3D 视觉

Modified Virtual Grid Difference for Discretizing the Laplace-Beltrami Operator on Point Clouds

改进的虚拟网格差分法用于点云上拉普拉斯-贝尔特拉米算子的离散化

Meng Wang, Shingyu Leung, Hongkai Zhao

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种新的简单离散化方法，即改进的虚拟网格差分（MVGD），用于点云采样曼陀结构上拉普拉斯-贝尔特拉米（LB）算子的数值近似。通过局部笛卡尔坐标系参数化和最小二乘逼近，改进了线性系统的对角优势和条件数，提高了求解效率。

Continuation of Point Clouds via Persistence Diagrams

通过持续图延续点云

Marcio Gameiro, Yasuaki Hiraoka, Ippei Obayashi

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出利用持续图延续点云的数学和算法框架，通过持续图的可微性应用牛顿-拉夫森方法，将原始点云转换为目标持续图的中间点云。

Convergence of the Point Integral method for the Poisson equation with Dirichlet boundary on point cloud

点积分法在带有狄利克雷边界条件的泊松方程上的收敛性

Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出点积分法用于求解点云上泊松方程，证明了该方法在狄利克雷边界条件下的收敛性。

Convergence of the Point Integral method for Poisson equation on point cloud

泊松方程在点云上的点积分方法收敛性分析

Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文研究了点积分方法在带有Neumann边界条件的子流形上的泊松方程收敛性，分析了该方法在点云上的离散化性能。

Comments arXiv admin note: substantial text overlap with arXiv:1312.4424

A convergent point integral method for isotropic elliptic equations on point cloud

一个用于点云上各向同性椭圆方程的收敛点积分方法

Zhen Li, Zuoqiang Shi

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种基于点积分方法求解点云上各向同性椭圆方程的数值方法，通过适当核函数获得椭圆算子的积分近似，并证明其保持原算子的 coercivity，从而保证方法的收敛性。

Comments arXiv admin note: text overlap with arXiv:1403.2141, arXiv:1506.01788

Point Integral Method for Solving Poisson-type Equations on Manifolds from Point Clouds with Convergence Guarantees

点积分法用于从点云中求解流形上的泊松型方程并保证收敛性

Zhen Li, Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出点积分法（PIM）用于从点云中求解流形上的泊松型方程，通过积分方程代替微分方程，避免导数运算，从而保证收敛性，并通过数值实验验证其有效性。

Comments arXiv admin note: text overlap with arXiv:1403.2141

Convergence of Laplacian Spectra from Point Clouds

点云中拉普拉斯谱的收敛性

Zuoqiang Shi, Jian Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文研究了点云中离散拉普拉斯算子的谱结构收敛性，提出点积分法在计算拉普拉斯谱时的数学基础，并给出了收敛速率的估计。

Multi-scale Non-Rigid Point Cloud Registration Using Robust Sliced-Wasserstein Distance via Laplace-Beltrami Eigenmap

基于鲁棒切线瓦瑟斯坦距离的多尺度非刚性点云配准方法

Rongjie Lai, Hongkai Zhao

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出利用拉普拉斯-贝蒾特征映射和鲁棒切线瓦瑟斯坦距离进行多尺度非刚性点云配准，通过不同尺度的n值实现快速且鲁棒的配准过程。

Comments 29 pages, 8 figures

Locally controlled globally smooth ground surface reconstruction from terrestrial point clouds

从地面点云进行局部控制全局光滑的地面表面重建

Igor Rychkov

专题命中 点云 ：point cloud(title,abstract)

AI总结 提出基于局部最小二乘平面和分区统一方法，结合B样条或紧支撑指数函数，实现地面点云孔洞填充与全局光滑表面重建。

L-PCN: A Point Cloud Accelerator Exploiting Spatial Locality through Octree-based Islandization

L-PCN: 一种利用八叉树岛屿化挖掘空间局部性的点云加速器

Yiming Gao, Jieming Yin, Yuxiang Wang, Xiangru Chen, Zhilei Chai, Bowen Jiang, Jiliang Zhang, Herman Lam

专题命中 点云 ：point cloud(title,abstract)

AI总结 针对点云网络中数据整理步骤的空间局部性，L-PCN通过八叉树岛屿化划分点云并采用枢纽调度实现数据重用，显著减少重复操作，理论特征获取减少55.2%-93.8%，计算减少45.4%-80.6%，在FPGA上实现1.2x-3.2x额外加速。

Comments Accepted by ISCA 2026

Learning Laplacian Eigenspace with Mass-Aware Neural Operators on Point Clouds

学习拉普拉斯特征空间：基于质量感知神经算子的点云处理

Zherui Yang, Tao Du, Ligang Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海智院） ； Laoshan Laboratory（崂山实验室） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 提出神经特征空间算子（NEO），通过预测稳定不变的低频子空间而非特征向量，结合质量感知神经算子和瑞利-里兹精化，实现点云上拉普拉斯-贝尔特拉米算子的快速谱分解。

Sub-Footprint Effect Correction in FW-LiDAR Point Clouds via Intra-Footprint Target Unmixing

通过内在足迹目标解混实现FW-LiDAR点云中的子足迹效应校正

Zhen Xiao, Yanfeng Gu, Xian Li

机构 * School of Electronics and Information Engineering, Harbin Institute of Technology（哈尔滨工业大学电子与信息工程学院） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出基于物理的框架，通过显式解混处理FW-LiDAR点云中的子足迹效应，利用时空激光束分布模型和辅助信息解混，提升异质目标语义分离和同质目标强度一致性。

Comments 11 pages,7 figures

A meshfree exterior calculus for generalizable and data-efficient learning of physics from point clouds

一种基于点云的无网格外演算用于通用且数据高效的物理学习

Benjamin D. Shaffer, Brooks Kinch, M. Ani Hsieh, Nathaniel Trask

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Mechanical Engineering and Applied Mechanics（机械工程与应用力学） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种无网格外演算（MEEC），用于在点云上学习保持结构的物理描述，通过MEEC-Net实现高效数据替代，跨分辨率、几何和物理参数转移。

Comments 25 pages, 13 figures

Manifold Fractional Harmonic Transform for 3D Point Clouds

三维点云的流形分数调和变换

Jiamian Li, Bing-Zhao Li

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出流形分数调和变换，用于实现点云数据在空间域与谱域间的连续插值，并开发了点云加密和海上目标检测算法，验证了方法的有效性。

Virtual reality for large-scale laboratories based on colorized point clouds: design and pedagogical impact

基于彩色点云的大规模实验室虚拟现实：设计与教学影响

Lei Fan, Yuxin Li

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出一种基于WebVR的虚拟实验室，利用Unity和Potree实现高保真的点云可视化，提供沉浸式探索和交互功能，提升工程教育中的教学效果和学习体验。

Spira: Exploiting Voxel Data Structural Properties for Efficient Sparse Convolution in Point Cloud Networks

Spira: 利用体素数据的结构特性实现点云网络中的高效稀疏卷积

Dionysios Adamopoulos, Anastasia Poulopoulou, Georgios Goumas, Christina Giannoula

机构 * SPIN-Research-Group（SPIN研究组） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 Spira通过利用体素坐标整数性、空间范围限制和几何连续性等特性，设计了高效的稀疏卷积引擎，显著提升了点云网络的推理效率和层间执行性能。

Towards Precise Channel Knowledge Map: Exploiting Environmental Information from 2D Visuals to 3D Point Clouds

迈向精确的信道知识图谱：利用二维视觉信息到三维点云的环境信息

Yancheng Wang, Chuan Huang, Songyang Zhang, Guanying Chen, Wei Guo, Shenglun Lan, Lexi Xu, Xinzhou Cheng, Xiongyan Tang, Shuguang Cui

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出利用三维环境信息构建高精度信道知识图谱，通过混合模型和数据驱动方法整合3D点云，展示其在下一代无线通信中的应用潜力。

A Clinical Point Cloud Paradigm for In-Hospital Mortality Prediction from Multi-Level Incomplete Multimodal EHRs

一种用于院内死亡预测的临床点云范式：从多级不完整多模态电子健康记录

Bohao Li, Tao Zou, Junchen Ye, Yan Gong, Bowen Du

机构 * Beihang University（北京航空航天大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出HealthPoint范式，通过统一的4D空间表示多级不完整多模态EHRs，引入低秩关系注意力机制和分层交互策略，实现灵活的事件级交互与细粒度自监督，提升模态恢复和未标记数据利用效率，实验表明其在风险预测中性能优异。

Comments 20 pages

LEAN-3D: Low-latency Hierarchical Point Cloud Codec for Mobile 3D Streaming

LEAN-3D: 低延迟分层点云编解码器用于移动3D流媒体

Yuchen Gao, Qi Zhang

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出LEAN-3D，一种针对移动3D流媒体的低延迟点云编解码器，通过轻量级学习占用模型和确定性编码方案，实现高效压缩与低能耗。

Minkowski tensors for point clouds and voxelized data: robust, asymptotically unbiased estimators

Minkowski张量用于点云和体素化数据：稳健且渐近无偏的估计器

Daniel Hug, Michael A. Klatt, Dominik Pabst

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文改进了估计Minkowski张量的算法，使其更稳健和高效，并将其理论基础推广到有限的紧集联合体，适用于粗糙表面和复合材料等应用。通过随机多面体测试案例，验证了算法在实际分辨率下的精度，并应用于金属颗粒和纳米粗糙表面的真实数据。

Comments Substantially revised version

Conditional Diffusion-Based Point Cloud Imaging for UAV Position and Attitude Sensing

基于条件扩散的点云成像用于无人机位置和姿态感知

Xinhong Dai, Yuan Gao, Hao Jiang, Xiaojun Yuan, Xin Wang

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出一种基于条件扩散模型的点云成像方法，用于无人机位置和姿态感知，通过电磁点云提取无人机的空间信息和电磁特性，提升成像精度和姿态识别能力。

Approximation of symmetric total variation on point clouds

对点云上对称全变分的近似

Stefano Almi, Anna Kubin, Emanuele Tasso

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文研究了在图上对称全变分函数的近似，通过随机采样参考概率测度得到点云，构建离散对称有限差分模型，确定合适的点分布缩放以保证几乎必然Γ-收敛到各向异性加权对称全变分。

EAGLE: Contextual Point Cloud Generation via Adaptive Continuous Normalizing Flow with Self-Attention

EAGLE：通过自适应连续归一化流与自注意力实现上下文点云生成

Linhao Wang, Qichang Zhang, Yifan Yang, Ye Su, Hao Wang

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出EAGLE模型，结合自注意力机制与自适应连续归一化流，有效捕捉点云的全局上下文信息，并通过自适应偏差校正机制提升生成质量。

Blind Quality Enhancement for G-PCC Compressed Dynamic Point Clouds

无监督质量提升用于G-PCC压缩的动态点云

Tian Guo, Hui Yuan, Chang Sun, Wei Zhang, Raouf Hamzaoui, Sam Kwong

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出首个无监督质量提升模型，通过利用时间依赖性和多级失真水平下的特征相似性与差异性，提升压缩动态点云质量，实验显示在G-PCC压缩中取得显著PSNR提升和BD-rate改善。

PC2IM: An Efficient In-Memory Computing Accelerator for 3D Point Cloud

PC2IM: 一种高效的内存计算加速器用于3D点云

Dengfeng Wang, Shunqin Cai, Yanan Sun

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出PC2IM加速器，通过改进的内存计算技术减少3D点云网络中的内存访问瓶颈，提升计算效率与能效。

OT-MeanFlow3D: Bridging Optimal Transport and Meanflow for Efficient 3D Point Cloud Generation

OT-MeanFlow3D: 通过最优传输与Meanflow弥合，实现高效的3D点云生成

Elaheh Akbari, Shansita Sharma, Ping He, Ahmadreza Moradipari, Kyungtae Han, Hamed Pirsiavash, Yikun Bai, Soheil Kolouri

机构 * Department of Computer Science, Vanderbilt University（范德比尔特大学计算机科学系） ； Toyota InfoTech Labs（丰田信息技术实验室） ； Department of Computer Science, University of California, Davis（加州大学戴维斯分校计算机科学系） ； Department of Mathematics, Purdue University（普渡大学数学系） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出OT-MeanFlow3D框架，通过整合最优传输采样，提升3D点云生成与修复的效率与准确性，实验表明其在ShapeNet上优于现有基线模型。

Beyond Distance: Quantifying Point Cloud Dynamics with Persistent Homology and Dynamic Optimal Transport

超越距离：利用持久同调和动态最优传输量化点云动态

Yixin Wang, Ting Gao, Jinqiao Duan

机构 * Department of Mathematics and Department of Physics, Great Bay University, Dongguan, China（数学系和物理系，大湾大学，东莞，中国） ； Guangdong Provincial Key Laboratory of Mathematical and Neural Dynamical Systems, Dongguan, China（广东省数学与神经动力系统重点实验室，东莞，中国） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出一种框架，通过扩展最近提出的拓扑最优传输（TpOT）距离，分析时间演化点云中的拓扑突变。引入分层动态评估框架，结合拓扑和超图重建策略，通过多尺度指标检测局部重构，验证了运输对齐与多尺度熵诊断结合在动态拓扑分析中的有效性。

Comments 42 pages, 15 figures

Multi-Type Point Cloud Autoencoder: A Complete Equivariant Embedding for Molecule Conformation and Pose

多类型点云自编码器：分子构型和姿态的完整等价嵌入

Michael Kilgour, Mark Tuckerman, Jutta Rogal

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出Mo3ENet，一种用于多类型点云的自编码器，通过新的重构损失实现输入点云的旋转等价嵌入，适用于分子构型和姿态预测。

Task-Oriented Wireless Transmission of 3D Point Clouds: Geometric Versus Semantic Robustness

面向任务的无线3D点云传输：几何鲁棒性与语义鲁棒性

Vukan Ninkovic, Tamara Sobot, Vladimir Vincan, Gorana Gojic, Dragisa Miskovic, Dejan Vukobratovic

机构 * Serbian Ministry of Science, Technological Development and Innovation（塞尔维亚科学技术发展与创新部） ； National Key Research & Development Program of China（中国国家重点研发计划） 纠错

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出面向任务的无线3D点云传输框架，研究几何重建精度与语义鲁棒性在信道干扰下的关系，揭示任务执行无需高精度几何重建的结论。

Comments Submitted to Global 6G Conference 2026

Scalable On-the-fly Transcoding for Adaptive Streaming of Dynamic Point Clouds

动态点云自适应流媒体的可扩展实时转码

Michael Rudolph, Matthias De Fré, Finn Schnier, Tim Wauters, Amr Rizk

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种动态点云流媒体系统，通过实时转码技术降低存储需求并提升并发客户端的可扩展性。

Comments 7 pages, 6 figures