3D 视觉

Procedural Volumetric Modeling of Plant Branching Structures for Finite Element Analysis

用于有限元分析的植物分支结构的过程性体素建模

Ajith Moola, Prashant Kumar Gupta, Baskar Ganapathysubramanian, Aishwarya Pawar

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

AI总结 针对精准农业等领域对植物建模的需求，提出自动体素过程性建模框架，能从输入骨架或点云生成适合有限元分析的六面体网格，经多步骤操作实现，在多植物数据集验证，还支持动态网格生成模拟植物生长。

Comments 31 pages, 15 figures

FUSE: A Flow-based Mapping Between Shapes

FUSE：一种基于流的形状间映射

Lorenzo Olearo, Giulio Viganò, Daniele Baieri, Filippo Maggioli, Simone Melzi

机构 * University of Milano-Bicocca（米兰-布西卡大学） ； University of Bonn（波恩大学） ； Lamarr Institute（拉马尔研究所） ； Pegaso University（佩加索大学） 纠错

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

AI总结 研究3D形状间映射，基于流匹配模型提出新型神经表示，计算高效，支持跨表示形状匹配，无需大规模训练等。通过特定流映射和嵌入编码形状，在多种形状匹配任务及其他任务如UV映射、人体点云扫描配准中表现出色。

Comments 11 pages, 9 figures. Accepted for publication at ECCV 2026

Motion Estimation Techniques for Volumetric Video Attribute Compression

面向体积视频属性压缩的运动估计技术

Haoran Hong, Eduardo Pavez, Antonio Ortega, Ryosuke Watanabe, Keisuke Nonaka

机构 * University of Southern California（南加州大学） ； KDDI Research, Inc.（KDDI研究所） 纠错

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

AI总结 针对点云属性时域冗余难消除的问题，提出三类运动估计编码方案，在有损几何条件下较现有标准最高可实现55.3%的平均码率节省。

3DMPE: 3D Multi-Perspective Embedding

3DMPE：3D多视角嵌入

Vahan Huroyan, Md Rahat-uz-Zaman, Stephen Kobourov

机构 * Saint Louis University（圣路易斯大学） ； University of Utah（犹他大学） ； Technical University of Munich（慕尼黑工业大学） 纠错

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

AI总结 研究从多个部分观测的2D投影进行3D点云重建，提出3DMPE方法，基于优化且无需训练，能重建点云并估计投影图，扩展多视角同步嵌入以适应缺失点等，实验验证其有效性。

RAF: Reliability-Aware Fusion of Camera, LiDAR, and 4D RADAR for Robust 3D Object Detection in Adverse Weather

RAF：用于恶劣天气下稳健3D目标检测的相机、激光雷达和4D雷达的可靠性感知融合

Heejun Park, Jaeseok Jeong, Kuk-Jin Yoon

机构 * Visual Intelligence Lab., KAIST（韩国科学技术院视觉智能实验室） 纠错

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

AI总结 针对恶劣天气下多传感器3D目标检测难题，提出RAF方法，通过明确监督像素可靠性估计，利用预训练网络，仅训练新增相机分支等，实验证明该方法有效提升检测精度。

Comments ECCV 2026

From Geometric Labels to Semantic Understanding of Indoor Building Components Using Multimodal Large Language Models

使用多模态大语言模型从几何标签到室内建筑组件的语义理解

Shuju Jing, Chao Yin

机构 * School of Qilu Transportation, Shandong University（山东大学齐鲁交通学院） ； Guangzhou Institute of Geography, Guangdong Academy of Sciences（广东省地理研究所） 纠错

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

AI总结 研究针对室内建筑组件，提出以点云为中心的多模态大语言模型Building-MLLM，通过特定机制解决语义集中问题，开发引擎编译数据集，实验表明其在多任务上表现优异，提升室内组件语言理解。

Comments 46 pages, 13 figures, accepted by Automation in Construction journal

ROBOCYCLE: Autonomous Dual-Arm Robotic Manipulation and Coordination for Recycling Applications

ROBOCYCLE：用于回收应用的自主双臂机器人操作与协调

Rubén de J. Hilario-Cruz, Jesus A. García-González, Enrique Coronado, Arturo E. Cerón-López

机构 * Tecnologico de Monterrey, School of Engineering and Sciences, Department of Computer Science（墨西哥蒙特雷理工大学工程学院与科学学院计算机科学系） ； National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院） 纠错

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

AI总结 针对城市垃圾处理难题，介绍ROBOCYCLE平台，集成多视图RGB-D感知、基于变压器的实例分割及6自由度抓取规划，有效处理不规则和可变形垃圾，取得高成功率，为现实环境自主垃圾管理提供方案。

Learning to Suppress SPAD-based LiDAR Flare

学习抑制基于单光子雪崩二极管（SPAD）的激光雷达耀斑

Xuanya Zhu, Linghao Shen

机构 * Centre for Vision, Speech and Signal Processing, University of Surrey, UK（英国萨里大学视觉、语音和信号处理中心） ； Advanced Technology Center, Sony (China) Ltd., China（索尼（中国）有限公司先进技术中心） 纠错

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

AI总结 针对基于SPAD的激光雷达耀斑问题，将其重构成语义分割问题，提出基于物理信息的激光雷达耀斑分割方法，通过聚合跨回波信息联合编码特征，实验表明该方法显著优于其他模型。

Beyond Point-Attached Semantics: Object-Centric Semantic Fields for Generalizable Manipulation

超越点附着语义：用于可泛化操作的以对象为中心的语义场

Zheng Sun, Lerong Zhang, Zhihao Li, Zhuo Li, Quentin Rouxel, Fei Chen

机构 * Department of Mechanical of Automation Engineering（机械与自动化工程系） 纠错

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

AI总结 研究可泛化机器人操作中功能对象部分的稳定3D理解问题，提出以对象为中心的连续语义场，用部分注释模型训练并冻结，实验表明该表示提供更稳定线索并提升策略性能。

PinNet: Keypoint-Aware Learned Local Descriptors with Geometric Embedding for Loop Closure in LiDAR SLAM

PinNet：用于LiDAR SLAM回环检测的具有几何嵌入的关键点感知局部描述符

Yanlong Ma, Nakul S. Joshi, Christa S. Robison, Philip R. Osteen, Brett T. Lopez

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； DEVCOM Army Research Laboratory (ARL)（陆军研究实验室（ARL）） 纠错

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

AI总结 提出PinNet网络，通过关键点生成和平面几何自注意力模块增强描述符判别性，实现基于点云的回环检测与配准，在多个数据集上验证了优越性能。

CoLA-Flow Policy: Temporally Coherent Imitation Learning via Continuous Latent Action Flow Matching for Robotic Manipulation

CoLA-Flow Policy: 通过连续潜在动作流匹配实现机器人操作的时序一致模仿学习

Wu Songwei, Jiang Zhiduo, Sun Wandong, Xie Guanghu, Zhao Rui, Liu Hong, Liu Yang

机构 * State Key Laboratory of Robotics and System, Harbin Institute of Technology（机器人系统国家重点实验室，哈尔滨工业大学） ； The University of Sydney（悉尼大学） ； Honor Device Co., Ltd.（荣耀设备有限公司） 纠错

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

AI总结 本文提出CoLA-Flow Policy，一种基于连续潜在动作空间的轨迹级模仿学习框架，通过学习显式的潜在空间流，解耦全局运动结构与低层控制噪声，从而实现平滑可靠的长时程执行，并结合几何感知点云条件和执行时多模态调节，提升现实环境的鲁棒性。

Comments 8 pages, 8 figures

CORA: Generalizable coronary artery disease assessment and risk stratification from coronary CT angiography using pathology-centric representation learning

CORA：一种由病理合成驱动的冠状动脉CT血管造影分析和MACE风险评估基础模型

Jinkui Hao, Gorkem Durak, Halil Ertugrul Aktas, Ulas Bagci, Bradley D. Allen, Nilay S. Shah, Bo Zhou

机构 * Department of Radiology, Northwestern University（西北大学放射学系） ； Department of Biomedical Engineering, Northwestern University（西北大学生物医学工程系） ； Department of Cardiology, Northwestern University（西北大学心脏病学系） ； Department of Preventive Medicine, Northwestern University（西北大学预防医学系） 纠错

专题命中 点云 ：3D vision(abstract)；分类 cs.CV

AI总结 CORA通过病理合成驱动的自监督框架，直接从体积CT血管造影数据中学习，提升冠状动脉疾病分析和MACE风险评估性能，实现29%的性能提升。

Comments Code is available at: https://github.com/Advanced-AI-in-Medicine-and-Physics-Lab/CORA

Language-Guided Grasping under Partial Observation for Mobile Manipulation in Field Inspection and Maintenance

用于现场检查和维护中移动操作的部分观察下语言引导抓取

Dilermando Almeida, Juliano Negri, Guilherme Lazzarini, Thiago H. Segreto, Ranulfo Bezerra, Gustavo J. G. Lahr, Ricardo V. Godoy, Marcelo Becker

机构 * Department of Mechanical Engineering, Federal University of Uberlândia（联邦大学伯南迪利亚机械工程系） ； Department of Mechanical Engineering, University of São Paulo（圣保罗大学机械工程系） ； Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） ； Faculdade Israelita de Ensino e Pesquisa Albert Einstein, Hospital Israelita Albert Einstein（艾伯特·爱因斯坦以色列教学与研究学院，艾伯特·爱因斯坦医院） 纠错

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

AI总结 提出用于腿部移动操纵器在部分观察下的语言引导抓取流程，经多步骤处理，在四足机器人上实现并评估，相比基线提高抓取成功率，提升语言引导抓取可靠性。

TreeLoc++: Robust 6-DoF LiDAR Localization in Forests with a Compact Digital Forest Inventory

TreeLoc++：利用紧凑数字森林清单在森林中进行稳健的6自由度激光雷达定位

Minwoo Jung, Dongjae Lee, Nived Chebrolu, Haedam Oh, Maurice Fallon, Ayoung Kim

机构 * Department of Mechanical Engineering, Seoul National University, Seoul, South Korea（首尔国立大学机械工程系，韩国首尔） ； Department of Computer Science and Engineering, Indian Institute of Technology Bombay, India（印度班加罗尔印度理工学院计算机科学与工程系） ； Oxford Robotics Institute, Department of Engineering Science, University of Oxford, Oxford, UK（牛津大学奥克斯福德机器人研究所，英国牛津） 纠错

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

AI总结 研究提出TreeLoc++框架，直接基于数字森林清单定位，以紧凑几何属性编码树干。通过距离直方图等减少误匹配，优化估计姿态，不依赖密集点云数据，实现厘米级精度定位，具长期部署扩展性。

Comments 30 pages, 33 figures and 15 tables

The P$^3$ Dataset: Pixels, Points and Polygons for Multimodal Building Vectorization

P$^3$数据集：用于多模态建筑物矢量化的像素、点和多边形

Raphael Sulzer, Liuyun Duan, Nicolas Girard, Florent Lafarge

机构 * Université Côte d’Azur, INRIA（法国里沃利大学、INRIA） ； LuxCarta Technology（LuxCarta技术公司） 纠错

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

AI总结 介绍用于建筑物矢量化的多模态P$^3$数据集，由多源数据构建，含大量高精度激光雷达点等。证明激光雷达点云可用于预测建筑物多边形，融合激光雷达和图像能提高预测精度与几何质量，数据集公开。

EPMF: Efficient Perception-aware Multi-sensor Fusion for 3D Semantic Segmentation

EPMF: 高效感知感知多传感器融合用于3D语义分割

Mingkui Tan, Zhuangwei Zhuang, Sitao Chen, Rong Li, Kui Jia, Qicheng Wang, Yuanqing Li

机构 * School of Software Engineering, South China University of Technology（南方科技大学软件工程学院） ； Pazhou Laboratory, Guangzhou, China（广州帕佐实验室） ； School of Electronic and Information Engineering, South China University of Technology（南方科技大学电子与信息工程学院） ； Minieye, Shenzhen, Guangdong, China（深圳Minieye公司） 纠错

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

AI总结 提出一种高效感知多传感器融合方法EPMF，通过透视投影对齐点云与RGB图像，利用残差融合模块和感知损失提升3D语义分割性能，在nuScenes上mIoU超越RangeFormer 0.9%。

Comments 16 pages, 12 figures, 14 tables, IEEE TPAMI 2024, extended version of the ICCV2021 paper

Comprehensive Robustness Analysis of LiDAR-based 3D Object Detection in Autonomous Driving

自动驾驶中基于LiDAR的3D物体检测的全面鲁棒性分析

Adwait Chandorkar, Kai Krink, Yerdana Maulenbay, Hasan Tercan, Tobias Meisen

机构 * Institute for TMDT, University of Wuppertal, Germany（TMDT研究所，乌尔姆大学，德国） ； IKB Faculty of Science, University of British Columbia, Canada（科学学院，不列颠哥伦比亚大学，加拿大） 纠错

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

AI总结 针对LiDAR-only 3D物体检测模型对抗鲁棒性研究不足的问题，提出一个综合评估框架，通过结构因子（点云密度、定位）和预测因子（误分类、定位误差、自车距离）分析，发现高容量体素检测器比支柱检测器更易受结构化坐标扰动，非锚点检测器鲁棒性差。

Comments Accepted at ECCV 2026 main

UnderOneFacade: Worldwide Facade Semantic Segmentation Benchmark Dataset

UnderOneFacade：全球立面语义分割基准数据集

Yi Wang, Fan Wang, Prabin Gyawali, Ziyang Xu, Anna Klimkowska, Yixiong Jing, Wanru Yang, Filip Biljecki, Christoph Holst, Benjamin Busam, Brian Sheil, Olaf Wysocki

机构 * Technical University of Munich（慕尼黑工业大学） ； University of Cambridge（剑桥大学） ； University of Nottingham（诺丁汉大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 针对现有立面解析数据集地理范围窄、语义不一致的问题，提出全球最大跨国家、跨洲的3D立面基准UnderOneFacade，包含27亿标注点，评估多种模型并揭示其跨域性能下降，为鲁棒可迁移的3D分割模型提供基准。

Comments accepted by ECCV 2026

C2E: Boosting Ego-Only 3D Object Detection via Multi-Teacher Contrastive Knowledge Distillation

C2E: 通过多教师对比知识蒸馏提升仅自我3D目标检测

Jinlong Wang, Xun Huang, Qiming Xia, Shijia Zhao, Chenglu Wen

机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, Xiamen University（福建省城市智能感知与计算重点实验室，厦门大学） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（多媒体可信感知与高效计算教育部重点实验室，厦门大学） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 提出C2E范式，通过多对一智能体对比知识蒸馏框架M2S，结合多级特征增强、辅助点云重建和多教师对比蒸馏，在无通信成本下提升仅自我3D检测性能，在多个数据集上验证有效性。

Comments 18 pages, 8figures

Journal ref ECCV 2026

DriveWeaver: Point-Conditioned Video Inpainting for Controllable Vehicle Insertion in Autonomous Driving Simulation

DriveWeaver: 基于点云条件的视频修复用于自动驾驶仿真中的可控车辆插入

Junzhe Jiang, Zipei Ma, Zijie Pan, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 提出DriveWeaver框架，通过点云条件视频修复实现自动驾驶仿真中可控车辆插入，解决光照不一致和3D资产依赖问题，支持大规模场景增强。

Comments Accepted at ECCV 2026, Project Page: https://github.com/LogosRoboticsGroup/DriveWeaver

DAP: Doppler-aware Point Network for Heterogeneous mmWave Action Recognition

DAP：面向异构毫米波的点网络用于人类动作识别

Jiaying Lin, Shiman Wu, Jinfu Liu, Can Wang, Mengyuan Liu

机构 * Peking University（北京大学） ； Huazhong University of Science and Technology（华中科技大学） ； DJI Technology Company Ltd.（大疆技术创新有限公司） ； Christian-Albrechts-Universität zu Kiel（基尔大学） 纠错

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

AI总结 本文提出DAP-Net，通过异构雷达源的跨模态对齐和D2R模块实现点云增强，提升动作识别的鲁棒性与准确性。

BIEVR-LIO: Robust LiDAR-Inertial Odometry through Bump-Image-Enhanced Voxel Maps

BIEVR-LIO：通过凸起图像增强体素地图实现鲁棒的激光雷达惯性里程计

Patrick Pfreundschuh, Turcan Tuna, Cedric Le Gentil, Roland Siegwart, Cesar Cadena, Helen Oleynikova

机构 * 1 Autonomous Systems Lab, ETH Z\"urich, Switzerland, 2 Robotic Systems Lab, ETH Z\"urich, Switzerland, 3 Mobile Robotics Lab, ETH Z\"urich, Switzerland -1.5mm 纠错

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

AI总结 本文提出BIEVR-LIO方法，通过高分辨率体素地图表示和信息导向点采样策略，提升在信息稀疏环境下的激光雷达惯性里程计鲁棒性，并在多种场景中实现优异性能。

Occlusion-Aware 3D Hand-Object Pose Estimation with Masked AutoEncoders

基于掩码自编码器的遮挡感知3D手-物体姿态估计

Hui Yang, Wei Sun, Jian Liu, Jin Zheng, Jian Xiao, Ajmal Mian

机构 * National Engineering Research Center for Robot Visual Perception and Control Technology, School of Artificial Intelligence and Robotics, Hunan University（国家机器人视觉感知与控制技术工程研究中心，人工智能与机器人学院，湖南大学） ； School of Architecture and Art, Central South University（建筑与艺术学院，中南大学） ； Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） 纠错

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

AI总结 提出HOMAE方法，通过目标聚焦掩码策略和隐式SDF与显式点云融合，解决手-物体交互中的严重遮挡问题，在DexYCB和HO3Dv2上达到最优性能。

Comments IEEE Transactions on Multimedia 2026

NoPA: Non-Parametric Online 3D Scene Graph Generation

NoPA: 非参数化在线3D场景图生成

Qi Xun Yeo, Seungjun Lee, Yan Li, Gim Hee Lee

机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） 纠错

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

AI总结 针对现有3D场景图生成方法无法实时运行的问题，提出NoPA，用非参数化分布表示物体，保留几何细节，并通过基于最大均值差异的合并策略和关系传播，实现实时且准确的在线场景图生成。

Comments This paper has been accepted in ECCV 26

ELMP: Efficient Learning for Motion Planning via Analytical Policy Gradients

ELMP: 通过解析策略梯度实现高效运动规划学习

Yixiao Li, Tifanny Portela, Jordis Herrmann, René Zurbrügg, Marco Hutter

机构 * Robotic Systems Lab, ETH Zürich（苏黎世联邦理工学院机器人系统实验室） ； ABB（ABB公司） ； ANYbotics（ANYbotics公司） 纠错

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

AI总结 提出ELMP框架，利用可微运动学层和自监督微调，通过密集碰撞、目标到达和平滑性目标直接优化策略，避免专家数据收集，实现数据高效的运动规划适应。

Comments 8 pages, 7 figures, 4 tables

Explainability-Aware Frustum Attack: Exposing Structural Vulnerabilities in LiDAR-Based 3D Object Detectors

可解释性感知的视锥攻击：揭示基于LiDAR的3D目标检测器中的结构脆弱性

Chengzeng You, Binbin Xu, Soteris Demetriou

机构 * Imperial College London（帝国理工学院伦敦分校） 纠错

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

AI总结 提出可解释性引导的对抗分析方法，通过SALL方法生成通用显著性图，并设计EFA攻击，仅扰动最关键的视锥区域，在KITTI和nuScenes上使检测召回率下降超15个百分点，同时减少25-50%的扰动视锥数。

Comments European Conference on Computer Vision (ECCV), September 2026

EgoSim: Egocentric World Simulator for Embodied Interaction Generation

EgoSim：用于具身交互生成的视角世界模拟器

Jinkun Hao, Mingda Jia, Ruiyan Wang, Hongrui Zhu, Jiafei Cao, Xihui Liu, Ran Yi, Lizhuang Ma, Jiangmiao Pang, Xudong Xu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 EgoSim通过建模可更新的世界状态，解决现有视角模拟器在3D grounding和动态更新上的不足，生成空间一致的交互视频并支持跨具身迁移。

Comments Project Page: egosimulator.github.io

SegFly: A Dataset and 2D-3D-2D Paradigm for Aerial RGB-Thermal Semantic Segmentation at Scale

SegFly：大规模航空RGB-热红外语义分割的数据集与2D-3D-2D范式

Markus Gross, Sai Bharadhwaj Matha, Rui Song, Viswanathan Muthuveerappan, Conrad Christoph, Julius Huber, Daniel Cremers

机构 * Fraunhofer Institute IVI（弗劳恩霍夫交通与基础设施系统研究所） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； UCLA（加州大学洛杉矶分校） ； Uni Cambridge（剑桥大学） 纠错

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

AI总结 针对航空RGB-T数据集规模小、标注成本高和对齐困难的问题，提出几何驱动的2D-3D-2D范式，通过少量RGB标注自动生成密集伪标签并实现跨模态对齐，构建含2万+RGB图像和1.5万+RGB-T对的SegFly基准，实验表明该范式有效提升分割性能。

Journal ref ECCV 2026

FLORA: A deep learning approach to predict forest attributes from heterogeneous LiDAR data

FLORA: 一种从异构LiDAR数据预测森林属性的深度学习方法

Emilie Vautier, Clément Mallet, Cédric Vega

机构 * Univ Gustave Eiffel, Géodata Paris, IGN, LASTIG（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LASTIG） ； Univ Gustave Eiffel, Géodata Paris, IGN, LIF（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LIF） ； Université de Lorraine, Géodata Paris, IGN, LIF（洛林大学，巴黎地理数据，IGN，LIF） 纠错

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

AI总结 提出FLORA框架，利用八叉树骨干网络与生态时空辅助变量，从异构LiDAR点云预测六种森林属性，在法国32,052个样地验证，主导高rRMSE约12.3%。

RESOLVE: A Multi-Resolution and Multi-Modal Dataset for Roadside Cooperative Perception

RESOLVE：用于路边协同感知的多分辨率多模态数据集

Shaozu Ding, Linan Song, Marco De Vincenzi, Dajiang Suo

机构 * The Polytechnic School, Arizona State University（亚利桑那州立大学理工学院） ； Department of Computer Science and Engineering, New York University（纽约大学计算机科学与工程系） 纠错

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

AI总结 提出RESOLVE数据集，包含多分辨率LiDAR和相机-LiDAR同步数据，用于评估路边3D检测与跟踪中的单模态与融合架构，揭示多模态融合如何补偿LiDAR点稀疏性。

Comments Accepted to ECCV 2026. Including supplementary material