3D 视觉

DualBrep: A Dual-Field Continuous Representation for B-rep Modelling

DualBrep：用于B-rep建模的双场连续表示

Yilin Liu, Pradeep Jayaraman, Chinthala Reddy, Xiang Xu, Hooman Shayani

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

AI总结 提出DualBrep，通过有符号距离函数和无符号距离场双场统一B-rep的几何与拓扑，结合隐空间流匹配实现无误差累积的生成建模，并支持从点云逆向工程和生成建模。

Comments Published in SIGGRAPH 2026; Code is available at https://github.com/AutodeskAILab/DualBrep

Mitigating Positional Leakage in 3D Masked Autoencoders for Robust Representation Learning

缓解3D掩码自编码器中的位置泄漏以实现鲁棒表示学习

Xu Yan, Huiqun Wang, Chen Wang, Lei Ren, Di Huang

机构 * SKLCCSE, Beihang University（北京航空航天大学软件开发环境国家重点实验室） ； SCSE, Beihang University（北京航空航天大学计算机学院） ； NERCBDS, EIRI, Tsinghua University（清华大学电子工程系智能技术与系统国家重点实验室） ； SASEE, Beihang University（北京航空航天大学自动化科学与电气工程学院） 纠错

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

AI总结 针对3D掩码自编码器中位置信息过度依赖导致语义表示弱化的问题，提出MPL-MAE框架，通过重校准位置嵌入和门控位置接口模块，平衡空间先验与语义特征，提升下游任务性能。

PruneGround: Plug-and-play Spatial Pruning for 3D Visual Grounding

PruneGround: 用于3D视觉定位的即插即用空间剪枝框架

Duc Cao Dinh, Khai Le-Duc, Florent Draye, Chris Ngo, Terry Jingchen Zhang, Bernhard Schölkopf, Zhijing Jin

机构 * Knovel Engineering Lab（Knovel工程实验室） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； ELLIS Institute（ELLIS研究所） ； Max Planck Institute（马克斯·普朗克研究所） 纠错

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

AI总结 提出PruneGround框架，通过语言引导的空间剪枝、多视角描述重构和LLM定位器，在剪枝区域高效定位目标，在多个基准上取得最优结果。

Comments Preprint

FROST: Training-Free Few-Shot Segmentation with Frozen Features and Nonparametric Statistics

FROST：基于冻结特征和非参数统计的无训练少样本分割

Junghwan Park

机构 * TelePIX 纠错

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

AI总结 提出FROST，一种无训练少样本分割方法，将参考前景和背景视为冻结DINOv3特征单位球上的点云，通过非参数密度比标记查询像素，在遥感基准上超越现有方法。

Comments 20 pages

Self-supervised Geometry Reasoning for LiDAR Simultaneous Localization and Mapping

自监督几何推理用于LiDAR同时定位与地图构建

Jiwoo Kim, Jinwoo Lee, Woojae Shin, Giseop Kim, Hyondong Oh

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国高级科学研究院） ； Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆北科学技术院） 纠错

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

AI总结 提出自监督框架，通过学习局部几何的显式符号表示（高斯分布协方差）并递归优化LiDAR SLAM，无需密集标签，提升低分辨率或稀疏点云下的定位与建图精度。

Anomaly Factory 3D: A Modular Framework for Diverse Pseudo-Anomaly Synthesis in Unsupervised 3D Anomaly Detection

Anomaly Factory 3D：无监督3D异常检测中多样化伪异常合成的模块化框架

Ali Balapour, Faraz Hach

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

AI总结 提出模块化框架AF3AD，通过局部PCA框架中的参数化变形模型合成多样化伪异常，增强无监督3D异常检测训练数据，在多个数据集上提升检测与定位性能。

GeoISF: Instance Semantic Forest Inspired Large-Scale Cross-View Geo-Localization via Ground LiDAR-to-Satellite Image

GeoISF：基于实例语义森林的通过地面激光雷达到卫星图像的大规模跨视角地理定位

Di Hu, Xia Yuan, Chunxia Zhao

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

AI总结 提出GeoISF管道，利用WordNet构建实例语义森林增强语义表示，弥合点云与卫星图像模态差异，在KITTI数据集上R@10指标比并行方法提升13.22倍。

3D Field of Junctions: A Noise-Robust, Training-Free Structural Prior for Volumetric Inverse Problems

3D 立体接点场：一种噪声鲁棒、无需训练的结构先验用于体积分量逆问题

Narges Moeini, Namhoon Kim, Justin Romberg, Sara Fridovich-Keil

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

AI总结 本文提出3D FoJ方法，通过优化3D楔形接点来实现体积分量逆问题的去噪，无需训练数据，保留和增强3D边缘和角结构，适用于低信噪比下的多种3D成像任务。

Comments ECCV 2026

LaGen: Towards Autoregressive LiDAR Scene Generation

LaGen：迈向自主驾驶的自回归激光雷达场景生成

Sizhuo Zhou, Xiaosong Jia, Fanrui Zhang, Junjie Li, Juyong Zhang, Yukang Feng, Jianwen Sun, Songbur Wong, Junqi You, Junchi Yan

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出LaGen，首个支持长时交互生成的自回归框架，能基于单帧输入生成高保真4D激光雷达场景，并通过场景解耦和噪声调节模块提升生成质量。

Comments Accepted to ECCV 2026

UniGeo: Unifying Geometric Guidance for Camera-Controllable Image Editing via Video Models

UniGeo：通过视频模型统一几何指导以实现相机可控的图像编辑

Hong Jiang, Wensong Song, Zongxin Yang, Ruijie Quan, Yi Yang

机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学） ； DBMI, HMS, Harvard University（DBMI、HMS、哈佛大学） 纠错

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

AI总结 UniGeo通过统一的几何指导在三个层面提升相机可控图像编辑的几何一致性与视觉质量，克服传统方法在连续相机运动下的几何漂移和结构退化问题。

UAV-MapFusion: RTK-Aligned Uncertainty-Aware Coarse-to-Fine Multi-Session UAV Mapping

UAV-MapFusion: RTK对齐的不确定性感知粗到细多会话无人机建图

Feng Pan, Chunran Zheng, Bing Xue, Yukang Cui, Jiayu Wen, Zhiyu Chen, Wei Wang

机构 * College of Automation, Harbin Engineering University（哈尔滨工程大学自动化学院） ； Department of Mechanical Engineering, University of Hong Kong（香港大学机械工程系） ； College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机电与控制工程学院） 纠错

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

AI总结 提出一种不确定性感知的多会话点云地图合并与粗到细优化系统，通过RTK时空对齐和迭代平面因子优化，在抑制长距离漂移的同时保持局部几何精度。

Comments 8 pages, 5 figures, accepted by IEEE Robotics and Automation Letters (RA-L)

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/

Heterogeneous and Adept Snapshot Distillation for 3D Semantic Segmentation

异构与专长快照蒸馏用于3D语义分割

Xiaopei Wu, Yuenan Hou, Junkai Xu, Wenxiao Wang, Binbin Lin, Yu Li, Ping Li, Haifeng Liu, Deng Cai, Wanli Ouyang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Hangzhou Dianzi University（杭州电子科技大学） 纠错

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

AI总结 提出异构和专长快照知识蒸馏（HAS-KD），通过信息导向异构蒸馏（IHD）和专长快照蒸馏（ASD）将多模态模型和多个模型专家的知识高效迁移到点云网络，在ScanNetV2和S3DIS上取得最先进结果。

Comments 11 pages

Swazure: Swarm Measurement of Pose for Flying Light Specks

Swazure: 飞行光点的群体姿态测量

Hamed Alimohammadzadeh, Shahram Ghandeharizadeh

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 针对飞行光点（FLS）在传感器最佳范围外无法相互跟踪的问题，提出Swazure方法，通过FLS间协作解决缺失传感器数据，实现物理数据独立性，并引入两种启发式算法处理遮挡。

Comments Appeared in Proceedings of the Holodecks Foundation, Vol. 2, No. 3

Boosting Text-Driven Video Segmentation via Geometry-Aware Distillation

通过几何感知蒸馏提升文本驱动视频分割

Tianyu Zhu, Yingping Liang, Hesong Li, Ying Fu

机构 * Beijing Institute of Technology（北京理工大学） 纠错

专题命中 点云 ：spatial understanding(abstract)；分类 cs.CV

AI总结 提出GeoLaV两阶段框架，通过单目几何预训练和几何感知蒸馏，将3D几何知识从图像迁移到视频，提升文本驱动视频分割的时空一致性和语言定位能力，在多个基准上达到最优。

Comments Accepted by ECCV2026

Zero-Shot Test-Time Canonicalization using Out-of-Distribution Scoring

零样本测试时规范化使用分布外评分

Dominik Lindner, Johann Schmidt, Tom Siegl, Martin Becker, Sebastian Stober

机构 * Artificial Intelligence Lab, Otto-von-Guericke University Magdeburg（马格德堡大学人工智能实验室） ； University of Rostock（罗斯托克大学） ； Becker Lab, University of Marburg（马尔堡大学贝克尔实验室） 纠错

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

AI总结 提出将测试时规范化重新定义为分布外检测问题，系统评估约20种OOD评分和9种搜索算法，发现基于距离的评分配合随机搜索与局部细化效果最佳，并引入门控机制保护分布内精度。

ShotcreteDepth: A Bi-modal Dataset for Robust Robotic Depth Perception in Shotcrete Construction Environments

ShotcreteDepth：用于喷射混凝土施工环境中鲁棒机器人深度感知的双模态数据集

Jakub Gregorek, Lars Arnold Dethlefsen, Patrick Schmidt, Mads Essenbæk, Jonas Flink Bentzen, Lazaros Nalpantidis

机构 * Technical University of Denmark, Department of Electrical and Photonics Engineering（丹麦技术大学电气与光子工程系） ； Pioneer Centre for AI（人工智能先锋中心） ； Christiansen & Essenbæk A/S（Christiansen & Essenbæk 公司） 纠错

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

AI总结 针对喷射混凝土施工环境中的感知挑战，提出双模态数据集ShotcreteDepth，包含立体RGB图像和LiDAR点云，并附带轻量级标注工具，支持立体匹配、深度补全和深度估计研究。

Integrated cloud-based architecture for robot-robot and human-robot collaboration using ROS 2--MQTT in Mediterranean Greenhouses

基于ROS 2--MQTT的地中海温室中机器人与机器人及人机协作的集成云架构

F. Cañadas-Aránega, M. Muñoz, J. C. Moreno, J. L. Blanco-Claraco

机构 * Department of Informatics, CIESOL, ceiA3, Universidad de Almería（阿尔梅里亚大学信息学系，CIESOL，ceiA3） ； Department of Engineering, CIESOL, ceiA3, Universidad de Almería（阿尔梅里亚大学工程系，CIESOL，ceiA3） 纠错

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

AI总结 提出一种基于MQTT和FIWARE的云混合架构，桥接ROS 2边缘计算与iVeg决策支持系统，解决地中海温室通信约束下的多机器人协同问题，验证了在恶劣网络条件下保持连接和数据完整性的能力。

A UAV-Mounted Sensor Network for Close-Range Inspection of Wind Turbine Rotor Blades

一种用于风力涡轮机转子叶片近距离检测的无人机载传感器网络

Jost Wittmann, Ahmed Abdullahi Hassan, Nils Kömpe, Andreas Nüchter

机构 * Department of Computer Science XVII: Robotics Julius-Maximilians Universit\" a t W\" u rzburg W\" u rzburg, Germany ； Research ； Elektronik-Entwicklung Oktopus GmbH Kiel, Germany 纠错

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

AI总结 提出一种无人机载多模态传感器网络，结合RGB相机、热红外相机和3D扫描仪，通过共校准实现几何、颜色和热数据的空间叠加，解决近距离检测中的平台运动、大视场和毫米级精度问题。

Comments The Aerial Inspection for Marine Infrastructures (AIMI) workshop

A UAV-Based Multi-Modal Vision System for Automated Sideslope Deformation Monitoring and Hazard Detection

基于无人机多模态视觉系统的边坡变形自动监测与灾害检测

Jingfeng Zhang, Yi Li, Xianchong Liang, Huan Yang

机构 * South China Normal University（华南师范大学） 纠错

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

AI总结 提出一种基于无人机LiDAR的自动化边坡灾害检测流程，包括数据采集、地面点提取、单次观测灾害筛查和多次观测变形监测，实现厘米级形变量化与危险区域识别。

Comments 29 pages, 14 figures

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/

Contour-Constrained Deformable Registration with Parameter Characterization for Head and Neck Surgical Guidance

面向头颈外科引导的带参数表征的轮廓约束可变形配准

Qingyun Yang, Jon S. Heiselman, Ayberk Acar, Morgan J. Ringel, Michael I. Miga, Matthieu Chabanas, Michael C. Topf, Jie Ying Wu

机构 * Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） 纠错

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

AI总结 提出一种基于正则化Kelvinlet基函数的可变形配准框架，通过表面点云、基准标记和轮廓约束校正术后组织变形，在9例头颈标本上将配准误差从刚性配准的11.11mm降至5.62mm，降幅达49.41%。

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。

Viking Hill Dataset: A Lidar-Radar-Camera Dataset for Detection and Segmentation in Forest Scenes

Viking Hill数据集：用于森林场景检测与分割的激光雷达-雷达-相机数据集

Vladimír Kubelka, Oleksandr Kotlyar, Unal Artan, Martin Magnusson

机构 * Örebro University（奥雷布罗大学） ； AASS research centre（AASS研究中心） ； Robot Navigation and Perception Lab（机器人导航与感知实验室） 纠错

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

AI总结 提出首个包含4D成像雷达的森林多传感器数据集，通过MinkowskiUNet实现雷达与激光雷达点云的语义分割，并评估树干分割质量与树木尺寸的关系。

Comments 33 pages, 11 figures

SP-TransientBench: A Real-Captured Single Photon Perception Benchmark

SP-TransientBench: 一个真实捕获的单光子感知基准

Hongzhou Dong, Zili Zhang, Ziting Wen, Yiheng Qiang, Runrong Deng, Wenle Dong, Ziwen Jiang, Xinyang Li, Rui Lu, Shuoyao Sun, Wenyu Wang, Ziyi Xia, Haitao Zheng, Guodong Shi, Xiaoqiang Ren

机构 * Shanghai University（上海大学） ； Southern University of Science and Technology（南方科技大学） ； The University of Sydney（悉尼大学） 纠错

专题命中 点云 ：3D vision(abstract)；分类 cs.CV

AI总结 针对单光子LiDAR在真实场景中因噪声和多回波瞬态现象导致的感知挑战，提出包含10个场景、10297个视角的真实捕获多任务基准STB，支持深度估计、多视图重建和3D语义理解评估。

C-ARC: Continuous-Adaptive Range Clustering for Non-Repetitive LiDAR Sensors

C-ARC: 面向非重复式LiDAR传感器的连续自适应范围聚类

Nick B. Schroeder, Jonathan Lichtenfeld, Oskar von Stryk

机构 * Technical University of Darmstadt（德累斯顿技术大学） ； Simulation, Systems Optimization and Robotics Group（仿真、系统优化与机器人组） 纠错

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

AI总结 提出C-ARC框架，通过滑动窗口上的持久双图结构解耦高频点插入与按需聚类检索，并利用指数控制环自适应校准网格分辨率，实现非重复式LiDAR点云的实时聚类。

Comments Submitted to IEEE Robotics and Automation Letters. This work has been submitted to the IEEE for possible publication. 8 pages, 7 figures

SegmentAnyTreeV2: Scaling Transformer-Based Tree Instance Segmentation Across Sensors, Platforms, and Forests

SegmentAnyTreeV2：跨传感器、平台和森林的基于Transformer的树木实例分割扩展

Maciej Wielgosz, Stefano Puliti, Rasmus Astrup

机构 * Norwegian Institute of Bioeconomy Research (NIBIO)（挪威生物经济研究所（NIBIO）） 纠错

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

AI总结 提出SegmentAnyTreeV2，一种传感器和平台无关的森林点云语义与实例分割框架，结合Point Transformer v3骨干网络、轻量语义头和树木交叉注意力掩码解码器，在FOR-instance v3基准上达到90.5%精度和80.2%召回率，并展现出强跨域泛化能力。

Comments 25 pages, 6 figures, 10 tables, Corrected bibliography metadata and minor typographical issues; results unchanged