3D 视觉

HyperDet: 3D Object Detection with Hyper 4D Radar Point Clouds

HyperDet: 基于超4D雷达点云的3D目标检测

Yichun Xiao, Runwei Guan, Jin Jin, Fangqiang Ding

机构 * University of Edinburgh（爱丁堡大学） ； HKUST (GZ)（香港科技大学（广州）） ； University of Oxford（牛津大学） ； MIT（麻省理工学院） 纠错

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

AI总结 提出一种与检测器无关的框架HyperDet，通过构建任务感知的超4D雷达点云，利用时空累积、跨传感器验证和多普勒引导的运动补偿以及前景生成增强，显著提升仅用雷达的3D目标检测性能。

Comments 11 pages, 3 figures, 3 tables

Unsupervised Point Cloud Registration with Self-Distillation

基于自蒸馏的无监督点云配准

Christian Löwens, Thorben Funke, André Wagner, Alexandru Paul Condurache

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

AI总结 本文针对点云配准依赖真实位姿标注的问题，提出自蒸馏无监督方法，在3DMatch基准上优于现有方法，且可泛化至汽车雷达场景。

Comments Oral at BMVC 2024

Sign Language Recognition Using Original and Synthetic Depth Image Based Point Cloud Data Models

基于原始和合成深度图像的点云数据模型的手语识别

Rustem Ozakar, Eyup Gedikli

机构 * Erzurum Technical University（埃尔祖鲁姆技术大学） ； Trabzon University（特拉布宗大学） 纠错

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

AI总结 该研究利用Depth Anything V2生成合成深度图像，结合三个手语数据集，采用PointNet等模型对比原始与合成深度图像点云的手语识别性能，发现多数模型中原始数据性能更优，部分模型合成数据更优。

Damage Classification for 3D Point Cloud Data via 3D Data Analysis and Vision Foundation Model-based 2D Projections

基于三维数据分析与视觉基础模型二维投影的三维点云数据损伤分类

Evan Perez, Kalelo Dukuray, Erika Ardiles-Cruz, Jie Wei

机构 * City College of New York（纽约城市学院） ； Air Force Research Lab（空军研究实验室） 纠错

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

AI总结 本研究针对三维点云损伤分类的挑战，提出3PDA与2PDA两种算法，2PDA准确率略低但计算成本大幅降低且泛化性更强，为相关任务提供了高效替代方案。

SUMI: Scalable Unified Model for 3D Point Cloud Inference

SUMI：用于三维点云推理的可扩展统一模型

Yanlong LI, Kanchana Thilakarathna

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

AI总结 针对点云补全由粗到精范式中局部细节重构不足的问题，提出扩散增强细化模块SUMI，可集成到现有模型，在多个基准数据集上实现性能提升。

PointCHR: Point Cloud Analysis via Curvature-Aware Hyperbolic Rectification

PointCHR：通过曲率感知双曲整流进行点云分析

Xinxing Yu, Liying Yang, Hao Mo, Hui Ma, Fang Kai, Ajian Liu, Yanyan Liang

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

AI总结 针对三维点云中高曲率区域难以解析的问题，提出PointCHR方法，利用双曲流形指数体积膨胀特性，通过曲率引导径向整流机制，有效缓解表示拥挤问题，提升主干网络捕捉细节能力，在多基准测试中达最优性能。

Journal ref Proceedings of the 43 rd International Conference on Machine Learning,2026

A Gaussian Process Model of 3D Udder Point Clouds for Teat Length Phenotyping in Dairy Cows

用于奶牛乳头长度表型分析的3D乳房点云高斯过程模型

Maria E. Montes, João R. R. Doréa, Christopher J. Geoga

专题命中 点云 ：point cloud(title,abstract)

AI总结 针对奶牛乳房点云乳头标志自动检测难题，提出基于高斯过程的乳头长度估计方法，通过低秩近似降低计算复杂度，较现有方法精度更高、速度更快，鲁棒性更强，适配大规模自动化表型分析。

Coarse-to-Fine Registration of Jawbone CT and Intraoral Scan Data Using GeDi and ICP with Pseudo-IOS Ground Truth

基于GeDi与ICP及伪口腔扫描数据真值的颌骨CT与口腔扫描数据的由粗到精配准

Sho Mitarai, Hikaru Kayo, Hisashi Ozaki, Yuichiro Imai, Megumi Nakao

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

AI总结 本研究提出伪IOS评估框架，结合GeDi与ICP实现颌骨CT与口腔扫描数据的由粗到精配准，实验表明该方法精度优于单独使用GeDi，且受金属伪影影响较小。

Comments 9 pages, 2 figures, 1 table

TeaMatch: Teachable Cross-Modal Representation Learning for 2D-3D Matching

TeaMatch：用于2D-3D匹配的可教学跨模态表示学习

Chongjian Wang, Junjie Gao

机构 * Shandong University of Science and Technology（山东科技大学） 纠错

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

AI总结 本研究提出TeaMatch框架，将可教学性作为跨模态表示学习准则，提升2D-3D匹配鲁棒性，可无缝集成到现有匹配流水线，在相关基准上实现SOTA性能。

Anchor-Based AI Approach for Pre-Crash Object Detection Utilizing Micro-Doppler Signatures in Automotive Radar

基于锚的人工智能方法：利用汽车雷达中的微多普勒特征进行碰撞前目标检测

Patrick Zaumseil, Rainer Engert, Dagmar Steinhauser, Jonathan Wache, Soumya Dewangan, Thomas Brandmeier

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

AI总结 该研究提出基于锚的AI模型，结合雷达微多普勒特征与创新雷达图像膨胀技术，提升碰撞前目标检测性能，在动态场景中优于现有汽车雷达跟踪方法。

Rethinking 3D Segmentation from Individual LiDAR Scans: Incidence-Aware Sampling on the SIP Benchmark

从单个激光雷达扫描数据重新思考三维分割：SIP基准上的入射角感知采样

Seongyong Kim, Jingdao Chen, Yong Kwon Cho

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

AI总结 针对单个激光雷达扫描的三维分割，本研究在SIP基准上提出入射角感知采样策略，提升了非平面构件等的分割性能，降低了对采样分辨率的敏感性。

Geometry Beats Estimated Depth: RGB-Only Multi-Camera 3D Tracking under Sim2Real

几何胜过估计深度：Sim2Real 场景下仅用 RGB 的多相机 3D 跟踪

Abdullah Naeem, Anav Katwal, Ayon Dey, Noman Khan, Md Tamjidul Hoque

机构 * LSU New Orleans（路易斯安那州立大学新奥尔良分校） ； PinPark, Inc.（PinPark公司） 纠错

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

AI总结 在 Sim2Real 场景下，研究人员通过实验验证跨视图几何一致性而非单目深度精度决定仅用 RGB 的多相机 3D 跟踪性能，提出几何优先流水线并取得显著优于伪激光雷达方法的结果。

Offline-Online Hierarchical 3D Global Relocalization With Synthetic LiDAR Sensing and Descriptor-Space Retrieval

离线-在线分层3D全局重定位与合成LiDAR感知及描述空间检索

Jiahua Ren, Kai Shen, Muhua Zhang, Lei Ma

机构 * School of Electrical Engineering, Southwest Jiaotong University（西南交通大学电气工程学院） 纠错

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

AI总结 本文提出一种离线-在线分层框架，通过分离搜索空间提升大规模空间中的重定位效率和精度，实测平均重定位时间3秒，精度8厘米，计算效率提升一个数量级。

Compatibility of Face Embeddings Across Deep Neural Networks

人脸嵌入在不同深度神经网络模型间是否兼容？

Fizza Rubab, Yiying Tong, Arun Ross

机构 * Michigan State University（密歇根州立大学） 纠错

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

AI总结 研究探讨不同深度神经网络模型在人脸嵌入空间中的几何结构，发现低容量线性映射能显著提升跨模型人脸识别与验证性能，表明人脸身份编码的表征收敛。

SIP: Site in Pieces- A Dataset of Disaggregated Construction-Phase 3D Scans for Semantic Segmentation and Scene Understanding

SIP: 构建阶段碎片化3D扫描数据集——用于语义分割和场景理解

Seongyong Kim, Yong Kwon Cho

专题命中 点云 ：3D vision(abstract)；分类 cs.CV

AI总结 SIP数据集通过碎片化3D扫描反映施工现场实际约束，为建筑场景的语义分割和理解提供高质量基准数据。

Topological analysis of scale-invariant spatial fluctuations in ultrarelativistic heavy-ion collisions

超相对论重离子碰撞中标度不变空间涨落的拓扑分析

Salman Khurshid Malik, Ramni Gupta, Fakhar Ul Haider, Balwan Singh

专题命中 点云 ：point cloud(abstract)

AI总结 本文针对重离子碰撞中临界涨落信号微弱难以提取的问题，提出结合TDA与深度学习的两阶段拓扑机器学习框架，成功恢复归一化阶乘矩的幂律标度，确立了拓扑机器学习探测QCD临界点的工具价值。

Comments 16 pages, 12 figures