通过分层几何分解等策略提升场景表达，在三个RGB-D序列上实现低基元数、无物体粘连的实时建图。

Comments 8 pages, 10 figures