3D 视觉

UniFlow: Zero-Shot LiDAR Scene Flow for Autonomous Vehicles

UniFlow: 自动驾驶车辆的零样本激光雷达场景流

Siyi Li, Qingwen Zhang, Ishan Khatri, Kyle Vedder, Eric Eaton, Deva Ramanan, Neehar Peri

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

AI总结 提出UniFlow，一种跨多数据集训练的激光雷达场景流前馈模型，无需架构修改即可泛化到未见传感器，在Waymo和nuScenes上分别提升5.1%和35.2%，并在TruckScenes和AEVAScenes上超越先前数据集专用模型30.1%和22.5%。

Comments This work has been accepted to the European Conference on Computer Vision (ECCV) 2026. Project Page: https://lisiyi777.github.io/UniFlow/

Safe-SAGE: Social-Semantic Adaptive Guidance for Safe Engagement through Laplace-Modulated Poisson Safety Functions

Safe-SAGE: 通过拉普拉斯调制泊松安全函数实现安全交互的社会-语义自适应引导

Lizhi Yang, Ryan M. Bena, Meg Wilkinson, Gilbert Bahati, Andy Navarro Brenes, Ryan K. Cosner, Aaron D. Ames

机构 * Caltech MCE（Caltech机械工程系） ； Tufts ME（Tufts大学机械工程系） 纠错

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

AI总结 提出Safe-SAGE框架，结合泊松安全函数与拉普拉斯引导场，融合多传感器点云与视觉语义分割，通过多层安全滤波器实现腿式机器人在语义丰富动态环境中的安全导航。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Copyright transferred to IEEE

Label-Efficient 3D Forest Mapping: Self-Supervised and Transfer Learning for Instance Segmentation, Semantic Segmentation, and Species Classification

标签高效的3D森林映射：自监督与迁移学习用于实例分割、语义分割和物种分类

Aldino Rizaldy, Fabian Ewald Fassnacht, Ahmed Jamal Afifi, Hua Jiang, Richard Gloaguen, Pedram Ghamisi

机构 * Helmholtz-Zentrum Dresden-Rossendorf (HZDR), Helmholtz Institute Freiberg for Resource Technology (HIF)（德累斯顿-罗斯托克亥姆霍兹中心（HZDR）、弗里贝格资源技术亥姆霍兹研究所（HIF）） ； Remote Sensing and Geoinformatics, Freie Universität Berlin（柏林自由大学遥感与地理信息学系） ； Institute of Geomatics, BOKU University（博科尼大学测绘学院） ； Faculty of Electrical and Computer Engineering, University of Iceland（爱沙尼亚大学电气与计算机工程学院） 纠错

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

AI总结 本文利用自监督和迁移学习策略，在少量标注数据下提升3D点云中树木实例分割、语义分割和物种分类的性能，并集成统一框架以简化流程。

Imagine2Act: Leveraging Object-Action Motion Consistency from Imagined Goals for Robotic Manipulation

Imagine2Act：利用想象目标中的物体-动作运动一致性进行机器人操作

Liang Heng, Jiadong Xu, Yiwen Wang, Xiaoqi Li, Muhe Cai, Yan Shen, Juan Zhu, Guanghui Ren, Hao Dong

机构 * CFCS, School of Computer Science, Peking University（计算机学院，北京大学） ； PrimeBot ； AGIBOT 纠错

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

AI总结 提出Imagine2Act框架，通过生成想象目标点云并引入物体-动作一致性策略，将语义和几何约束融入策略学习，解决高精度物体重排任务。

NeuPAN: Direct Point Robot Navigation with End-to-End Model-based Learning

NeuPAN: 基于端到端模型学习的直接点机器人导航

Ruihua Han, Shuai Wang, Shuaijun Wang, Zeqing Zhang, Jianjun Chen, Shijie Lin, Chengyang Li, Chengzhong Xu, Yonina C. Eldar, Qi Hao, Jia Pan

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

AI总结 提出NeuPAN，一种实时、高精度、无地图、易部署的机器人运动规划器，通过紧耦合感知-控制框架和端到端模型学习，直接处理原始点云生成无碰撞运动，避免感知到控制的误差传播。

Comments Accepted by TRO 2025; project website: https://hanruihua.github.io/neupan_project/

Safety-Critical LiDAR-Inertial Odometry with On-Manifold Deterministic Protection Level

安全关键的激光雷达-惯性里程计与在线流形确定性保护级别

Yueqi Zhu, Yan Pan, Chufan Rui, Jiasheng Luo, Shihua Li, Bo Zhou

机构 * School of Automation, Southeast University（东南大学自动化学院） ； Key Laboratory of Measurement and Control of CSE, Ministry of Education（教育部测控CSE重点实验室） 纠错

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

AI总结 本文提出一种安全关键的激光雷达-惯性里程计，通过在线流形确定性状态估计提供确定性保护级别，以提升移动机器人在安全关键场景中的导航安全性。

HACMatch Semi-Supervised Rotation Regression with Hardness-Aware Curriculum Pseudo Labeling

HACMatch: 基于难度感知课程伪标签的半监督旋转回归

Mei Li, Huayi Zhou, Suizhi Huang, Yuxiang Lu, Yue Ding, Hongtao Lu

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 提出一种难度感知课程学习框架，通过动态选择伪标签样本和结构化数据增强，在少量标注数据下提升半监督旋转回归性能。

Comments This is an accepted manuscript of an article published in Computer Vision and Image Understanding

Journal ref Computer Vision and Image Understanding (2026)

FUSER: Feed-Forward MUltiview 3D Registration Transformer and SE(3)$^N$ Diffusion Refinement

FUSER: 前馈多视图3D配准Transformer与SE(3)^N扩散精化

Haobo Jiang, Jin Xie, Jian Yang, Liang Yu, Jianmin Zheng

机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团） ； Nanjing University（南京大学） 纠错

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

AI总结 提出FUSER，首个前馈多视图配准Transformer，在统一潜在空间中直接预测全局位姿，避免成对匹配；并引入SE(3)^N扩散精化框架FUSER-DF以校正估计。

Comments Accepted to CVPR 2026 (Oral)

Cross-Modal Registration Between 3D and 2D Fingerprints via Pose-Aware Unwrapping and Point-Cloud Fusion

通过姿态感知解缠和点云融合实现3D与2D指纹的跨模态注册

Xiongjun Guan, Jianjiang Feng, Jie Zhou

机构 * Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

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

AI总结 本文提出统一框架，实现3D指纹预处理与跨接触式和非接触式2D指纹的注册，结合非参数可视化解缠、点云融合、姿态归一化和姿态感知注册策略，提升3D与2D指纹兼容性。

Learning Topology-Aware Implicit Field for Unified Pulmonary Tree Modeling with Incomplete Topological Supervision

学习拓扑感知隐式场用于不完整拓扑监督下的统一肺树建模

Ziqiao Weng, Jiancheng Yang, Kangxian Xie, Bo Zhou, Weidong Cai

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Aalto University（阿尔托大学） ； Department of Computer Science and Engineering, University of Buffalo（布法罗大学计算机科学与工程系） ； Department of Radiology, Northwestern University（西北大学放射学系） 纠错

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

AI总结 提出TopoField框架，利用稀疏点云学习连续隐式场，在无完整标注下修复肺树拓扑不完整，并联合实现解剖标记与肺段重建，效率高且鲁棒。

Comments 20 pages

NoiseSDF2NoiseSDF: Learning Clean Neural Fields from Noisy Supervision

NoiseSDF2NoiseSDF: 从含噪监督中学习干净的神经场

Tengkai Wang, Weihao Li, Ruikai Cui, Shi Qiu, Nick Barnes

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 提出NoiseSDF2NoiseSDF方法，通过最小化含噪SDF表示之间的MSE损失，从含噪点云中学习干净的神经SDF，实现隐式去噪和表面优化。

Comments 16 pages, 7 figures

Embedded Graph Convolutional Networks for Real-Time Event Data Processing on SoC FPGAs

嵌入式图卷积网络用于SoC FPGA上的实时事件数据处理

Kamil Jeziorek, Piotr Wzorek, Krzysztof Blachut, Andrea Pinna, Tomasz Kryjak

机构 * University of Warsaw（华沙大学） ； Politechnika Warszawska（华沙理工大学） 纠错

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

AI总结 提出一种针对事件相机的硬件感知图卷积网络EFGCN，在SoC FPGA上实现实时处理，模型大小相比AEGNN降低100倍，精度仅下降2.9%。

Comments Submitted to the IEEE Transactions on Very Large Scale Integration Systems. This manuscript was first submitted for publication on March 31, 2024. It has since been revised three times: on 22 Mau 2024, 10 June 2024 and 19 June 2025 (major update)

Journal ref Journal of Systems Architecture, Volume 177, August 2026, 103850

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

Reconstructing local environments from concise atomistic representations

从简洁的原子表示重建局部环境

Jigyasa Nigam, Tuong Phung, Ameya Daigavane, Aria Mansouri Tehrani, Tess Smidt

专题命中 点云 ：point cloud(abstract)

AI总结 研究从不变描述符恢复原子结构的逆问题，利用不同相关阶数的紧凑描述符实现准确重建，提供识别描述符近似简并性及恢复不同原子环境的算法手段，还探究了描述符扰动与结构畸变的关系。

anyakrakusuma: A Python Library for Entropic Schrödinger Bridges on Idealized Geometries

anyakrakusuma：用于理想化几何上熵薛定谔桥的Python库

Dasapta Erwin Irawan, Sandy Hardian Susanto Herho, Agus Wahyu Jatmiko, Sito Fossy Biosa, Candrasa Surya Dharma, Edi Riawan, Astyka Pamumpuni, Rendy Dwi Kartiko, Rusmawan Suwarman, Deny Juanda Puradimaja

专题命中 点云 ：point cloud(abstract)

AI总结 anyakrakusuma库用对数域Sinkhorn - Knopp迭代解决离散静态薛定谔桥问题，重建点云间熵插值。经四个理想化平面案例测试，该方法在特定参数下效果良好，残差小，能恢复重新定向，为相关研究提供了有效工具。

Comments 22 pages, 4 figures, 5 tables

Topological Clustering via Sliced Wasserstien Kernels

基于切片沃尔什斯坦核的拓扑聚类

Vikram Aithal, Ajit Kumar, Ambika Sharma

专题命中 点云 ：point cloud(abstract)

AI总结 该研究针对TDA中聚类问题，提出基于各同调SW核凸组合的核k均值算法，在基准及合成数据集上表现优于基线且计算高效，权重可识别具判别性的同调。

Comments 20 Pages, 5 figures

Geometric Generalization of Neural Operators from a Kernel Integral Perspective

从核积分视角看神经算子的几何泛化

Mingyu Han, Daniel Zhengyu Huang, Yuhan Wang, Yanshu Zhang, Jiayi Zhou

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种基于核积分视角的多尺度神经算子，用于解决变量几何下的神经算子泛化问题，并提供理论保证和实验验证。

Comments 37 pages, 6 figures

Topological feature selection for time series data

面向时间序列数据的拓扑特征选择

Peter Bubenik, Johnathan Bush

专题命中 点云 ：point cloud(abstract)

AI总结 该研究将应用拓扑学工具用于时间序列数据的特征选择，提出一种基于拓扑特征贡献的变量评分方法，以秀丽隐杆线虫神经元数据为背景，选出优化协同动力学的神经元子集。

Comments 31 pages. Numerous improvements based on referee comments. We now use stochastic subgradient descent which has guarantees of convergence

Encoding the Euler Characteristic Transform

编码欧拉特征变换

Nello Blaser, Odin Hoff Gardaa, Lars M. Salbu, Elena Xinyi Wang, Bastian Rieck

机构 * Department of Informatics, University of Bergen（卑尔根大学信息学系） ； Department of Informatics, University of Fribourg（弗里堡大学信息学系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出连续编码方法，将欧拉特征曲线转化为每个顶点的净变化序列，通过小型变换器生成特征向量，并在多个数据集上提升分类精度。

Comments Accepted at the 2nd Annual Conference on Topology, Algebra, and Geometry in Data Science (TAG-DS) 2026

Persistence Spheres: a Bi-continuous Linear Representation of Measures for Partial Optimal Transport

持久球体：一种双连续的线性表示法用于部分最优运输

Matteo Pegoraro

机构 * Institute of Computing, Faculty of Informatics, Universitá della Svizzera Italiana（计算研究所、信息学院、瑞士联邦理工学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出持久球体，一种双连续的线性表示法，用于部分最优运输，通过凸几何构建，提供参数自由的度量表示，并在多个任务中优于现有方法。

Equivariant Eikonal Neural Networks: Grid-Free, Scalable Travel-Time Prediction on Homogeneous Spaces

等变 eikonal 神经网络：齐性空间上无网格、可扩展的走时预测

Alejandro García-Castellanos, David R. Wessels, Nicky J. van den Berg, Remco Duits, Daniël M. Pelt, Erik J. Bekkers

机构 * Amsterdam Machine Learning Lab (AMLab), University of Amsterdam（阿姆斯特丹机器学习实验室（AMLab），阿姆斯特丹大学） ； New Theory（新理论） ； Department of Mathematics and Computer Science, Eindhoven University of Technology（数学与计算机科学系，埃因霍温理工大学） ； Leiden Institute of Advanced Computer Science, Universiteit Leiden（莱顿高级计算机科学研究所，莱顿大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出将等变神经场与神经 eikonal 求解器结合的新型框架，用于齐性空间等任意黎曼流形的走时预测，经地震走时建模验证，性能优于现有基于神经算子的方法。

Near-Optimal Dimension Lower Bounds for Single-Vector Embeddings of Maximum Inner Product Similarity

最大内积相似度单向量嵌入的近最优维度下界

Rajesh Jayaram, Honghao Lin, Vahab Mirrokni, David P. Woodruff

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对最大内积相似度单向量嵌入的维度下界问题。此前上下界在m指数上有差距，本文几乎弥合。证明结合方法得出，对固定δ及足够小ε、m≥(1/ε)^A_δ，单向量近似维度D≥m^(c_δ/ε^(2 - 2δ))，此结论对多种情况适用，指数接近上界。

Distance-Matrix Wasserstein Statistics for Scalable Gromov--Wasserstein Learning

基于距离矩阵的Wasserstein统计用于可扩展的Gromov-Wasserstein学习

Ao Xu, Tieru Wu

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出距离矩阵Wasserstein统计，通过采样点并运输距离矩阵来近似Gromov-Wasserstein距离，证明其作为下界并建立反向逼近不等式，同时提供有限样本界和可扩展计算方法。

Comments The authors withdraw this manuscript because its attribution and positioning relative to prior work require substantial correction, and several technical arguments require further verification. The current version should not be relied upon

AI-Driven Surrogate Models for Predicting Electrode-Scale Discharge Behavior in Lithium-Ion Batteries

用于预测锂离子电池电极尺度放电行为的人工智能驱动替代模型

Mengda Xing, Jean-Marie Lagniez, Alejandro Franco

专题命中 点云 ：point cloud(abstract)

AI总结 研究锂离子电池电极尺度放电行为预测难题，提出基于Swin3D Transformer的深度学习替代管道，集成高斯位置编码和时间编码模块，实验表明其预测准确且大幅降低计算开销，为电池设计优化提供高效框架。

Journal ref Lecture Notes in Computer Science, 2027, Lecture Notes in Artificial Intelligence, 16615, pp.120-131

Environment-Aware Channel Inference via Cross-Modal Flow: From Multimodal Sensing to Wireless Channels

通过跨模态流进行环境感知信道推断：从多模态感知到无线信道

Guangming Liang, Mingjie Yang, Dongzhu Liu, Paul Henderson, Lajos Hanzo

机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算机科学学院） ； School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究在高多普勒环境下无需导频的信道推断，提出数据驱动框架将传感到信道映射设为跨模态流匹配问题，通过融合多模态特征、学习速度场等实现实时CSI估计，实验表明该方法在信道估计精度和频谱效率上优于基准。

Comments 17 pages, 15 figures, 44 references, to appear in IEEE Transactions on Mobile Computing (TMC)

Streaming Sliced Optimal Transport

流式切片最优传输

Khai Nguyen

机构 * Department of Statistics（统计系） ； Data Sciences, University of Texas at Austin, USA（数据科学系，德克萨斯大学奥斯汀分校） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出流式切片最优传输（Stream-SW）方法，通过流式估计一维Wasserstein距离来提升计算效率，适用于样本流中的切片最优传输估计，具有低内存复杂度和理论误差保证。

Comments Accepted to ICML 2026, 21 pages, 8 figures, 7 tables

Online Change-Point Detection with Persistent Laplacian Features

用于在线变点检测的校准持久拉普拉斯累积和

Shiheng Nie, Yunguang Yue

专题命中 点云 ：point cloud(abstract)

AI总结 针对高维非线性时间序列在线变点检测，提出PL-CUSUM方法，将滑动窗口转为点云，用持久拉普拉斯谱构建监测分数，分析关键性能标准，给出阶段程序，实验表明其能稳定控制误报且检测性能有竞争力。

Comments 51 pages, 9 figures

Vector alignment in matrix Lie groups

矩阵李群中的向量对齐

Congzhou M Sha

专题命中 点云 ：point cloud(abstract)

AI总结 提出一种李代数方法，通过伪逆、矩阵对数、投影到李代数和矩阵指数四步，实现任意矩阵李群中向量对齐的精确求解，并给出牛顿校正以优化噪声数据下的性能。

Comments 23 pages, 14 figures, 2 tables