3D 视觉

Soft Masked Transformer for Point Cloud Processing with Skip Attention-Based Upsampling

用于点云处理的软掩码Transformer与跳过注意力上采样

Yong He, Hongshan Yu, Chaoxu Mu, Mingtao Feng, Tongjia Chen, Zechuan Li, Anwaar Ulhaq, Ajmal Mian

机构 * Artificial Intelligence School, Anhui University（安徽大学人工智能学院） ； National Engineering Laboratory for Robot Visual Perception and Control Technology, College of Electrical and Information Engineering, Hunan University（机器人视觉感知与控制技术国家工程实验室，湖南大学电气与信息工程学院） ； Artificial Intelligence School, Xidian University（西安电子科技大学人工智能学院） ； Department of Computer Science, The University of Western Australia（西澳大学计算机科学系） ； Central Queensland University（中央昆士兰大学） 纠错

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

AI总结 SMTransformer通过整合任务级信息和跳过注意力上采样提升点云处理性能，实现S3DIS和SWAN数据集上的高精度语义分割。

Comments Conditionally accepted by IEEE Transactions on Automation Science and Engineering

Quartet of Diffusions: Structure-Aware Point Cloud Generation through Part and Symmetry Guidance

四重扩散：通过部件和对称性指导的结构感知点云生成

Chenliang Zhou, Fangcheng Zhong, Weihao Xia, Albert Miao, Canberk Baykal, Cengiz Oztireli

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

AI总结 四重扩散通过部件和对称性指导，实现了结构感知的点云生成，首次在生成过程中整合并强制执行对称性和部件先验。

MGPC: Multimodal Network for Generalizable Point Cloud Completion With Modality Dropout and Progressive Decoding

MGPC：多模态网络用于通用点云补全与模态丢弃和渐进解码

Jiangyuan Liu, Yuhao Zhao, Hongxuan Ma, Zhe Liu, Jian Wang, Wei Zou

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation of Chinese Academy of Sciences（中国科学院自动化研究所 multimodal 人工智能系统国家重点实验室） ； Chemical Defense Institute, Academy of Military Sciences（军事科学院化学防御研究院） ； Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation of Chinese Academy of Sciences（中国科学院自动化研究所 复杂系统认知与决策智能重点实验室） 纠错

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

AI总结 MGPC通过多模态融合和渐进生成提升点云补全的泛化能力，构建大规模基准并验证其在现实场景中的有效性。

Comments Code and dataset are available at https://github.com/L-J-Yuan/MGPC

EquiForm: Noise-Robust SE(3)-Equivariant Policy Learning from 3D Point Clouds

EquiForm: 基于3D点云的噪声鲁棒SE(3)等价政策学习

Zhiyuan Zhang, Yu She

机构 * School of Industrial Engineering, Purdue University（工业工程学院，普渡大学） 纠错

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

AI总结 EquiForm通过引入噪声鲁棒的几何去噪模块和对比等价对齐目标，提升基于3D点云的政策学习在噪声和遮挡下的鲁棒性与泛化能力。

Comments Project website: https://ZhangZhiyuanZhang.github.io/equiform-website/ Code will be released

PointMapPolicy: Structured Point Cloud Processing for Multi-Modal Imitation Learning

PointMapPolicy: 结构化点云处理用于多模态模仿学习

Xiaogang Jia, Qian Wang, Anrui Wang, Han A. Wang, Balázs Gyenes, Emiliyan Gospodinov, Xinkai Jiang, Ge Li, Hongyi Zhou, Weiran Liao, Xi Huang, Maximilian Beck, Moritz Reuss, Rudolf Lioutikov, Gerhard Neumann

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Reality Labs, Meta（Meta现实实验室） ； Johannes Kepler University Linz（林茨约翰尼斯·开普勒大学） 纠错

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

AI总结 PointMapPolicy通过结构化点云处理提升多模态模仿学习的精度与泛化能力，利用xLSTM融合点云与RGB数据，在RoboCasa和CALVIN基准中取得最佳性能。

Equivariant Flow Matching for Point Cloud Assembly

等变流匹配用于点云装配

Ziming Wang, Nan Xue, Rebecka Jörnsten

机构 * CTH（查尔姆斯理工大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 本文提出等变扩散装配模型，通过学习相关向量场实现点云装配，有效提升数据效率和处理非重叠输入的能力。

Point2Vec for Self-Supervised Representation Learning on Point Clouds

Point2Vec用于点云的自监督表示学习

Karim Knaebel, Jonas Schult, Alexander Hermans, Bastian Leibe

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

AI总结 point2vec通过改进data2vec框架，有效解决了点云自监督表示学习中的位置信息泄露问题，在多个任务中表现出色。

Comments Accepted at GCPR 2023. Project page at https://vision.rwth-aachen.de/point2vec

Registration-Free Monitoring of Unstructured Point Cloud Data via Intrinsic Geometrical Properties

无需配准的无结构点云数据监控：通过内在几何特性

Mariafrancesca Patalano, Giovanna Capizzi, Kamran Paynabar

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

AI总结 本文提出了一种无需配准的点云数据监控方法，利用内在几何特性进行特征学习，有效识别不同类型的缺陷。

Comments Code available at https://github.com/franci2312/RFM

Geo-Registration of Terrestrial LiDAR Point Clouds with Satellite Images without GNSS

无需GNSS的地面LiDAR点云与卫星图像地理配准

Xinyu Wang, Muhammad Ibrahim, Haitian Wang, Atif Mansoor, Xiuping Jia, Ajmal Mian

机构 * 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） ； School of Engineering and Technology, University of New South Wales（工程与技术学院，新南威尔士大学） 纠错

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

AI总结 本研究提出了一种无需GNSS的LiDAR点云与卫星图像地理配准方法，通过点云分割、道路骨架提取和刚性变换实现高精度配准，显著降低地理偏移误差。

Comments Submitted to IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Under reviewing now

Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching

耦合拉普拉斯特征映射用于局部感知的3D刚性点云匹配

Matteo Bastico, Etienne Decencière, Laurent Corté, Yannick Tillier, David Ryckelynck

机构 * Mines Paris, Université PSL（巴黎 Mines 学院，巴黎大学） ； Centre des Matériaux (MAT), UMR7633 CNRS（材料中心（MAT），CNRS UMR7633） ； Centre de Morphologie Mathématique (CMM)（数学形态学中心（CMM）） ； Centre de Mise en Forme des Matériaux (CEMEF), UMR7635 CNRS（材料成型中心（CEMEF），CNRS UMR7635） 纠错

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

AI总结 本文提出基于耦合拉普拉斯特征映射的3D点云匹配方法，通过考虑局部结构提升匹配精度，应用于物体异常检测和骨侧估计任务。

Comments This paper has been accepted at Computer Vision and Patter Recognition (CVPR) 2024

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2024, pp. 3447-3458

Class-Partitioned VQ-VAE and Latent Flow Matching for Point Cloud Scene Generation

类分区的VQ-VAE与潜在流匹配用于点云场景生成

Dasith de Silva Edirimuni, Ajmal Saeed Mian

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

AI总结 本文提出类分区VQ-VAE与潜在流匹配模型，实现无需外部数据库的点云场景生成，有效减少重建误差。

Comments Accepted to AAAI 2026, Main Technical Track

SM3D: Mitigating Spectral Bias and Semantic Dilution in Point Cloud State Space Models

SM3D: 缓解点云状态空间模型中的频谱偏差和语义稀释

Bin Liu, Chunyang Wang, Xuelian Liu

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

AI总结 SM3D通过几何频谱补偿器和语义一致性细化器缓解点云状态空间模型中的频谱偏差和语义稀释问题，提升几何保真度和语义一致性。

DALD-PCAC: Density-Adaptive Learning Descriptor for Point Cloud Lossless Attribute Compression

DALD-PCAC：基于密度适应的学习描述符用于点云无损属性压缩

Chunyang Fu, Ge Li, Wei Gao, Shiqi Wang, Zhu Li, Shan Liu

机构 * City University of Hong Kong（香港城市大学） ； Peking University Shenzhen Graduate School（北京大学深圳研究生院） ； University of Missouri-Kansas City（密苏里大学-堪萨斯城分校） ； Tencent Media Laboratory（腾讯媒体实验室） 纠错

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

AI总结 DALD-PCAC通过密度适应学习描述符和注意力机制，实现点云无损属性压缩的高效压缩与鲁棒性提升。

Comments Accepted by TOMM

DeepRAHT: Learning Predictive RAHT for Point Cloud Attribute Compression

DeepRAHT: 基于稀疏张量的端到端预测RAHT点云属性压缩学习

Chunyang Fu, Tai Qin, Shiqi Wang, Zhu Li

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

AI总结 DeepRAHT通过稀疏张量实现端到端预测RAHT点云属性压缩，提升压缩效率与鲁棒性。

Comments Accepted by AAAI 2026

Graph Smoothing for Enhanced Local Geometry Learning in Point Cloud Analysis

图平滑用于点云分析中的增强局部几何学习

Shangbo Yuan, Jie Xu, Ping Hu, Xiaofeng Zhu, Na Zhao

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

AI总结 本文提出一种结合图平滑和局部几何学习的方法，以提升点云分析中边界点和连接区域的处理效果。

Comments Accepted by AAAI 2026

Rate-distortion Optimized Point Cloud Preprocessing for Geometry-based Point Cloud Compression

基于率失真优化的点云预处理用于基于几何的点云压缩

Wanhao Ma, Wei Zhang, Shuai Wan, Fuzheng Yang

机构 * School of Telecommunications Engineering, Xidian University（电子科技大学电信工程学院） ； School of Electronics and Information, Northwestern Polytechnical University（西北工业大学电子信息技术学院） ； School of Engineering, Royal Melbourne Institute of Technology（皇家墨尔本理工学院工程学院） 纠错

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

AI总结 本文提出了一种基于率失真优化的点云预处理框架，结合可微替代模型与体素化网络，提升G-PCC效率，实现38.84%的BD-rate减少。

Iterative Differential Entropy Minimization (IDEM) method for fine rigid pairwise 3D Point Cloud Registration: A Focus on the Metric

迭代微分熵最小化（IDEM）方法用于精细刚性点云配对3D点云配准：聚焦度量

Emmanuele Barberi, Felice Sfravara, Filippo Cucinotta

机构 * Department of Engineering, University of Messina（工程学院，墨西拿大学） 纠错

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

AI总结 IDEM方法通过微分熵度量提升点云配准的鲁棒性，有效应对密度差异、噪声和部分重叠等挑战。

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2025, Available in IEEE Xplore

Point Cloud Synthesis Using Inner Product Transforms

利用内积变换进行点云合成

Ernst Röell, Bastian Rieck

机构 * AIDOS Lab, University of Fribourg（AIDOS实验室，弗里堡大学） ； Institute of AI for Health, Helmholtz Munich（健康人工智能研究所，海德堡慕尼黑） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出了一种利用内积变换编码点云几何-拓扑特性，实现高效且高质量点云合成的方法。

Comments Accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS) 2025. Our code is available at https://github.com/aidos-lab/inner-product-transforms

Car Drag Coefficient Prediction from 3D Point Clouds Using a Slice-Based Surrogate Model

基于3D点云的汽车阻力系数预测：一种基于切片的替代模型

Utkarsh Singh, Absaar Ali, Adarsh Roy

机构 * Delhi Technological University（德里技术大学） ； Indian Institute of Technology（印度理工学院） 纠错

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

AI总结 本文提出了一种基于3D点云切片处理的轻量级替代模型，用于高效预测汽车阻力系数，实现高精度和快速反馈。

Comments 14 pages, 5 figures. Published in: Bramer M., Stahl F. (eds) Artificial Intelligence XLII. SGAI 2025. Lecture Notes in Computer Science, vol 16302. Springer, Cham

Journal ref In: Bramer M., Stahl F. (eds) Artificial Intelligence XLII. SGAI 2025. Lecture Notes in Computer Science, vol 16302, pp 66-79. Springer, Cham (2025)

RBFIM: Perceptual Quality Assessment for Compressed Point Clouds Using Radial Basis Function Interpolation

RBFIM: 使用径向基函数插值对压缩点云进行感知质量评估

Zhang Chen, Shuai Wan, Siyu Ren, Fuzheng Yang, Mengting Yu, Junhui Hou

机构 * School of Electronics and Information, Northwestern Polytechnical University（电子与信息学院，西北工业大学） ； School of Engineering, Royal Melbourne Institute of Technology（工程学院，皇家墨尔本理工学院） ； Department of Computer Science, City University of Hong Kong（计算机科学系，香港城市大学） ； School of Telecommunication Engineering, Xidian University（电信工程学院，西安电子科技大学） 纠错

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

AI总结 RBFIM通过径向基函数插值提升压缩点云的感知质量评估，有效解决点云对应问题，为PCC优化提供支持。

Journal ref in IEEE Transactions on Multimedia, vol. 27, pp. 8579-8591, 2025

Reconstructing Building Height from Spaceborne TomoSAR Point Clouds Using a Dual-Topology Network

从空间borne TomoSAR点云重建建筑高度的双拓扑网络

Zhaiyu Chen, Yuanyuan Wang, Yilei Shi, Xiao Xiang Zhu

机构 * The Chair of Data Science in Earth Observation, Technical University of Munich (TUM)（地球观测数据科学教授职位，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； School of Engineering and Design, Technical University of Munich (TUM)（工程与设计学院，慕尼黑技术大学） 纠错

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

AI总结 本文提出了一种双拓扑网络，用于从空间borne TomoSAR点云中重建建筑高度，通过点和网格分支联合处理，实现去噪和缺失区域填充，提升城市高度映射的精度。

Comments Accepted for publication in IEEE Transactions on Geoscience and Remote Sensing

BATISNet: Instance Segmentation of Tooth Point Clouds with Boundary Awareness

BATISNet: 用于牙点云实例分割的边界感知网络

Yating Cai, Yanghui Xu, Zehua Hu, Jiazhou Chen, Jing Huang

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

AI总结 BATISNet通过引入边界感知损失函数和实例分割模块，提升牙点云分割的鲁棒性和准确性，尤其在复杂临床场景中表现优异。

Comments 10 pages, 4 figures

PointRAFT: 3D deep learning for high-throughput prediction of potato tuber weight from partial point clouds

PointRAFT：用于从部分点云高通量预测马铃薯块茎重量的3D深度学习

Pieter M. Blok, Haozhou Wang, Hyun Kwon Suh, Peicheng Wang, James Burridge, Wei Guo

机构 * Graduate School of Agricultural and Life Sciences, The University of Tokyo（东京大学农业与生命科学研究生院） ； Department of Integrative Biological Sciences and Industry, Sejong University（世宗大学整合生物科学与工业系） 纠错

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

AI总结 PointRAFT通过高通量点云回归网络，从部分点云直接预测马铃薯块茎重量，显著优于现有方法，适用于3D表型分析和机器人感知。

Comments 14 pages, 7 figures, 3 tables

MCI-Net: A Robust Multi-Domain Context Integration Network for Point Cloud Registration

MCI-Net：一种用于点云配准的鲁棒多域上下文整合网络

Shuyuan Lin, Wenwu Peng, Junjie Huang, Qiang Qi, Miaohui Wang, Jian Weng

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

AI总结 MCI-Net通过多域上下文整合提升点云配准性能，采用图邻域聚合、渐进式上下文交互和动态内点选择方法，在3DMatch数据集上达到96.4%的配准召回率。

MEGA-PCC: A Mamba-based Efficient Approach for Joint Geometry and Attribute Point Cloud Compression

MEGA-PCC: 一种基于Mamba的高效联合几何与属性点云压缩方法

Kai-Hsiang Hsieh, Monyneath Yim, Wen-Hsiao Peng, Jui-Chiu Chiang

机构 * National Chung Cheng University, Taiwan（国立 Chung Cheng 大学） ； National Yang Ming Chiao Tung University, Taiwan（国立 Yang Ming Chiao Tung 大学） 纠错

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

AI总结 MEGA-PCC是一种基于Mamba的端到端点云压缩方法，通过联合编码几何和属性信息，实现高效压缩与数据驱动的比特率分配。

Comments Accepted at the IEEE/CVF Winter Conference on Applications of Computer Vision 2026 (WACV 2026)

HLS4PC: A Parametrizable Framework For Accelerating Point-Based 3D Point Cloud Models on FPGA

HLS4PC: 一种用于在FPGA上加速基于点的3D点云模型的可参数化框架

Amur Saqib Pal, Muhammad Mohsin Ghaffar, Faisal Shafait, Christian Weis, Norbert Wehn

机构 * National University of Sciences and Technology（国家科学与技术大学） ； Microelectronic Systems Design Research Group（微电子系统设计研究组） 纠错

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

AI总结 HLS4PC通过FPGA加速实现PointMLP-Lite模型，提升了3.56倍的吞吐量，并比GPU和CPU实现分别提高了2.3倍和22倍。

Comments Accepted for publication by 25th International Conference on Embedded Computer Systems: Architectures, Modeling and Simulation (SAMOS 2025)

PUFM++: Point Cloud Upsampling via Enhanced Flow Matching

PUFM++: 通过增强的流匹配进行点云上采样

Zhi-Song Liu, Chenhang He, Roland Maier, Andreas Rupp

机构 * Department of Computational Engineering, Lappeenranta-Lahti University of Technology LUT, Finland（莱佩宁拉-拉赫蒂技术大学工程学系） ； The Hong Kong Polytechnic University（香港理工大学） ； Institute for Applied and Numerical Mathematics at Karlsruhe Institute of Technology (KIT), Germany（卡尔斯鲁厄理工学院应用与数值数学研究所） ； Department of Mathematics at Saarland University, Germany（萨尔大学数学系） 纠错

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

AI总结 PUFM++通过增强的流匹配框架，提升点云上采样的几何保真度和鲁棒性，结合递归接口网络和自适应时间调度器，实现高质量点云重建。

Comments 21 pages, 15 figures

Preserving Topological and Geometric Embeddings for Point Cloud Recovery

保持拓扑和几何嵌入以恢复点云

Kaiyue Zhou, Zelong Tan, Hongxiao Wang, Ya-Li Li, Shengjin Wang

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

AI总结 本文提出TopGeoFormer架构，通过融合拓扑和几何嵌入提升点云恢复性能。

Comments Accepted to AAAI 202

Multimodal classification of forest biodiversity potential from 2D orthophotos and 3D airborne laser scanning point clouds

基于2D正射影像和3D空中激光扫描点云的森林生物多样性潜力多模态分类

Simon B. Jensen, Stefan Oehmcke, Andreas Møgelmose, Meysam Madadi, Christian Igel, Sergio Escalera, Thomas B. Moeslund

机构 * Perception Laboratory, Aalborg University, Denmark ； Pioneer Centre for Artificial Intelligence, Denmark ； Department of Computer Science, Copenhagen University, Denmark ； Institute for Visual \& Analytic Computing, Rostock University, Germany ； University of Barcelona ； Computer Vision Center, Spain 纠错

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

AI总结 本研究利用2D正射影像和3D ALS点云数据，通过多模态深度学习融合方法，实现对森林生物多样性潜力的高效评估，实验结果达到82%的准确率。

4D-RaDiff: Latent Diffusion for 4D Radar Point Cloud Generation

4D-RaDiff：用于4D雷达点云生成的潜在扩散

Jimmie Kwok, Holger Caesar, Andras Palffy

机构 * Delft University of Technology（代尔夫特理工大学） ； Perciv AI 纠错

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

AI总结 4D-RaDiff通过潜在扩散生成4D雷达点云，提升目标检测性能并减少标注数据需求