3D 视觉

LOGOS: LiDAR-Only Gaussian Elevation Splatting for Unified Tiny Obstacle Segmentation

LOGOS: 仅基于激光雷达的高斯高程喷溅用于统一微小障碍物分割

Nan Ming, Yeqiang Qian, Chunxiang Wang, Ming Yang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） 纠错

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

AI总结 提出LOGOS系统，通过将路面建模为2D高斯原语的连续混合，利用无反向传播的激光雷达方法估计高程，实现微小障碍物分割，在道路和越野场景中优于现有方法。

TriBand-BEV: Real-Time LiDAR-Only 3D Pedestrian Detection via Height-Aware BEV and High-Resolution Feature Fusion

TriBand-BEV：基于高度感知的鸟瞰图与高分辨率特征融合的实时仅LiDAR三维行人检测

Mohammad Khoshkdahan, Alexey Vinel

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 点云 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出TriBand-BEV方法，通过高度感知的鸟瞰图与高分辨率特征融合实现实时LiDAR-only三维行人检测，采用轻量级鸟瞰图张量映射，单网络一次通过检测车辆、行人和自行车，提升检测精度与速度。

Comments Accepted for publication in the Proceedings of the 2026 International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

Journal ref Proceedings of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

A Generalizable Light Transport 3D Embedding for Global Illumination

一种可泛化的全局光照光传输3D嵌入

Bing Xu, Mukund Varma T, Cheng Wang, Tzu-Mao Li, Lifan Wu, Bartlomiej Wronski, Ravi Ramamoorthi, Marco Salvi

机构 * UC San Diego and NVIDIA USA（加州大学圣迭戈分校和美国NVIDIA公司） ； UC San Diego USA（加州大学圣迭戈分校（美国）） ； NVIDIA USA（美国NVIDIA公司） ； UC San Diego USA and NVIDIA USA（加州大学圣迭戈分校和美国NVIDIA公司） 纠错

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

AI总结 提出一种可泛化的3D光传输嵌入方法，通过点云和Transformer直接预测全局光照，无需光栅化或路径追踪线索，适用于多种室内场景。

Comments SIGGRAPH 2026

T-FunS3D: Task-Driven Hierarchical Open-Vocabulary 3D Functionality Segmentation

T-FunS3D：任务驱动的分层开放词汇3D功能分割

Jingkun Feng, Reza Sabzevari

机构 * P4MARS Lab at the Faculty of Aerospace Engineering, Delft University of Technology（代尔夫特理工大学航空航天工程学院P4MARS实验室） 纠错

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

AI总结 提出T-FunS3D方法，通过构建开放词汇场景图并利用视觉语言模型，实现任务驱动的分层3D功能分割，在保持性能的同时提升速度和降低内存消耗。

3D Modeling and Automated Measurement of Concrete Cracks via Segment Anything Refinement and Visual Inertial LiDAR Fusion

通过段落任何精修和视觉惯性LiDAR融合进行混凝土裂缝的3D建模与自动测量

Pengru Deng, Jiapeng Yao, Chun Li, Su Wang, Xinrun Li, Varun Ojha, Xuhui He

机构 * School of Civil Engineering（土木工程学院） ； Central South University（中南大学） ； Hunan Provincial Key Laboratory for Disaster Prevention and Mitigation of Rail Transit Engineering Structures（湖南省铁路工程结构灾害预防与 mitigation 工程结构重点实验室） ； Nvidia ； School of Computing（计算学院） ； Newcastle University（新castle大学） 纠错

专题命中 点云 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出了一种结合计算机视觉技术和多模态同时定位与建图（SLAM）的创新框架，用于二维裂缝检测、三维重建和三维自动裂缝测量，解决了现有方法在适应性和鲁棒性方面的不足，特别是在处理曲线或复杂几何形状时的挑战。

Comments Title and author list updated

Journal ref Computer-Aided Civil and Infrastructure Engineering, Volume 45, 2026, 100019, ISSN 1093-9687

Evo-Depth: A Lightweight Depth-Enhanced Vision-Language-Action Model

Evo-Depth：一种轻量化的深度增强视觉-语言-动作模型

Tao Lin, Yuxin Du, Jiting Liu, Nuobei Zhu, Yunhe Li, Yuqian Fu, Yinxinyu Chen, Hongyi Cai, Zewei Ye, Bing Cheng, Kai Ye, Yiran Mao, Yilei Zhong, MingKang Dong, Junchi Yan, Gen Li, Bo Zhao

机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； King Abdullah University of Science and Technology（卡塔尔国王 Abdullah 大学科学与技术大学） ； Nanyang Technological University（南洋理工大学） ； SJTU-Quic Robot Joint Lab（上海交通大学-Quick 机器人联合实验室） 纠错

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

AI总结 本文提出Evo-Depth模型，通过轻量隐式深度编码模块和空间增强模块提升视觉-语言-动作任务中的空间感知能力，实现高效部署与高精度操作。

RobotPan: A 360$^\circ$ Surround-View Robotic Vision System for Embodied Perception

RobotPan：一种用于具身感知的360度全景机器人视觉系统

Jiahao Ma, Qiang Zhang, Peiran Liu, Zeran Su, Pihai Sun, Gang Han, Wen Zhao, Wei Cui, Zhang Zhang, Zhiyuan Xu, Renjing Xu, Jian Tang, Miaomiao Liu, Yijie Guo

机构 * Tiangong 3.0 humanoid platform（天宫3.0人形平台） 纠错

专题命中 点云 ：3D reconstruction(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出RobotPan系统，通过六摄像头与LiDAR结合，实现360度全景视觉覆盖，采用统一球坐标表示和分层球体体素先验，实现高效实时渲染与重建，支持长时间序列处理，并发布多传感器数据集用于机器人导航与 manipulation。

Comments Project website: https://robotpan.github.io/

SAMa: Material-aware 3D Selection and Segmentation

SAMa: 基于材料的3D选择与分割

Michael Fischer, Iliyan Georgiev, Thibault Groueix, Vladimir G. Kim, Tobias Ritschel, Valentin Deschaintre

机构 * Adobe Research（Adobe研究院） ； University College London（伦敦大学学院） 纠错

专题命中 点云 ：3DGS(abstract)；point cloud(abstract)；分类 cs.CV、cs.GR

AI总结 SAMa是一种基于材料的3D选择与分割方法，通过多视角一致性提升选择准确性和效率，适用于多种3D内容处理任务。

Comments Project Page: https://mfischer-ucl.github.io/sama

LiDAR-VGGT: Cross-Modal Coarse-to-Fine Fusion for Globally Consistent and Metric-Scale Dense Mapping

Lijie Wang, Lianjie Guo, Ziyi Xu, Qianhao Wang, Fei Gao, Xieyuanli Chen

机构 * State Key Laboratory of Industrial Control Technology, Institute of Cyber-Systems and Control, Zhejiang University（工业控制技术国家重点实验室，系统与控制研究院，浙江大学） ； Differential Robot Technology Co., Ltd.（差分机器人技术有限公司） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科技大学） 纠错

专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV、cs.RO

Agentic 3D Scene Generation with Spatially Contextualized VLMs

Xinhang Liu, Yu-Wing Tai, Chi-Keung Tang

机构 * HKUST（香港科技大学） ； Dartmouth College（达特茅斯学院） 纠错

专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV、cs.GR

Comments Project page: https://spatctxvlm.github.io/project_page/

LiDAR-EDIT: LiDAR Data Generation by Editing the Object Layouts in Real-World Scenes

Shing-Hei Ho, Bao Thach, Minghan Zhu

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

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA). 6 pages, 7 figures

SN-LiDAR: Semantic Neural Fields for Novel Space-time View LiDAR Synthesis

Yi Chen, Tianchen Deng, Wentao Zhao, Xiaoning Wang, Wenqian Xi, Weidong Chen, Jingchuan Wang

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

Learning Shared RGB-D Fields: Unified Self-supervised Pre-training for Label-efficient LiDAR-Camera 3D Perception

Xiaohao Xu, Ye Li, Tianyi Zhang, Jinrong Yang, Matthew Johnson-Roberson, Xiaonan Huang

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

Comments 8 pages

SG-PGM: Partial Graph Matching Network with Semantic Geometric Fusion for 3D Scene Graph Alignment and Its Downstream Tasks

Yaxu Xie, Alain Pagani, Didier Stricker

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

Comments 16 pages, 10 figures

UrbanBIS: a Large-scale Benchmark for Fine-grained Urban Building Instance Segmentation

Guoqing Yang, Fuyou Xue, Qi Zhang, Ke Xie, Chi-Wing Fu, Hui Huang

专题命中 点云 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV、cs.GR

Comments 11 pages, 6 figures. Accepted by SIGGRAPH 2023

Revisiting LiDAR Registration and Reconstruction: A Range Image Perspective

Wei Dong, Kwonyoung Ryu, Michael Kaess, Jaesik Park

专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV、cs.RO

Comments 14 pages, 9 figures. This paper is under the review

ManiSkill: Generalizable Manipulation Skill Benchmark with Large-Scale Demonstrations

Tongzhou Mu, Zhan Ling, Fanbo Xiang, Derek Yang, Xuanlin Li, Stone Tao, Zhiao Huang, Zhiwei Jia, Hao Su

专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV、cs.RO

Comments NeurIPS 2021 Track on Datasets and Benchmarks; code: https://github.com/haosulab/ManiSkill

ICM-3D: Instantiated Category Modeling for 3D Instance Segmentation

Ruihang Chu, Yukang Chen, Tao Kong, Lu Qi, Lei Li

专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV、cs.RO

Comments IEEE Robotics and Automation Letters (RA-L). Preprint Version. Accepted August, 2021

Learning Compact Geometric Features

Marc Khoury, Qian-Yi Zhou, Vladlen Koltun

专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV、cs.GR

Comments International Conference on Computer Vision (ICCV), 2017

An Indoor Radio Mapping Dataset Combining 3D Point Clouds and RSSI

一种结合3D点云和RSSI的室内无线电映射数据集

Ljupcho Milosheski, Kuon Akiyama, Blaž Bertalanič, Jernej Hribar, Ryoichi Shinkuma

机构 * Jožef Stefan Institute, Department of Communication Systems（乔泽夫·斯塔芬研究所，通信系统系） ； International Postgraduate School Jožef Stefan, Information and Communication Technologies（国际研究生学校乔泽夫·斯塔芬，信息与通信技术） ； Faculty of Engineering, Shibaura Institute of Technology（工学院， Shibaura技术研究所） 纠错

专题命中 点云 ：point cloud(title)

AI总结 本文提出了一种结合3D点云和RSSI的室内无线电映射数据集，用于支持无线网络规划和优化。

Comments 19 pages, 8 figures, 3 tables

Error estimation of weighted nonlocal Laplacian on random point cloud

加权非局部拉普拉斯算子在随机点云上的误差估计

Zuoqiang Shi, Bao Wang, Stanley J. Osher

专题命中 点云 ：point cloud(title)

AI总结 本文研究了加权非局部拉普拉斯算子在高维随机数据上的收敛性，揭示了缩放权重μ∼P|/|S|的重要性，为高维数据插值提供了理论基础。

Comments 15 pages; 2 figures

Mixup Barcodes: Quantifying Geometric-Topological Interactions between Point Clouds

Mixup Barcodes: 量化点云之间几何-拓扑相互作用

Hubert Wagner, Nickolas Arustamyan, Matthew Wheeler, Peter Bubenik

机构 * University of Florida（佛罗里达大学） ； University of Central Florida（中央佛罗里达大学） 纠错

专题命中 点云 ：point cloud(title)

AI总结 本文提出了一种新的方法，通过结合标准持续同调与图像持续同调，定义了量化形状及其相互作用的新型方法，引入了混合条形码、总混合度和总百分比混合度等统计量，并开发了相关软件工具，用于机器学习中的特征解缠问题。

Comments To appear at SoCG 2026

Indoor Space Authentication by ISS-based Keypoint Extraction from 3D Point Clouds

基于3D点云的内在形状特征提取的室内空间认证

Yuki Yamada, Daisuke Kotani, Kota Tsubouchi, Hidehito Gomi, Yasuo Okabe

专题命中 点云 ：point cloud(title)

AI总结 ISS-RegAuth通过稀疏关键点提取实现轻量级室内空间认证，降低误差率和数据传输量，提升隐私保护与边缘部署能力。

Comments Accepted in IEEE PerCom 2026 as a Work-in-Progress paper

Exploring Singularities in point clouds with the graph Laplacian: An explicit approach

在点云中探索奇点的图拉普拉斯方法：一种显式方法

Martin Andersson, Benny Avelin

机构 * Department of Mathematics, Uppsala University（数学系，乌普萨拉大学） 纠错

专题命中 点云 ：point cloud(title)

AI总结 本文提出了一种利用图拉普拉斯方法分析点云中奇点几何结构的理论和方法，通过显式界限检测奇点并估计其几何性质。

Comments 28 pages, 12 figures

Journal ref Journal of Computational Mathematics and Data Science 14 (2025) 100113

An Adaptive Lagrangian B-Spline Framework for Point Cloud Manifold Evolution

一种自适应拉格朗日B-样条框架用于点云流形演化

Muhammad Ammad, Leevan Ling

专题命中 点云 ：point cloud(title)

AI总结 本文提出了一种自适应拉格朗日B-样条框架，用于高效且准确地模拟点云数据的动态流形演化。

Searching point patterns in point clouds describing local topography

在描述局部地形的点云中搜索点模式

Ewa Bednarczuk, Rafał Bieńkowski, Robert Kłopotek, Jan Kryński, Krzysztof Leśsniewski, Krzysztof Rutkowski, Małgorzata Szelachowska

专题命中 点云 ：point cloud(title)

AI总结 该研究提出了一种基于有限差分算子的局部描述符，用于在点云中比较和对齐结构化几何模式，并结合沃舍斯坦距离和Procrustes分析进行点分布比较和几何结构对齐。

Comments 9 pages, 2 figures, 2 tables, 6 citations

Modeling high dimensional point clouds with the spherical cluster model

用球簇模型建模高维点云

Frédéric Cazals, Antoine Commaret, Louis Goldenberg

机构 * Université C^ote d’Azur（巴黎-萨克勒大学） ； Inria（法国国家信息与自动化技术研究院） ； Ecole Polytechnique（巴黎高等理工学院） 纠错

专题命中 点云 ：point cloud(title)

AI总结 本文提出球簇模型用于高维点云建模，通过严格凸优化问题解决，并展示其在高维数据中的高效性和中位数特性。

Comments Main text: 4 figures, 15 pages

Stability of 0-dimensional persistent homology in enriched and sparsified point clouds

0维持久同调在增强和稀疏点云中的稳定性

Jānis Lazovskis, Ran Levi, Juliano Morimoto

专题命中 点云 ：point cloud(title)

AI总结 本文提出了一种在增强和稀疏点云中分析超体积的拓扑方法，通过持久图的精确界限和立方体复杂度的对偶恒等式，提供拓扑保证的分析工具。

Comments 18 pages, 13 figures. Clarified exposition and motivation. Comments welcome

Reconstructing the local density field with combined convolutional and point cloud architecture

结合卷积和点云架构重建局部密度场

Baptiste Barthe-Gold, Nhat-Minh Nguyen, Leander Thiele

机构 * Ecole Polytechnique Rte de Saclay, 91120 Palaiseau, France（巴黎-萨克雷高等理工学院） ； Center for Data-Driven Discovery Kavli IPMU, UTIAS, The University of Tokyo（数据驱动发现中心） ； The University of Tokyo（东京大学） 纠错

专题命中 点云 ：point cloud(title)

AI总结 本文提出结合卷积和点云架构的神经网络，用于基于暗物质团的异常速度重建局部密度场，提升了小尺度的聚类特征恢复能力。

Comments 6 pages, 4 figures, 1 table. Accepted at the NeurIPS 2025 Workshop: ML4PS. Comments welcome!

LieDetect: Detection of representation orbits of compact Lie groups from point clouds

Henrique Ennes, Raphaël Tinarrage

机构 * EMAp, Fundação Getulio Vargas（Fundação Getulio Vargas 经济研究所） ； INRIA Université Côte d’Azur（INRIA 里昂大学） ； IST Austria（奥地利科学院） 纠错

专题命中 点云 ：point cloud(title)

Comments Similar to the published version. 111 pages, 26 figures, 15 tables

Journal ref Foundations of Computational Mathematics (2025)