3D 视觉

PointSlice: Accurate and Efficient Slice-Based Representation for 3D Object Detection from Point Clouds

PointSlice: 用于点云3D物体检测的准确且高效的基于切片的表示方法

Liu Qifeng, Zhao Dawei, Dong Yabo, Xiao Liang, Wang Juan, Min Chen, Li Fuyang, Jiang Weizhong, Lu Dongming, Nie Yiming

机构 * Zhejiang University（浙江大学） ； Defense Innovation Institute（国防科技创新研究院） ； Tsinghua University（清华大学） 纠错

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

AI总结 PointSlice提出了一种基于切片的点云表示方法，通过引入切片交互网络提升3D物体检测的精度与效率。

Comments Accepted by Pattern Recognition

P-SLCR: Unsupervised Point Cloud Semantic Segmentation via Prototypes Structure Learning and Consistent Reasoning

P-SLCR：通过原型结构学习和一致推理实现无监督点云语义分割

Lixin Zhan, Jie Jiang, Tianjian Zhou, Yukun Du, Yan Zheng, Xuehu Duan

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

AI总结 P-SLCR通过原型结构学习和一致推理，实现点云语义分割的无监督方法，取得优于全监督方法的性能。

Journal ref AAAI2026

GSeg3D: A High-Precision Grid-Based Algorithm for Safety-Critical Ground Segmentation in LiDAR Point Clouds

GSeg3D：一种高精度基于网格的算法，用于激光雷达点云中的安全关键地面分割

Muhammad Haider Khan Lodhi, Christoph Hertzberg

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） 纠错

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

AI总结 GSeg3D提出了一种高精度基于网格的地面分割算法，以满足自动驾驶和机器人在安全关键场景中的高精度需求。

Efficient Point Cloud Processing with High-Dimensional Positional Encoding and Non-Local MLPs

高效点云处理与高维位置编码及非局部MLP

Yanmei Zou, Hongshan Yu, Yaonan Wang, Zhengeng Yang, Xieyuanli Chen, Kailun Yang, Naveed Akhtar

机构 * School of Artificial Intelligence and Robotics, Quanzhou Institute of Industrial Design and Machine Intelligence Innovation, Hunan University（人工智能与机器人学院、泉州工业设计与智能机械创新研究院、湖南大学） ； College of Engineering and Design, Hunan Normal University（工程与设计学院、湖南师范大学） ； 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） ； School of Computing and Information Systems, The University of Melbourne（计算与信息学院、墨尔本大学） 纠错

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

AI总结 本文提出了一种基于高维位置编码和非局部MLP的点云处理方法，通过两阶段抽象和细化框架提升效率与效果。

Comments Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). Source code is available at https://github.com/zouyanmei/HPENet_v2.git

Token Adaptation via Side Graph Convolution for Efficient Fine-tuning of 3D Point Cloud Transformers

通过侧图卷积实现标记适应以实现3D点云变换器的高效微调

Takahiko Furuya

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

AI总结 STAG通过侧图卷积实现高效微调，减少参数和计算成本，提升3D点云变换器性能。

Comments Accepted to the journal of Machine Vision and Applications

PPC-MT: Parallel Point Cloud Completion with Mamba-Transformer Hybrid Architecture

PPC-MT：基于Mamba-Transformer混合架构的并行点云补全

Jie Li, Shengwei Tian, Long Yu, Xin Ning

机构 * Xinjiang University（新疆大学） ； Institute of Semiconductors, Chinese Academy of Sciences（半导体研究所，中国科学院） 纠错

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

AI总结 PPC-MT通过混合Mamba-Transformer架构，提出并行点云补全方法，在效率与重建精度间取得平衡。

Comments Submitted to IEEE TPAMI

Flexible-weighted Chamfer Distance: Enhanced Objective Function for Point Cloud Completion

灵活加权卡姆费距离：点云补全的增强目标函数

Jie Li, Shengwei Tian, Long Yu, Xin Ning

机构 * Xinjiang University（新疆大学） ； Institute of Semiconductors, Chinese Academy of Sciences（半导体研究所，中国科学院） 纠错

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

AI总结 FCD通过不对称加权策略提升点云补全的全局结构完整性，显著降低关键指标如DCD和EMD，增强点云的均匀性和结构完整性。

Comments Accepted by IEEE TPAMI 2026. This is the author's version of the work. \c{opyright} 2026 IEEE. Personal use of this material is permitted. Code is available at this https URL [https://github.com/Carroll-Li/FCD]

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026

BuildAnyPoint: 3D Building Structured Abstraction from Diverse Point Clouds

BuildAnyPoint: 从多样点云构建三维建筑结构抽象

Tongyan Hua, Haoran Gong, Yuan Liu, Di Wang, Ying-Cong Chen, Wufan Zhao

机构 * HKUST(GZ)（香港科技大学（广州）） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 BuildAnyPoint通过Loca-DiT框架从多样点云中生成结构化三维建筑抽象，提升重建的表面准确性和分布均匀性。

Comments CVPR 2026

Reflectance Prediction-based Knowledge Distillation for Robust 3D Object Detection in Compressed Point Clouds

基于反射率预测的知识蒸馏的稳健3D物体检测：压缩点云

Hao Jing, Anhong Wang, Yifan Zhang, Donghan Bu, Junhui Hou

机构 * School of Electronic Information Engineering, Taiyuan University of Science and Technology（太原科技大学电子信息工程学院） ； School of Mechatronic Engineering and Automation, Shanghai University（上海大学机械电子工程与自动化学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） 纠错

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

AI总结 本文提出基于反射率预测的知识蒸馏方法，用于提升压缩点云中3D物体检测的鲁棒性和精度。

Journal ref IEEE Transactions on Image Processing, Vol. 35, pp. 85-97, 2026

HybridINR-PCGC: Hybrid Lossless Point Cloud Geometry Compression Bridging Pretrained Model and Implicit Neural Representation

HybridINR-PCGC: 一种融合预训练模型与隐式神经表示的无损点云几何压缩框架

Wenjie Huang, Qi Yang, Shuting Xia, He Huang, Zhu Li, Yiling Xu

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Missouri-Kansas City（密苏里大学-堪萨斯城分校） 纠错

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

AI总结 HybridINR-PCGC通过融合预训练模型与隐式神经表示，实现高效无损点云压缩，提升压缩率和编码效率。

Comments 8 pages, 10 figures

UPDA: Unsupervised Progressive Domain Adaptation for No-Reference Point Cloud Quality Assessment

UPDA：无监督渐进领域适应用于无参考点云质量评估

Bingxu Xie, Fang Zhou, Jincan Wu, Yonghui Liu, Weiqing Li, Zhiyong Su

机构 * School of Automation, Nanjing University of Science and Technology（自动化学院，南京理工大学） ； National Key Laboratory of Information Systems Engineering（信息系统工程国家重点实验室） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） 纠错

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

AI总结 UPDA通过无监督渐进领域适应框架提升无参考点云质量评估在跨域场景中的性能。

Comments to be published in IEEE Transactions on Broadcasting

Viewpoint Recommendation for Point Cloud Labeling through Interaction Cost Modeling

通过交互成本建模实现点云标注的视角推荐

Yu Zhang, Xinyi Zhao, Chongke Bi, Siming Chen

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） ； Shanghai Key Laboratory of Data Science, Shanghai（上海数据科学重点实验室） 纠错

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

AI总结 本文提出通过交互成本建模减少点云标注时间的方法，利用Fitts定律优化视角推荐，提升标注效率。

Comments Accepted to IEEE TVCG

Contextual Range-View Projection for 3D LiDAR Point Clouds

基于上下文的视距投影用于3D激光雷达点云

Seyedali Mousavi, Seyedhamidreza Mousavi, Masoud Daneshtalab

机构 * School of Innovation, Design and Engineering（创新、设计与工程学院） ； Division of Intelligent Future Technologies（智能未来技术系） ； Mälardalen University（马尔默大学） 纠错

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

AI总结 本文提出CAP和CWAP两种机制，通过结合实例中心和类别标签的上下文信息，改进3D激光雷达点云的视距投影，提升实例点保留率和目标类别性能。

Finite-time Stable Pose Estimation on TSE(3) using Point Cloud and Velocity Sensors

基于点云和速度传感器的有限时间稳定姿态估计（TSE(3)）

Nazanin S. Hashkavaei, Abhijit Dongare, Neon Srinivasu, Amit K. Sanyal

机构 * Department of Mechanical \& Aerospace Engineering, Syracuse University, Syracuse, NY 13244 纠错

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

AI总结 本文提出一种基于点云和速度传感器的有限时间稳定姿态估计方法，通过几何力学框架实现鲁棒性，适用于自主车辆。

Comments 17 pages, 8 figures, submitted to Automatica

SNAP: Towards Segmenting Anything in Any Point Cloud

SNAP：在任意点云中实现任意分割

Aniket Gupta, Hanhui Wang, Charles Saunders, Aruni RoyChowdhury, Hanumant Singh, Huaizu Jiang

机构 * Northeastern University（东北大学） ； MathWorks 纠错

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

AI总结 SNAP提出一种统一的交互式3D点云分割模型，支持点和文本提示，实现跨领域泛化和高质量分割。

Comments Project Page, https://neu-vi.github.io/SNAP/

Overview and Comparison of AVS Point Cloud Compression Standard

AVS点云压缩标准的概述与比较

Wei Gao, Wenxu Gao, Xingming Mu, Changhao Peng, Ge Li

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

AI总结 本文概述并比较了AVS点云压缩标准，分析了其相关技术和性能表现。

Comments 3 figures, 3 tables

Journal ref APSIPA Transactions on Signal and Information Processing, vol. 14, no. 2, pp.1-33, 2025

Generating Adversarial Events: A Motion-Aware Point Cloud Framework

生成对抗事件：一种运动感知点云框架

Hongwei Ren, Youxin Jiang, Qifei Gu, Xiangqian Wu

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MA-ADV框架，通过点云表示生成对抗事件，解决事件表示非可微导致的对抗攻击难题，验证其在安全性和鲁棒性上的优势。

SuperiorGAT: Graph Attention Networks for Sparse LiDAR Point Cloud Reconstruction in Autonomous Systems

SuperiorGAT：用于自动驾驶系统中稀疏LiDAR点云重建的图注意力网络

Khalfalla Awedat, Mohamed Abidalrekab, Gurcan Comert, Mustafa Ayad

机构 * Electrical and Computer Engineering, Portland State University（电气与计算机工程系，波特兰州立大学） ； Computational Data Science and Engineering Department, North Carolina A&T State University（计算数据科学与工程系，北卡罗来纳A&T州立大学） ； Electrical and Computer Engineering Department, SUNY Oswego（电气与计算机工程系，SUNY奥威戈） 纠错

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

AI总结 SuperiorGAT通过图注意力网络重构稀疏LiDAR点云中的缺失海拔信息，实现更精确的重建与几何一致性，无需增加网络深度或额外硬件。

BADet: Boundary-Aware 3D Object Detection from Point Clouds

BADet: 基于点云的边界感知3D目标检测

Rui Qian, Xin Lai, Xirong Li

机构 * Key Lab of Data Engineering and Knowledge Engineering（数据工程与知识工程重点实验室） ； Renmin University of China（中国人民大学） ； School of Mathematics, Renmin University of China（中国人民大学数学学院） ； Department of Physics, J.K. Institute of Science（科学研究院物理系） 纠错

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

AI总结 BADet通过构建局部邻域图和轻量级特征聚合模块，提升基于点云的3D目标检测性能。

Comments The manuscript is accepted by Pattern Recognition on 6 Jan, 2022

Extracting Manifold Information from Point Clouds

从点云中提取流形信息

Patrick Guidotti

机构 * University of California, Irvine（加州大学伊维特分校） 纠错

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

AI总结 本文提出了一种基于核的方法，用于从点云中提取流形信息，通过构造签名函数来估计维度、法线和曲率。

Comments 21 pages, 11 figures, 4 tables

Mapper-GIN: Lightweight Structural Graph Abstraction for Corrupted 3D Point Cloud Classification

Mapper-GIN：轻量级结构图抽象用于腐蚀3D点云分类

Jeongbin You, Donggun Kim, Sejun Park, Seungsang Oh

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

AI总结 Mapper-GIN通过区域图抽象和GIN信息传递，在腐蚀环境下实现轻量级3D点云分类的鲁棒性。

LitS: A novel Neighborhood Descriptor for Point Clouds

LitS：一种新的点云邻域描述符

Jonatan B. Bastos, Francisco F. Rivera, Oscar G. Lorenzo, David L. Vilariño, José C. Cabaleiro, Alberto M. Esmorís, Tomás F. Pena

机构 * Centro Singular de Investigación en Tecnoloxías Intelixentes (CiTIUS), Universidade de Santiago de Compostela, Spain（圣地亚哥-德孔波斯特拉大学智能技术研究中心（CiTIUS）） ； Universidade de Santiago de Compostela, Spain（圣地亚哥-德孔波斯特拉大学） ； Departamento de Electrónica e Computación, Universidade de Santiago de Compostela, Spain（圣地亚哥-德孔波斯特拉大学电子与计算系） 纠错

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

AI总结 LitS是一种新型点云邻域描述符，通过分段常数函数捕捉局部点排列的细微差别，适用于2D和3D点云分析，具备适应不同数据类型和密度的能力。

PWAVEP: Purifying Imperceptible Adversarial Perturbations in 3D Point Clouds via Spectral Graph Wavelets

PWAVEP: 通过频谱图小波净化3D点云中的不可察觉对抗扰动

Haoran Li, Renyang Liu, Hongjia Liu, Chen Wang, Long Yin, Jian Xu

机构 * Software College, Northeastern University（东北大学软件学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； Software College, Shenyang University of Technology（沈阳理工大学软件学院） 纠错

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

AI总结 PWAVEP通过频谱图小波技术净化3D点云中的不可察觉对抗扰动，提升准确性和鲁棒性。

Comments Accepted by WWW 2026

LmPT: Conditional Point Transformer for Anatomical Landmark Detection on 3D Point Clouds

LmPT：用于3D点云上解剖标志检测的条件点变换

Matteo Bastico, Pierre Onghena, David Ryckelynck, Beatriz Marcotegui, Santiago Velasco-Forero, Laurent Corté, Caroline Robine--Decourcelle, Etienne Decencière

机构 * Mines Paris - PSL University, Centre for material sciences (MAT)（巴黎 Mines - PSL 大学材料科学中心） ； Mines Paris - PSL University, Centre for mathematical morphology (CMM)（巴黎 Mines - PSL 大学数学形态学中心） ； Mines Paris - PSL University, Centre for material forming (CEMEF)（巴黎 Mines - PSL 大学材料成形中心） ； The National Veterinary School of Alfort (EnvA)（阿尔福国家兽医学校） 纠错

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

AI总结 LmPT通过条件点变换实现跨物种的3D点云解剖标志检测，利用同源骨骼提升标注的泛化能力与准确性。

Comments This paper has been accepted at International Symposium on Biomedical Imaging (ISBI) 2026

Journal ref 2026 IEEE International Symposium on Biomedical Imaging (ISBI)

Can 3D point cloud data improve automated body condition score prediction in dairy cattle?

三维点云数据能否改善奶牛自动体况评分预测？

Zhou Tang, Jin Wang, Angelo De Castro, Yuxi Zhang, Victoria Bastos Primo, Ana Beatriz Montevecchio Bernardino, Gota Morota, Xu Wang, Ricardo C Chebel, Haipeng Yu

机构 * Department of Animal Sciences, Institute of Food and Agricultural Sciences, University of Florida（动物科学系，食品与农业科学研究所，佛罗里达大学） ； Department of Large Animal Clinical Sciences, University of Florida（大动物临床科学系，佛罗里达大学） ； Laboratory of Biometry and Bioinformatics, Department of Agricultural and Environmental Biology, Graduate School of Agricultural and Life Sciences, The University of Tokyo（生物计量与生物信息学实验室，农业与环境生物学系，东京大学研究生院） ； Department of Agricultural and Biological Engineering, Institute of Food and Agricultural Sciences, University of Florida（农业与生物工程系，食品与农业科学研究所，佛罗里达大学） 纠错

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

AI总结 本研究比较了深度图像与点云数据在奶牛体况评分预测中的效果，发现深度图像在未分割数据和全身分割数据下表现更优，而点云数据在后躯分割数据下表现相当，但整体敏感性更高。

Automated Discontinuity Set Characterisation in Enclosed Rock Face Point Clouds Using Single-Shot Filtering and Cyclic Orientation Transformation

使用单次滤波和循环方向变换对封闭岩壁点云中的不连续集进行自动化表征

Dibyayan Patra, Pasindu Ranasinghe, Bikram Banerjee, Simit Raval

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

AI总结 本研究提出了一种基于单次滤波和循环方向变换的自动方法，用于表征封闭岩壁点云中的不连续集，实现了高精度的倾角和倾向估计。

SurfelSoup: Learned Point Cloud Geometry Compression With a Probablistic SurfelTree Representation

SurfelSoup：基于概率Surfel树的端到端点云几何压缩框架

Tingyu Fan, Ran Gong, Yueyu Hu, Yao Wang

机构 * Department of Electrical and Computer Engineering, New York University Tandon School of Engineering, Brooklyn, NY, USA（电气工程系，纽约大学塔能工程学院，布鲁克林，纽约，美国） 纠错

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

AI总结 SurfelSoup通过概率Surfel树结构实现点云几何压缩，提升压缩效率与表面重建质量。

Rethinking Transferable Adversarial Attacks on Point Clouds from a Compact Subspace Perspective

重新审视点云可迁移对抗攻击的紧凑子空间视角

Keke Tang, Xianheng Liu, Weilong Peng, Xiaofei Wang, Daizong Liu, Peican Zhu, Can Lu, Zhihong Tian

机构 * Cyberspace Institute of Advanced Technology, Guangzhou University（广州大学网络安全研究院） ； School of Computer Science and Cyber Engineering, Guangzhou University（广州大学计算机科学与网络工程学院） ； Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； Institute for Math & AI, Wuhan University（武汉大学数学与人工智能研究院） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能、光学与电子学院（iOPEN）） 纠错

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

AI总结 本文提出CoSA框架，通过紧凑子空间视角提升点云对抗攻击的跨模型可迁移性，优于现有方法并保持良好的鲁棒性。

SDFs from Unoriented Point Clouds using Neural Variational Heat Distances

利用神经变分热距离从无向点云中生成SDF

Samuel Weidemaier, Florine Hartwig, Josua Sassen, Sergio Conti, Mirela Ben-Chen, Martin Rumpf

机构 * Institute for Numerical Simulation, University of Bonn（数值模拟研究所，波恩大学） ； Centre Borelli, ENS Paris-Saclay（博雷利中心，巴黎-萨克雷大学） ； Institute for Applied Mathematics, University of Bonn（应用数学研究所，波恩大学） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院） 纠错

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

AI总结 本文提出利用神经变分热距离从无向点云生成SDF，通过热方法替代eikonal方程，实现更精确的表面重建和SDF梯度计算。

Comments 16 pages, 19 figures, 4 tables

SSCATeR: Sparse Scatter-Based Convolution Algorithm with Temporal Data Recycling for Real-Time 3D Object Detection in LiDAR Point Clouds

SSCATeR: 基于稀疏散射的卷积算法与时间数据回收用于LiDAR点云中的实时3D物体检测

Alexander Dow, Manduhu Manduhu, Matheus Santos, Ben Bartlett, Gerard Dooly, James Riordan

机构 * Drone Systems Lab, School of Computing, Engineering and Physical Sciences, University of the West of Scotland（无人机系统实验室，计算、工程与物理科学学院，西方苏格兰大学） ； Centre for Robotics and Intelligent Systems, University of Limerick（机器人与智能系统中心，利默里克大学） 纠错

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

AI总结 SSCATeR通过时间数据回收和稀疏散射卷积，实现LiDAR点云中实时3D物体检测的高效检测。

Comments 23 Pages, 27 Figures, This work has been accepted for publication by the IEEE Sensors Journal. Please see the first page of the article PDF for copyright information