3D 视觉

IRGNN: Efficient Invariant Radar Graph Neural Network for Radar Point Cloud Object Detection

IRGNN：用于雷达点云目标检测的高效不变雷达图神经网络

Xiao Guo, Wanke Xia, Lili Yang, Caicong Wu

机构 * China Agricultural University（中国农业大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 针对雷达点云稀疏无序、信息不足难以适配现有激光雷达方法的问题，提出IRGNN，通过不变特征设计、改进MPNN及任务头实现目标检测，在RadarScenes数据集上性能更优且推理效率更高。

Comments Accepted at ICONIP 2026

GhostPoint: Self-Supervised Representation Learning by Hallucinating Occluded LiDAR Structure

GhostPoint：通过幻觉生成被遮挡的激光雷达结构实现自监督表示学习

Mohamed Abdelsamad, Bin Yang, Michael Ulrich, Miao Zhang, Yakov Miron, Alexandru Paul Condurache, Abhinav Valada

机构 * Bosch Center for AI（博世人工智能中心） ； University of Freiburg（弗莱堡大学） ； University of Luebeck（吕贝克大学） 纠错

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

AI总结 GhostPoint是一种自监督学习框架，通过实例体素膨胀幻觉生成激光雷达被遮挡区域特征，在nuScenes和Waymo数据集上提升了下游3D检测性能，尤其适用于稀疏扫描和有限标签场景。

Comments Accepted by ECCV2026

FlatLab: A Unified Methodology Framework and Simulation-Based Benchmark for Robotic Manipulation of Flat Objects

FlatLab：面向扁平物体机器人操作的统一方法论框架及基于仿真的基准测试

Xingyu Zhu, Wenshuo Han, Zhouyu Wang, Yuran Wang, Ruihai Wu, Hao Dong, Fan Tang, Hechang Chen, Hyung Jin Chang, Yixing Gao

机构 * Jilin University（吉林大学） ； Peking University（北京大学） ； Chinese Academy of Sciences（中国科学院） ； University of Birmingham（伯明翰大学） 纠错

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

AI总结 该研究针对扁平物体机器人操作泛化能力有限的问题，提出含策略生成器与执行模块的统一框架，并构建FlatLab仿真基准，方法泛化效果优于现有基线。

Comments This paper is accepted to ICML 2026

Can Language Models Understand mmWave Data? Benchmarking Large Language Models for mmWave Radar-Based Human Understanding

语言模型能否理解毫米波数据？基于毫米波雷达的人类理解任务对大语言模型进行基准测试

Jeongwan Shin, Jaehyeon Kim, Donguk Ko, Jaeho Choi

机构 * DGIST（大邱庆北科学技术院） ； KAIST（韩国科学技术院） ； InnoCORE LLM 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本研究针对毫米波数据与大语言模型融合的研究空白，构建首个毫米波人类感知基准mmWave-QA，评估LLMs在该任务上的零样本推理潜力与视觉退化下的鲁棒性，为相关研究奠定基础。

Comments Accepted to CVPR 2026 Findings

A Dual Topological Pipeline for Imperial Network Analysis: Persistent Homology, Structural Fragility, and the Aztec Collapse

用于帝国网络分析的双拓扑管道：持续同调、结构脆弱性与阿兹特克帝国的崩溃

Jose de Jesus Bernal Alvarado, David Delepine, Carlos Pinedo Guadarrama

专题命中 点云 ：point cloud(abstract)

AI总结 本研究通过持续同调与双模型拓扑管道分析阿兹特克帝国多层网络，揭示其朝贡层结构脆弱性、特诺奇蒂特兰中心的关键作用、特拉斯卡拉区域的结构空洞，提出“空洞占据树”这一新帝国崩溃模式。

Comments 10 pages, 4 figures

Cloud-ScPO: Hidden-State Geometry for Semi-Supervised Preference Optimization in LLM Reasoning

Cloud-ScPO：面向大语言模型推理的半监督偏好优化的隐状态几何

Yuzhou Liu, Xiyang Hu

专题命中 点云 ：point cloud(abstract)

AI总结 本研究提出Cloud-ScPO框架，利用少量标注集构建参考云，结合拓扑引导的偏好挖掘与自一致性，在GSM8K等数据集上较ScPO提升LLM数学推理性能。

Comments 14 pages, 2 figures, 7 tables. Preprint

Learning Transfers: Kan Extensions for Neural Invariants

学习迁移：神经不变量的Kan扩展

Luciano Melodia

机构 * Friedrich-Alexander Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出用范畴论中的Kan扩展形式化迁移学习中的结构不变量，定义传递差异度量，并在链复形和持久模块中给出有限余核公式，通过瓶颈距离计算持久值不变量，实验验证了该方法能识别正确的任务函子并检测破坏迁移相关拓扑的表征坍塌。

Comments Proof details

ArGEnT: Arbitrary Geometry-encoded Transformer for Operator Learning

ArGEnT：任意几何编码的Transformer用于运算符学习

Wenqian Chen, Zhi-Feng Wei, Yucheng Fu, Michael Penwarden, Pratanu Roy, Panos Stinis

机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室） ； Sandia National Laboratories（桑地亚国家实验室） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出ArGEnT，一种基于Transformer的几何感知架构，用于在任意域上学习运算符。通过整合DeepONet，ArGEnT在流体动力学、固体力学和电化学系统中实现了更准确的预测和泛化性能。

Comments 45 pages, 21 figures, 10 tables