3D 视觉

MAMVI: 3D Test-Time Adaptation via Masked Multi-View Point Clouds

MAMVI：通过掩蔽多视角点云实现3D测试时自适应

Inseok Kong, Geunyoung Jung, Jiyoung Jung

机构 * Department of Geo Informatics, University of Seoul（首尔大学地理信息学系） ； Department of Artificial Intelligence, University of Seoul（首尔大学人工智能系） 纠错

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

AI总结 针对3D点云在分布偏移下性能下降的问题，提出MAMVI方法，用统一单步自适应替代顺序优化，结合混合掩蔽策略和多视角损失聚合，实现快速且高精度的测试时自适应。

Comments Accepted by ICPR 2026

DynaTok: Token-Based 4D Reconstruction from Partial Point Clouds

DynaTok: 基于Token的部分点云4D重建

Weirong Chen, Keisuke Tateno, Hidenobu Matsuki, Michael Niemeyer, Daniel Cremers, Federico Tombari

机构 * Technical University of Munich（慕尼黑工业大学） ； Google（谷歌） ； Imperial College London（伦敦帝国理工学院） ； University of Bonn（波恩大学） 纠错

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

AI总结 提出DynaTok框架，通过Transformer时空编码器和流匹配解码器，从部分点云序列中无对应地重建完整且时间一致的4D点云，无需图像。

Comments ICML 2026. Project page: https://wrchen530.github.io/dynatok/

Point Cloud Segmentation for Autonomous Clip Positioning in Laparoscopic Cholecystectomy on a Phantom

用于腹腔镜胆囊切除术中自动夹子定位的点云分割（在体模上）

Balázs Gyenes, Nikolai Franke, Paul Maria Scheikl, Pit Henrich, Rayan Younis, Gerhard Neumann, Martin Wagner, Franziska Mathis-Ullrich

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； HIDSS4Health - Helmholtz Information and Data Science School for Health（亥姆霍兹信息与数据科学健康学校） ； Friedrich-Alexander-University, Erlangen-Nuremberg（弗里德里希-亚历山大大学埃尔朗根-纽伦堡） ； University Hospital Carl Gustav Carus and Centre for Tactile Internet with Human-in-the-loop (CeTI), Dresden University of Technology（卡尔·古斯塔夫·卡鲁斯大学医院及德累斯顿工业大学触觉互联网人机共融卓越中心） 纠错

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

AI总结 提出首个在腹腔镜手术体模上实现自主夹子定位的机器人系统，通过点云分割和样条插值提取目标位置，利用合成数据预训练和两种数据增强克服数据稀缺，达到0.75mm精度和100%成功率。

Comments 8 pages, 5 figures, accepted to IEEE Robotics and Automation Letters (RAL)

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 8, August 2025)

PT-WNO: Point Transformer with Wavelet Neural Operator for 3D Point Cloud Semantic Segmentation

PT-WNO: 结合小波神经算子的点Transformer用于3D点云语义分割

Nhut Le, Maryam Rahnemoonfar

机构 * Lehigh University（里海大学） 纠错

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

AI总结 针对点云语义分割中全局上下文不足的问题，提出PT-WNO，通过在跳跃连接旁集成可学习的小波神经算子分支捕获多尺度全局频谱上下文，在四个基准上提升性能。

GRAR: Glass-induced Reflection Artifact Removal in LiDAR Point Clouds

GRAR: LiDAR点云中玻璃引起的反射伪影去除

Wanpeng Shao, Zeyi Guo, Bo Zhang, Yifei Xue, Tie Ji, Yizhen Lao

机构 * College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院） ； School of Design, Hunan University（湖南大学设计学院） ； School of Finance and Statistics, Hunan University（湖南大学金融与统计学院） 纠错

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

AI总结 提出两阶段框架，先利用多模态视觉基础模型和几何线索精确分割玻璃区域，再基于物理驱动的反射感知局部-全局几何相似性描述符去除反射伪影，在多个公开数据集上优于现有方法。

Efficient RWKV-based Representation Learning for 3D Point Clouds

基于高效RWKV的三维点云表示学习

Yun Liu, Xuefeng Yan, Liangliang Nan, Xianzhi Li, Peng Li, Zhe Zhu, Honghua Chen, Mingqiang Wei

机构 * School of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院） ； Shenzhen Institute of Research, Nanjing University of Aeronautics and Astronautics（南京航空航天大学深圳研究院） ； Collaborative Innovation Center of Novel Software Technology and Industrialization（新型软件技术与产业化协同创新中心） ； Urban Data Science section, Delft University of Technology（代尔夫特理工大学城市数据科学部） ； Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 提出P-RWKV模块，通过局部感知扩展和空间上下文增强，将RWKV从序列建模适配到3D点云，实现线性复杂度的全局依赖建模，在多项任务中以更低计算成本取得竞争性能。

Illumination-Invariant Anomaly Detection for Sub-Canopy UAV Multispectral Point Clouds

林冠下无人机多光谱点云的照度不变异常检测

Likun Chen, Yanfeng Gu, Xian Li

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

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

AI总结 针对植被阴影导致的严重光照异质性，提出无先验异常检测框架，通过太阳角度估计与照度一致稀疏表示，有效分离暗目标与真实阴影，提升复杂森林环境中异常与背景的可分离性。

Comments 5 pages, 8 figures

DAL-PCQA: Enabling Distortion-Level and Language-Driven Reasoning for Point Cloud Quality Assessment

DAL-PCQA：实现点云质量评估的失真级别与语言驱动推理

Swarna Chakraborty, Gabriel De Castro Araújo, Syeda Tasmi Faria, Marcelo M. Carvalho, Mylene C. Q. Farias

机构 * University of Brasília（巴西利亚大学） 纠错

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

AI总结 提出DAL-PCQA数据集，通过多级失真标签、质量类别和自然语言描述，结合零样本与微调多模态模型，实现可解释的点云质量评估。

Comments Accepted at Qomex 2026

PACE: Post-Causal Entropy Modeling for Learned LiDAR Point Cloud Compression

PACE：用于学习LiDAR点云压缩的后因果熵建模

Jiahao Zhu, Kang You, Dandan Ding, Zhan Ma

机构 * School of Information Science and Technology, Hangzhou Normal University, Hangzhou, China.（信息科学与技术学院，杭州师范大学，杭州，中国） ； School of Electronic Science and Engineering, Nanjing University, Nanjing, China（电子科学与工程学院，南京大学，南京，中国） 纠错

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

AI总结 PACE通过非因果骨干网络和轻量级预测器提升LiDAR点云压缩效率，实现90%以上的解码延迟降低和BD-BR节省。

Geometric-Aware Hypergraph Reasoning for Novel Class Discovery in Point Cloud Segmentation

几何感知超图推理用于点云分割中的新类别发现

Zihao Zhang, Aming Wu, Yang Li, Yahong Han, Jialie Shen

机构 * School of Artificial Intelligence, College of Intelligence and Computing, Tianjin University（人工智能学院、智能计算学院、天津大学） ； School of Computer Science and Information Engineering, Hefei University of Technology（计算机科学与信息工程学院、合肥工业大学） ； Department of Computer Science City St George’s, University of London（伦敦大学城市圣乔治学院计算机科学系） 纠错

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

AI总结 提出超图框架建模高阶关联，结合几何感知原型，实现点云分割中从已知到新类别的协同推理，提升分割精度。

Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

4DPC$^2$hat: Towards Dynamic Point Cloud Understanding with Failure-Aware Bootstrapping

4DPC$^2$hat: 面向动态点云理解的失败感知自举学习

Xindan Zhang, Weilong Yan, Yufei Shi, Xuerui Qiu, Tao He, Ying Li, Ming Li, Hehe Fan

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出首个针对动态点云理解的多模态大语言模型4DPC$^2$hat，通过构建大规模跨模态数据集4DPC$^2$hat-200K和引入Mamba增强的时间推理模块及失败感知自举学习策略，显著提升了动作理解与时间推理能力。

Comments Accept by ICML 2026

A Two-stage Classification Method for High-dimensional Data and Point Clouds

高维数据和点云的两阶段分类方法

Xiaohao Cai, Raymond Chan, Xiaoyu Xie, Tieyong Zeng

机构 * Mullard Space Science Laboratory (MSSL), University College London, Surrey RH5 6NT, UK（穆拉德空间科学实验室（MSSL），伦敦大学学院， Surrey RH5 6NT，英国） ； Department of Mathematics, City University of Hong Kong, Kowloon Tong, Hong Kong（城市大学数学系， Hong Kong， 香港） ； Department of Mathematics, The Chinese University of Hong Kong, Shatin, Hong Kong（香港中文大学数学系， Shatin， Hong Kong） 纠错

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

AI总结 本文提出了一种两阶段多阶段半监督分类方法，用于高维数据和无结构点云的分类。首先使用模糊分类方法如标准支持向量机生成初始解，然后应用SaT（平滑和阈值）两阶段方法改进分类。第一阶段通过无约束凸变分模型净化和平滑初始解，第二阶段将第一阶段得到的平滑分区投影到二进制分区。这两个阶段可以重复进行，以提高分类质量。我们证明了平滑阶段的凸模型有唯一解，并可以通过专门设计的对偶算法求解。我们在多个基准数据集上测试了我们的方法，并与最先进的方法进行了比较。实验结果表明，我们的方法在高维数据和点云的分类准确率和计算速度上均优于现有方法。

Comments 21 pages, 4 figures

SRENet: Spectral Re-Entry Network for Point Cloud Action Recognition

SRENet：用于点云动作识别的频谱重入网络

Qiuxia Wu, Jiarui Lan, Wenxiong Kang, Zhiyong Wang, Kun Hu

机构 * School of Software Engineering, South China University of Technology（南方科技大学软件工程学院） ； School of Automation Science and Engineering, South China University of Technology（南方科技大学自动化科学与工程学院） ； School of Computer Science, University of Sydney（悉尼大学计算机科学学院） ； School of Science, Edith Cowan University（爱丁堡牛津大学科学学院） 纠错

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

AI总结 提出SRENet，通过频谱分解与重入模块从频率角度学习全局上下文和细粒度时间动态，实现点云序列动作识别。

Comments 13 pages, 11 figures. Accepted by IEEE Transactions on Circuits and Systems for Video Technology

RadarSFD: Single-Frame Diffusion with Pretrained Priors for Radar Point Clouds

RadarSFD：基于预训练先验的单帧扩散用于雷达点云

Bin Zhao, Nakul Garg

机构 * Rice University（里士大学） 纠错

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

AI总结 提出RadarSFD，一种条件潜在扩散框架，利用预训练单目深度估计器的几何先验，从单帧雷达数据重建密集LiDAR-like点云，无需合成孔径或多帧聚合。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026). Project page: https://phi-lab-rice.github.io/RadarSFD/

Paving the Way for Point Cloud Video Representation Learning Using A PDE Model

使用PDE模型为点云视频表示学习铺平道路

Zhuoxu Huang, Zhenkun Fan, Jungong Han, Josef Kittler

机构 * Department of Computer Science, Aberystwyth University（阿伯里斯يث大学计算机科学系） ； Department of Automation, Beijing National Research Center for Information Science and Technology, Tsinghua University（自动化系、北京信息科学与技术国家研究中心、清华大学） ； Department of Electrical Engineering, Surrey University（Surrey大学电子工程系） 纠错

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

AI总结 提出MotionPDE方法，通过将时空相关性学习建模为可解的偏微分方程（PDE），并利用对比学习结构优化，作为即插即用模块提升点云视频表示学习性能。

Comments Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI) in 2026

ForestMamba: Sparse Mamba with Geometry-guided Queries for 3D Forest Point Cloud Segmentation

ForestMamba: 基于几何引导查询的稀疏Mamba用于3D森林点云分割

Trung Thanh Nguyen, Tuan-Anh Vu, Duc Viet Le, Yasutomo Kawanishi, Takahiro Komamizu, Ichiro Ide, Teja Kattenborn

机构 * Nagoya University（名古屋大学） ； RIKEN Seika（日本理化学研究所Seika研究中心） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Twente（埃因霍温理工大学） ； Ritsumeikan University（立命馆大学） 纠错

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

AI总结 提出ForestMamba方法，通过稀疏编码器、几何引导查询初始化和Mamba查询解码器，实现高效且结构感知的森林点云分割，在七个森林区域上优于现有方法，推理速度提升3倍，GPU内存降低2.3倍。

Shape-Prior-Based Point Cloud Completion for Single-Stage Fully Sparse 3D Object Detection

基于形状先验的点云补全用于单阶段全稀疏3D目标检测

Kaizheng Wang, Mingqian Ji, Jian Yang, Shanshan Zhang

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） 纠错

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

AI总结 针对单阶段全稀疏3D检测器中点云稀疏和不完整的问题，提出一种基于形状先验的点云补全方法，通过实例选择和对齐补全模块显著提升检测性能。

Attack on Scene Flow using Point Clouds

使用点云对场景流进行攻击

Haniyeh Ehsani Oskouie, Mohammad-Shahram Moin, Shohreh Kasaei

机构 * Sharif University of Technology（谢里弗大学） ； ICT Research Institute（信息与通信技术研究所） 纠错

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

AI总结 针对场景流网络提出白盒对抗攻击方法，在KITTI和FlyingThings3D数据集上实现平均端点误差相对下降33.7%，并揭示单维度或单颜色通道攻击的影响。

Vanilla ViT for Automotive Point Cloud Semantic Segmentation

用于汽车点云语义分割的普通ViT

Gilles Puy, Nermin Samet, Alexandre Boulch, Spyros Gidaris, Tuan-Hung VU, Renaud Marlet

机构 * LIGM, CNRS, Univ Gustave Eiffel, ENPC, IP Paris, France（LIGM、CNRS、Université Gustave Eiffel、ENPC、IP Paris、法国） 纠错

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

AI总结 本文提出VaViT，通过精心设计的标记器、轻量级解码器头和定制数据增强，使普通非分层ViT在大规模激光雷达点云语义分割中达到或超越现有最先进方法。

Rethinking Multimodal Few-Shot 3D Point Cloud Segmentation: From Fused Refinement to Decoupled Arbitration

重新思考多模态少样本3D点云分割：从融合精炼到解耦仲裁

Wentao Bian, Fenglei Xu

机构 * Suzhou University of Science and Technology（苏州科技大学） 纠错

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

AI总结 针对多模态少样本3D点云分割中“融合-精炼”范式的“可塑性-稳定性困境”和CLIP的语义盲区，提出解耦专家仲裁少样本分割网络（DA-FSS），通过解耦语义与几何路径并相互正则化梯度，实现更好的泛化性能。

Comments Accepted to IJCAI-ECAI 2026 (Main Track). 9 pages, 3 figures, 3 tables

FLIP: Real-Time and Resilient Formation Planning for Large-Scale DIstributed Swarms via Point Cloud Registration

FLIP：通过点云配准实现大规模分布式集群的实时弹性编队规划

Yuan Zhou, Guangtong Xu, Zhenyu Hou, Jialiang Hou, Fei Gao

机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院智能系统与控制研究所） ； Huzhou Institute, Zhejiang University（浙江大学湖州研究院） 纠错

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

AI总结 提出将最优编队位置序列计算转化为时空点云配准问题，利用带离群点剔除的PCR方法实现大规模分布式集群的弹性、高效轨迹规划。

The Point, the Vision and the Text: Does Point Cloud Boost Spatial Reasoning of Large Language Models? A Bias-Controlled Study

点、视觉与文本：点云能否提升大语言模型的空间推理能力？一项偏差控制研究

Weichen Zhang, Ruiying Peng, Xin Zeng, Jianjie Fang, Ziyou Wang, Kaiyuan Li, Heng Dong, Wei Li, Chen Gao, Xin Wang, Xinlei Chen, Yong Li

机构 * Tsinghua University（清华大学） ； ByteDance Seed（字节跳动种子） 纠错

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

AI总结 本文通过引入包含文本、视觉和点云模态的3D空间推理基准ScanReQA，评估不同模态下大语言模型的空间推理能力，发现点云和视觉模态的模型表现优于纯文本模型，并揭示了3D大语言模型中的注意力下沉现象。

SIMPC: Learning Self-Induced Mirror-Point Consistency for Unsupervised Point Cloud Denoising

SIMPC: 学习自诱导镜像点一致性用于无监督点云去噪

Chengwei Zhang, Xueyi Zhang, Tao Jiang, Xinhao Xu, Wenjie Li, Fubo Zhang, Longyong Chen

机构 * National Key Laboratory of Microwave Imaging, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China（微波成像国家重点实验室，航天信息研究所，中国科学院，北京，中国） ； School of Computing, National University of Singapore, Singapore（计算学院，新加坡国立大学，新加坡） 纠错

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

AI总结 提出自诱导镜像点一致性（SIMPC）方法，通过几何先验生成镜像点并约束去噪目标一致性，实现无监督点云去噪，在合成和真实数据集上超越现有无监督及部分有监督方法。

Comments Accepted by ICML 2026. 17 pages, 8 figures, 8 tables

Source-Free Domain Adaptation for Geospatial Point Cloud Semantic Segmentation

地理空间点云语义分割的无源域适应

Yuan Gao, Di Cao, Xiaohuan Xi, Sheng Nie, Shaobo Xia, Cheng Wang

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所） ； International Research Center of Big Data for Sustainable Development Goals（可持续发展目标大数据国际研究中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhengzhou Institute for Advanced Research of Henan Polytechnic University（河南理工大学郑州研究院） ； Henan Polytechnic University（河南理工大学） ； School of Aeronautic Engineering, Changsha University of Science and Technology（长沙理工大学航空工程学院） ； China University of Geosciences, Beijing（中国地质大学（北京）） 纠错

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

AI总结 提出LoGo无源域适应框架，通过局部类平衡原型估计和全局最优传输分布对齐，解决地理空间点云语义分割中的域偏移问题。

Metric--Phase Fields: Decoupling Distance and Sign for Thin-Structure Reconstruction from Unoriented Point Clouds

度量-相位场：从无定向点云中解耦距离和符号以重建薄结构

Jiayi Kong, Xuhui Chen, Chen Zong, Fei Hou, Junhui Hou, Wenping Wang, Ying He

机构 * S-Lab, Nanyang Technological University, Singapore ； Key Laboratory of System Software (CAS), Institute of Software, Chinese Academy of Sciences, China ； University of Chinese Academy of Sciences, China ； School of Mathematics, Nanjing University of Aeronautics ； Department of Computer Science, City University of Hong Kong, Hong Kong SAR, China ； Department of Computer Science ； Engineering, Texas A\&M University, USA 纠错

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

AI总结 提出度量-相位场（MPF），通过解耦度量距离和拓扑相位，结合门控度量公式和残差相位注入，实现从无定向点云中稳定重建薄结构和开放边界。

InvariantCloud: A Globally Invariant, Uniquely Indexed Point Cloud Framework for Robust 6-DoF Tactile Pose Tracking

InvariantCloud：一种全局不变、唯一索引的点云框架，用于鲁棒的6自由度触觉姿态跟踪

Pengfei Ye, Yuxiang Ma, Yi Zhou, Wei Chen, Wenzhen Dong, Molong Duan

机构 * Department of Mechanical and Aerospace Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学机械与航空航天工程系） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系） 纠错

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

AI总结 提出InvariantCloud框架，利用视觉触觉传感器上表面标记星座的全局不变性，通过一次性全局不变点云配准实现6自由度物体姿态估计，抑制累积漂移并准确估计偏航旋转，在长序列操作任务中展现出高精度和鲁棒性。

PQDT: Pseudo-Query Dual Transformer for Robust Point Cloud Restoration

PQDT: 伪查询双Transformer用于鲁棒点云修复

Haoqing Wu, Alexa Nawotki, Jochen Garcke

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； University of Bonn（波恩大学） ； Fraunhofer SCAI（弗劳恩霍夫SCAI研究所） 纠错

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

AI总结 提出一种基于伪查询模块和Transformer主干网络的统一3D修复网络，通过两阶段几何变换增强结构清晰度和局部细节，在多种退化场景下超越现有方法。

Comments To be published in The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

Ghosts in the Point Clouds: De-glaring LiDAR in the Transient Domain

点云中的鬼影：瞬态域中的LiDAR去眩光

Avery Gump, Connor Henley, Sungjin Cheong, Akarsh Prabhakara, Mohit Gupta

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 针对固态LiDAR内部多径眩光导致的伪影问题，提出基于瞬态眩光扩散函数（TGSF）的物理模型和无训练算法，在点云形成前抑制眩光，保留真实场景结构。

Comments CVPR 2026

Learning Bijective Surface Parameterization for Inferring Signed Distance Functions from Sparse Point Clouds with Grid Deformation

学习双射曲面参数化以通过网格变形从稀疏点云推断符号距离函数

Takeshi Noda, Chao Chen, Junsheng Zhou, Weiqi Zhang, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University, Beijing, China（清华大学软件学院，北京，中国） ； Department of Computer Science, Wayne State University, Detroit, USA（韦恩州立大学计算机科学系，底特律，美国） 纠错

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

AI总结 提出一种动态变形网络结合双射曲面参数化和网格变形优化的方法，从稀疏点云端到端预测符号距离函数，显著优于现有方法。

Comments Accepted by Conference on Computer Vision and Pattern Recognition (CVPR) 2025. Project page:https://takeshie.github.io/Bijective-SDF

Beyond Defenses: Manifold-Aligned Regularization for Intrinsic 3D Point Cloud Robustness

超越防御：面向内在3D点云鲁棒性的流形对齐正则化

Pedro Alonso, Chongshou Li, Tianrui Li

机构 * School of Computing and Artificial Intelligence, Southwest Jiaotong University（计算机与人工智能学院，西南交通大学） ； Engineering Research Center of Sustainable Urban Intelligent Transportation, Ministry of Education, Southwest Jiaotong University（可持续城市智能交通工程研究中心，教育部，西南交通大学） 纠错

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

AI总结 提出流形对齐点识别（MAPR）框架，通过正则化潜在几何结构并施加内在扰动一致性损失，在不依赖对抗训练或额外数据的情况下显著提升点云模型对多种攻击的鲁棒性。