3D 视觉

From Spherical to Gaussian: A Comparative Analysis of Point Cloud Cropping Strategies in Large-Scale 3D Environments

从球形到高斯：在大规模3D环境中点云裁剪策略的比较分析

Maximilian Kellner, Dominik Merkle, Michael Brunklaus, Alexander Reiterer

机构 * Fraunhofer Institute for Physical Measurement Techniques IPM（弗劳恩霍夫物理测量技术研究所IPM） ； University of Freiburg, Department of Sustainable Systems Engineering INATECH（弗赖堡大学可持续系统工程系INATECH） 纠错

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

AI总结 本文比较了点云裁剪策略，提出了一种新的方法以提高大规模3D环境中的模型性能，特别是在户外场景中取得了新的最佳成果。

Towards Integrated Rock Support Visualisation in 3D Point Cloud of Underground Mines

向地下矿山3D点云中的集成岩支可视化迈进

Dibyayan Patra, Simit Raval, Pasindu Ranasinghe, Bikram Banerjee, Ismet Canbulat

机构 * School of Minerals and Energy Resources Engineering, University of New South Wales（新南威尔士大学矿物与能源资源工程学院） ； School of Surveying and Built Environment, University of Southern Queensland（南方昆士兰大学测绘与环境工程学院） 纠错

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

AI总结 本文提出了一种自动化框架，用于利用地下矿山开掘的3D点云进行集成岩支可视化，通过结构映射、岩钉识别、断层面拟合和岩钉方向估计的统一工作流，实现了对断层面和岩钉向量的集成3D可视化，以评估其空间交集和几何关系，同时通过互补的立体分析评估整体锚固几何有效性。

Resolving Long-Tail Ambiguity in Unsupervised 3D Point Cloud Segmentation with Language Priors

通过语言先验解决无监督3D点云分割中的长尾歧义

Siqi Wei, Hongbin Xu, Feng Xiao, Tian Lan, Chun Li, Ming Li, Qiuxia Wu

机构 * South China University of Technology（华南理工大学） ； Bytedance（字节跳动） ； Tsinghua University（清华大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） ； Guangming Laboratory（光明实验室） 纠错

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

AI总结 本文提出LangTail框架，利用语言模型中的平衡世界知识来缓解无监督3D分割中的长尾歧义问题，通过建立语言衍生语义先验与视觉上不常见的小类之间的多级关联，提升小类的表示能力，实验表明在ScanNet-v2、S3DIS和nuScenes数据集上均取得显著提升。

Comments In submission. The code will be released at: https://github.com/Whisky0129/langtail_official

Hard-Label Black-Box Attacks on 3D Point Clouds

针对3D点云的硬标签黑盒攻击

Daizong Liu, Yunbo Tao, Junhao Dong, Keke Tang, Pan Zhou, Wei Hu, Yew-Soon Ong

机构 * Institute for Math & AI（数学与人工智能研究院） ； Wuhan University（武汉大学） ； Huazhong University of Science and Technology（华中科技大学） ； Shenzhen Huazhong University of Science and Technology Research Institute（深圳华中科技大学研究机构） ； College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） ； Cyberspace Institute of Advanced Technology（先进技术网络空间研究院） ； Guangzhou University（广州大学） ； Wangxuan Institute of Computer Technology（王轩计算机技术研究所） ； Peking University（北京大学） 纠错

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

AI总结 本文提出了一种基于硬标签黑盒攻击的3D点云攻击方法，通过引入新的频谱感知决策边界算法生成高质量对抗样本，以提升攻击性能和对抗质量。

Inter-LPCM: Learning-based Inter-Frame Predictive Coding for LiDAR Point Cloud Compression

Inter-LPCM: 基于学习的帧间预测编码用于激光雷达点云压缩

Chang Sun, Hui Yuan, Shiqi Jiang, Chongzhen Tian, Guanghui Zhang, Raouf Hamzaoui

机构 * School of Control Science and Engineering, Shandong University（控制科学与工程学院，山东大学） ； Key Laboratory of Machine Intelligence and System Control, Ministry of Education（教育部机器智能与系统控制重点实验室） ； School of Computer Science and Technology, Shandong University（计算机科学与技术学院，山东大学） ； School of Engineering and Sustainable Development, De Montfort University（工程与可持续发展学院，德蒙福特大学） 纠错

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

AI总结 本文提出Inter-LPCM，一种基于学习的帧间预测编码方法，用于改进激光雷达点云压缩中的几何冗余去除，通过引入delta编码策略、帧间半径预测模型和轻量级注意力预测模型，结合RD优化的量化方法和针对每个球坐标分量的熵编码模型，提高压缩效率和质量。

Comments 14 pages, 12 figures

UST-Hand: An Uncertainty-aware Spatiotemporal Point Cloud Interaction Network for 3D Self-supervised Hand Pose Estimation

UST-Hand: 一种面向3D自监督手姿态估计的不确定性感知时空点云交互网络

Tianhao Han, Haoyang Zhang, Liang Xie, Haochen Chang, Kun Gao, Yuan Cheng, Pengfei Ren, Erwei Yin

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Sun Yat-sen University（中山大学） ； Peking University（北京大学） ； Defense Innovation Institute, Academy of Military Sciences（国防科技创新院，军事科学学院） ； Tianjin Artificial Intelligence Innovation Center（天津人工智能创新中心） 纠错

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

AI总结 本文提出UST-Hand，一种通过估计手姿态不确定性分布并构建概率点云特征空间的自监督学习框架，以更稳定地建模复杂的时空关系，从而在三个具有挑战性的数据集上实现了最先进的性能，比现有自监督方法在均位点误差（MPVPE）上高出37.8%。

Comments Accepted by CVPR 2026

Rethinking Point Clouds as Sequences: A Causal Next-Token Predictive Learning Framework

重新思考点云作为序列：一种因果性下一标记预测学习框架

Yumeng Yao, Jingzhi Dong, Haowen Gu, Tao Chen, Zonghan Wu, Xiaoshui Huang, Yazhou Yao

机构 * Nanjing University of Science and Technology（南京理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hangzhou City University（杭州城市学院） ； East China Normal University（华东师范大学） 纠错

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

AI总结 本文提出PointNTP，将点云预训练重新定义为全因果、无解码器的潜在下一标记预测问题，通过局部补丁分割和结构化3D标记序列生成，实现对点云结构依赖的直接建模，无需重建解码器或显式几何恢复，实验表明其在多个下游任务中表现优异。

Comments 10 pages, 2 figures. Code will be released upon acceptance

Invaria: Learning Scale and Density Invariance in Point Clouds via Next-Resolution Prediction

Invaria：通过下一分辨率预测实现点云中的尺度和密度不变性

Chun-Peng Chang, Shaoxiang Wang, Alain Pagani, Dariu Gavrila, Holger Caesar

机构 * TU Delft（代尔夫特理工大学） ； DFKI（德累斯顿德国研究院） 纠错

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

AI总结 本文提出Invaria，一种通过下一分辨率预测和感受野校准实现点云尺度和密度不变性的编码器，提升了模型在不同分辨率下的泛化能力。

3DTMDet: A Dual-Path Synergy Network of Transformer and SSM for 3D Object Detection in Point Clouds

3DTMDet：一种结合Transformer和SSM的双路径协同网络用于点云中的3D目标检测

Bingwen Qiu, Yuan Liu, Junqi Bai, Tong Jiang, Ben Liang, Fangzhou Chen, Xiubao Sui, Qian Chen

机构 * School of Electronic and Optical Engineering（电子与光学工程学院） ； The 28th Research Institute of China Electronics Technology Group Corporation（中国电子科技集团第二十八研究所） ； College of Astronautics（航天学院） ； School of Information and Communication Engineering（信息与通信工程学院） ； State key Laboratory of Extreme Environment Optoelectronic Dynamic Measurement Technology and Instrument（极端环境光电动态测量技术与仪器国家重点实验室） 纠错

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

AI总结 本文提出3DTMDet网络，结合SSM和Transformer，解决点云检测中稀疏点与远距离上下文理解的矛盾，通过3D混合Mamba Transformer模块和体素生成模块提升检测性能。

A Unified Non-Parametric and Interpretable Point Cloud Analysis via t-FCW Graph Representation

通过t-FCW图表示实现统一的非参数化且可解释的点云分析

Haijian Lai, Bowen Liu, Man Xu, Chan-Tong Lam, João Macedo, Benjamin Ng, Sio-Kei Im

机构 * Faculty of Applied Sciences, Macao Polytechnic University（澳门理工大学应用科学学院） ； University of Coimbra, CISUC/LASI, DEI（科英布拉大学） ； Macao Polytechnic University（澳门理工大学） 纠错

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

AI总结 本文提出增强型t-FCW图表示用于点云嵌入，分析其有效性来源并设计网络，实现高效可解释的点云处理，适用于分类和分割任务。

Comments Accepted for publication in IEEE Transactions on Multimedia

SAGE3D: Soft-guided attention and graph excitation for 3D point cloud corner detection

SAGE3D：基于软引导注意力和图激发的3D点云角点检测

Batuhan Arda Bekar, Can Sarı, Hüseyin Can Gülkan, Barış Özcan

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

AI总结 本文提出SAGE3D模型，通过分层编码器-解码器架构实现多阶段点云角点检测，结合软引导注意力和图激发网络提升精度与召回率。

Comments 5 pages, 4 figures

TAFA-GSGC: Group-wise Scalable Point Cloud Geometry Compression with Progressive Residual Refinement

TAFA-GSGC：基于分组的可扩展点云几何压缩与渐进残差细化

Xiumei Li, Alexander Kopte, André Kaup

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

AI总结 本文提出TAFA-GSGC，一种可扩展的点云几何编码器，通过分层残差细化和通道组熵编码，实现单比特流多质量解码，提升压缩效率并优于PCGCv2基准。

Comments Accepted at IEEE International Conference on Image Processing (ICIP) 2026

PointCaM: Cut-and-Mix for Open-Set Point Cloud Learning

PointCaM：用于开放集点云学习的Cut-and-Mix

Jie Hong, Shi Qiu, Weihao Li, Saeed Anwar, Mehrtash Harandi, Nick Barnes, Lars Petersson

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学） ； The University of Western Australia（西澳大学） ； Monash University（墨尔本大学） 纠错

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

AI总结 本文提出PointCaM方法，通过Unknown-Point Simulator和Estimator模块解决开放集点云学习问题，利用多级特征上下文提升未知对象识别性能。

Comments Accepted in CVIU

Learning Point Cloud Geometry as a Statistical Manifold: Theory and Practice

学习点云几何作为统计流形：理论与实践

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

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； 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(title,abstract)；分类 cs.RO

AI总结 本文提出Point-to-Ellipsoid方法，通过统计流形建模实现点云几何的自监督学习，提升机器人感知任务的几何推理能力与鲁棒性。

Diffusion Masked Pretraining for Dynamic Point Cloud

动态点云的扩散掩码预训练

Zhuoyue Zhang, Jihua Zhu, Chaowei Fang, Jian Liu, Ajmal Saeed Mian

机构 * Xi’an Jiaotong University（西安交通大学） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； University of Western Australia（西澳大学） 纠错

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

AI总结 本文提出DiMP框架，通过引入扩散建模解决动态点云预训练中位置泄露和运动监督问题，提升下游任务性能。

Mantis: Mamba-native Tuning is Efficient for 3D Point Cloud Foundation Models

Mantis：Mamba原生微调在3D点云基础模型中的高效性

Zihao Guo, Jihua Zhu, Jian Liu, Ajmal Saeed Mian

机构 * Xi’an Jiaotong University（西安交通大学） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； University of Western Australia（西澳大学） 纠错

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

AI总结 针对Mamba架构基础模型的微调问题，提出Mantis框架，通过引入状态感知适配器和双序列一致性蒸馏，实现高效且稳定的微调，仅需约5%的可训练参数。

Stealthy Patch-Wise Backdoor Attack in 3D Point Cloud via Curvature Awareness

基于曲率感知的3D点云中隐蔽的逐块后门攻击

Yu Feng, Dingxin Zhang, Runkai Zhao, Yong Xia, Heng Huang, Weidong Cai

机构 * The University of Sydney（悉尼大学） ； Northwestern Polytechnical University（西北工业大学） ； University of Maryland College Park（马里兰大学学院公园分校） 纠错

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

AI总结 本文提出一种针对3D点云的隐蔽逐块后门攻击框架SPBA，通过曲率变化计算局部不可察觉得分，减少谱触发计算成本，提升攻击隐蔽性。

Comments 12 pages, 6 figures, 11 tables

FugSeg: Fast Uncertainty-aware Ground Segmentation for 3D Point Cloud

FugSeg：面向3D点云的快速不确定性感知地面分割

Yu Li, Volker Schwieger

机构 * Institute of Engineering Geodesy, University of Stuttgart（斯图加特大学工程大地测量研究所） ； Daimler Truck AG（戴姆勒卡车公司） 纠错

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

AI总结 本文提出FugSeg，一种快速且考虑不确定性的地面分割方法，通过极坐标网格地图表示和自适应坡度策略，有效处理反射噪声和孤立地面问题，在多个数据集上实现最高精度和最快速度。

Comments Accepted for publication in IEEE Transactions on Intelligent Transportation Systems

Journal ref IEEE Transactions on Intelligent Transportation Systems (Early Access), 2026

Simultaneous Monitoring of Shape and Surface Color via 4D Point Clouds: A Registration-free Approach

通过4D点云同时监测形状和表面颜色：一种无需配准的方法

Mariafrancesca Patalano, Giovanna Capizzi, Kamran Paynabar

机构 * Department of Statistical Sciences, University of Padua（帕多瓦大学统计科学系） ； School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院工业与系统工程学院） 纠错

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

AI总结 本文提出一种无需配准的框架，利用4D点云同时监测形状和颜色，通过拉普拉斯-贝特拉米算子的谱特性捕捉几何特征和形状与颜色的关系，有效检测形状变形和颜色异常。

Comments 38 pages, 11 figures

Implicit Neural Compression of Point Clouds

隐式神经网络点云压缩

Hongning Ruan, Yulin Shao, Qianqian Yang, Liang Zhao, Zhaoyang Zhang, Dusit Niyato

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） 纠错

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

AI总结 本文提出NeRC³框架，利用隐式神经表示实现点云的高效压缩，通过坐标基神经网络编码几何与属性，并扩展至动态点云压缩，实验验证其在静态和动态点云压缩中的优越性能。

Journal ref IEEE Transactions on Image Processing, vol. 35, pp. 260-275, 2026

Channel-Level Relation to Attentive Aggregation with Neighborhood-Homogeneity Constraint for Point Cloud Analysis

通道级关系与具有邻域同质性约束的注意聚合在点云分析中的应用

Jiaqi Shi, Jin Xiao, Xiaoguang Hu, Wenxuan Ji, Zichong Jia, Zifan Long, Tianyou Chen, Baochang Zhang

机构 * 1School of Automation Science ； Electrical Engineering, Beihang University, Beijing, China 2Wuhan Leaddo Measuring \& Control Technology, Wuhan, China 3School of Artificial Intelligence, Beihang University, Beijing, China Emails 纠错

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

AI总结 本文提出PointCRA网络，通过引入时间趋势变化作为新评估维度，解决现有空间和通道注意机制中权重维度坍缩导致的信息丢失问题，提升点云分析的精度与效率。

Super-Resolution of Airborne Laser Scanning Point Clouds for Forest Inventory

航空激光扫描点云的超分辨率处理用于森林调查

Jinyuan Shao, Sangyoong Park, Chunxi Zhao, Ayman Habib, Songlin Fei

机构 * Department of Forestry and Natural Resources, Purdue University（林业与自然资源系，普渡大学） ； Lyles School of Civil and Construction Engineering, Purdue University（莱尔斯土木与建设工程学院，普渡大学） 纠错

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

AI总结 本文提出3D Forest Super Resolution模型，通过提升点云密度和减少噪声，提高森林调查精度，实验表明其在树干定位和直径估计上表现优异。

APCoTTA: Continual Test-Time Adaptation for Semantic Segmentation of Airborne LiDAR Point Clouds

APCoTTA: 用于空中激光雷达点云语义分割的连续测试时间适应

Yuan Gao, Shaobo Xia, Sheng Nie, Cheng Wang, Xiaohuan Xi, Bisheng Yang

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； 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） ； The Department of Geomatics Engineering, Changsha University of Science and Technology（长沙理工大学测绘工程系） ； The State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） 纠错

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

AI总结 本文提出APCoTTA框架，针对空中激光雷达点云语义分割中的持续领域偏移问题，通过梯度驱动层选择、熵一致性损失和随机参数插值机制提升适应性能，并构建两个基准数据集。

Comments 18 pages,12 figures

Journal ref ISPRS Journal of Photogrammetry and Remote Sensing Volume 237, July 2026, Pages 339-354

Point Cloud Registration via Probabilistic Self-Update Local Correspondence and Line Vector Sets

点云配准 via 概率自更新局部对应与线向量集

Kuo-Liang Chung, Yu-Cheng Lin, Wu-Chi Chen

机构 * Department of Computer Science and Information Engineering, National Taiwan University of Science and Technology（资讯工程系，国立台湾科技大学） 纠错

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

AI总结 本文提出一种快速有效的点云配准算法，结合概率自更新局部对应与线向量集，通过双RANSAC模型提升精度与效率，实现更优的配准性能。

PointTransformerX: Portable and Efficient 3D Point Cloud Processing without Sparse Algorithms

PointTransformerX：无需稀疏算法的便携式和高效3D点云处理

Laurenz Reichardt, Nikolas Ebert, Oliver Wasenmüller

机构 * Mannheim University of Applied Sciences（曼海姆应用科学大学） 纠错

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

AI总结 PointTransformerX采用全PyTorch原生的视觉Transformer架构，无需定制CUDA运算符，通过3D-GS-RoPE实现高效的3D空间关系编码，提升3D点云处理的准确性和效率，同时在ScanNet上达到98.7%的准确率，参数更少，速度更快，内存更小。

Comments This paper has been accepted at IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2026

Point-MF: One-step Point Cloud Generation from a Single Image via Mean Flows

点-流：通过均流实现单图像点云生成

Yuta Baba, Keiji Yanai

机构 * The University of Electro-Communications（电子通信大学） 纠错

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

AI总结 本文提出Point-MF框架，通过均流与辅助损失实现单图像点云重建，以单次网络调用完成高精度重建，提升效率与质量。

Comments 28 pages, 14 figures

Point Cloud Registration for Fusion between SPECT MPI and CTA Images

点云配准用于SPECT MPI与CTA图像的融合

Ni Yao, Xiangyu Liu, Shaojie Tang, Danyang Sun, Chuang Han, Yanting Li, Jiaofen Nan, Chengyang Li, Fubao Zhu, Chen Zhao, Zhihui Xu, Weihua Zhou

机构 * School of Computer Science and Artificial Intelligence, Zhengzhou University of Light Industry（郑州轻工业大学计算机科学与人工智能学院） ； School of Automation, Xi’an University of Posts and Telecommunications（西安邮电大学自动化学院） ； Xi'an Key Laboratory of Advanced Control and Intelligent Process（西安先进控制与智能过程重点实验室） ； School of Information Management and Engineering, Shanghai University of Finance and Economics（上海财经大学信息管理与工程学院） ； Department of Computer Science, Kennesaw State University（肯尼斯州立大学计算机科学系） ； Department of Cardiology, The First Affiliated Hospital of Nanjing Medical University（南京医科大学第一附属医院心内科） ； Department of Applied Computing, Michigan Technological University（密歇根技术大学应用计算系） ； Center for Biocomputing and Digital Health, Institute of Computing and Cybersystems, and Health Research Institute, Michigan Technological University（密歇根技术大学生物计算与数字健康中心、计算与网络系统研究所及健康研究机构） 纠错

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

AI总结 本文提出一种融合SPECT MPI和CTA图像的配准框架，通过U-Net分割和多方法配准实现高精度心脏评估。

S2AM3D: Scale-controllable Part Segmentation of 3D Point Clouds

S2AM3D: 可缩放部分的3D点云分割

Han Su, Tianyu Huang, Zichen Wan, Xiaohe Wu, Wangmeng Zuo

机构 * Harbin Institute of Technology（哈尔滨理工大学） 纠错

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

AI总结 本文提出S2AM3D，通过结合2D分割先验与3D一致监督，解决3D点云分割中数据稀缺和视图不一致的问题，实现对复杂结构的鲁棒分割。

Comments Accepted by CVPR 2026(Oral). Project page:https://sumuru789.github.io/S2AM3D-website/

NeuroAPS-Net: Neuro-Anatomically Aware Point Cloud Representation for Efficient Alzheimer's Disease Classification

NeuroAPS-Net：神经解剖意识点云表示用于高效阿尔茨海默病分类

Towhidul Islam, Mufti Mahmud

机构 * 1 ICS Department, King Fahd University of Petroleum \& Minerals, Dhahran, Saudi Arabia ； 2 SDAIA-KFUPM JRC for AI, King Fahd University of Petroleum \& Minerals, Dhahran, Saudi Arabia ； Machines, King Fahd University of Petroleum \& Minerals, Dhahran, Saudi Arabia 纠错

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

AI总结 本文提出NeuroAPS-Net，通过解剖优先采样生成神经解剖标注的点云数据集，并采用轻量几何深度学习模型实现高效阿尔茨海默病分类。

Comments 6 pages, 3 figures, Accepted under IJCNN 2026

One Shot Learning for Edge Detection on Point Clouds

单样本学习用于点云边缘检测

Zhikun Tu, Yuhe Zhang, Yiou Jia, Kang Li, Daniel Cohen-Or

机构 * School of Information Science and Technology, Northwest University（信息科学与技术学院，西北大学） ； Department of Computer Science, Tel Aviv University（计算机科学系，特拉维夫大学） 纠错

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

AI总结 本文提出OSFENet，通过设计过滤KNN表面补丁表示实现单样本学习，提升点云边缘检测性能，实验验证其在多个数据集上的有效性。

Comments 17 pages, 14 figures. Published in IEEE Transactions on Visualization and Computer Graphics

Journal ref IEEE Transactions on Visualization and Computer Graphics 31(10) (2025) 7184-7195