Distance Matrices of Ordered Point Clouds and Their Persistent Homology
有序点云的距离矩阵及其持续同调
专题命中 点云 ：point cloud(title,abstract)
AI总结 该研究建立了时间序列的距离矩阵滤过与其状态空间嵌入的Čech/Vietoris–Rips滤过的一次链映射关系，简化了时间序列分析的循环特征计算，可用于分析循环运动的转变。
视觉与机器人
3D 视觉
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
1. 点云 241 篇
ResPCC: A Loss-Resilient Neural Point Cloud Codec over Lossy Networks
ResPCC：有损网络中具备抗丢包能力的神经点云编解码器
专题命中 点云 ：point cloud(title,abstract)
AI总结 针对有损网络中点云压缩的数据包丢失问题，提出具备感知丢包率能力的ResPCC编解码器，通过CALM、SCI、MGLR、DBR等模块提升稳定性与率失真性能，在5%-30%丢包率下优于基线方法，为3D数据传输提供可靠方案。
A Gaussian Process Model of 3D Udder Point Clouds for Teat Length Phenotyping in Dairy Cows
用于奶牛乳头长度表型分析的3D乳房点云高斯过程模型
专题命中 点云 ：point cloud(title,abstract)
AI总结 针对奶牛乳房点云乳头标志自动检测难题，提出基于高斯过程的乳头长度估计方法，通过低秩近似降低计算复杂度，较现有方法精度更高、速度更快，鲁棒性更强，适配大规模自动化表型分析。
Gradient Descent on Point Clouds and Applications in Learned Operator Correction
点云上的梯度下降及其在学习算子校正中的应用
专题命中 点云 ：point cloud(title,abstract)
AI总结 该研究针对点云隐式未知流形上的能量最小化问题，提出了一种保持在流形邻域内的梯度下降格式，并将其应用于逆问题的学习算子校正。
Error-bounded Point Cloud Compression Using Truncated Octahedron Quantization
基于截角八面体量化的误差受限点云压缩
专题命中 点云 ：point cloud(title,abstract)
AI总结 针对现有点云压缩技术不适用于密集科学数据的问题，提出基于截角八面体量化的XnYZip压缩器，可提升压缩比与处理速度，降低存储开销。
Comments accepted by VLDB 2026
MiSS: A Logic-Driven Explanation of Minimal Sufficient Coalitions for Point Cloud Classifiers
MiSS：点云分类器最小充分联盟的逻辑驱动解释
专题命中 点云 ：point cloud(title,abstract)
AI总结 研究针对3D点云分类器，提出MiSS框架，通过扰动相对充分性推理来解释。该框架将候选提议与验证分开，由加权MaxSAT过程提议联盟，黑盒统计预言机确定充分性，实验表明其在精度、覆盖率和解释时间上优于基于规则的基线和穷举搜索。
Conditional Generative Learning Enabled Wireless UAV Sensing and Tracking via Point Cloud Imaging
基于点云成像的条件生成学习实现无线无人机感知与跟踪
专题命中 点云 ：point cloud(title,abstract)
AI总结 研究无人机感知与跟踪问题，提出AUGUST方法，集成条件信道编码与生成解码模块，通过位置和信噪比嵌入及加权训练目标的扩散模型，实现更准确的无人机点云重建与定位，提升对其姿态和形状信息的捕获能力。
Comments 16pages, 13figures
Heavy-Flavor Electron Classification Using Hadronic Environment as Point Cloud
使用强子环境作为点云的重味电子分类
专题命中 点云 ：point cloud(title,abstract)
AI总结 将强子环境表示为点云，利用集合机器学习架构区分粲和底起源电子，发现性能受限于强子结构内在相似性，在40%效率下纯度约80%，优于传统BDT基线。
Comments 8 pages, 10 figures
RigPAPR: Rig-Based Animation of Static Neural Point Clouds from a Fixed-Viewpoint Video
RigPAPR：基于固定视角视频的静态神经点云绑定动画
机构 * APEX Lab（APEX实验室） ； School of Computing Science（计算科学学院） ； Simon Fraser University（西蒙弗雷泽大学）
专题命中 点云 ：point cloud(title)；分类 cs.CV、cs.GR
AI总结 提出RigPAPR方法，通过直接线性混合蒙皮驱动静态神经点云，无需网格代理或姿态依赖校正，在合成和真实数据上减少关节边界伪影，新视角PSNR提升3+dB。
Comments An overview video is available at https://youtu.be/up3BwRHYWG8
Self-Geometry: GT-Free and Plug-and-Play Test-Time Adaptation for Geometrically Consistent 3D Vision Foundation Models
自几何：面向几何一致的3D视觉基础模型的无GT、即插即用测试时自适应方法
机构 * Chung-Ang University（中央大学） ； Kyung Hee University（庆熙大学）
专题命中 点云 ：3D vision(title)；分类 cs.CV
AI总结 本文针对3D视觉基础模型测试时几何一致性不足的问题，提出即插即用的Self-Geometry自适应流水线，结合多视图与对极一致性损失等，在6种模型和4个基准上实现位姿与几何估计的一致提升。
Comments Project page: https://cmlab-korea.github.io/Self-Geometry/
Point Ladder Tuning: Parameter-Efficient Hierarchical Adaptation for 3D Point Cloud Understanding
点阶梯调优：用于3D点云理解的参数高效分层适配
机构 * Beihang University（北京航空航天大学） ； Pengcheng Laboratory（鹏城实验室）
专题命中 点云 ：point cloud(title)；分类 cs.CV
AI总结 研究针对3D点云理解中微调预训练主干参数效率低的问题，提出点阶梯调优框架PLT，通过构建分层网络、融合局部与全局特征、生成动态提示等进行参数高效分层适配，实验表明其以极少参数达最优性能。
Comments Accepted to ECCV 2026. Code: https://github.com/JunLinChang/ECCV2026-PLT
Point as Skeleton: Accumulated Point Cloud Enhanced Autoregressive Generation for Closed-Loop Autonomous Driving Simulation
点作为骨架：累积点云增强自回归生成用于闭环自动驾驶模拟
机构 * Shanghai Jiao Tong University（上海交通大学） ； Yinwang Intelligent Technology Co., Ltd.（银望智能科技有限公司） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 点云 ：point cloud(title)；分类 cs.CV
AI总结 针对自动驾驶模拟难题，提出“点作为骨架”框架，通过自回归生成器结合多种条件合成视频，引入Reset-and-Roll支持闭环，用点云骨架稳定误差，实现基于nuPlan的闭环生成接口，实验证明其提升了闭环自回归生成质量。
Learning Motion Feasibility from Point Clouds in Cluttered Environments
从杂乱环境中的点云学习运动可行性
机构 * International Institute of Information Technology Hyderabad（国际信息技术学院海得拉巴）
专题命中 点云 ：point cloud(title)；分类 cs.RO
AI总结 提出直接从RGB-D观测学习7自由度机械臂运动可行性预测的方法，构建包含270万抓取可行性标签的大规模基准，并评估三种分类器架构，最佳模型GRASPFC-PTX在新型物体上AUROC达0.996且预测速度远超基于采样的运动规划器。
Dynamic Object Detection and Tracking in Construction: A Fisheye Camera and LiDAR Sensor Fusion Model
建筑中的动态目标检测与跟踪：一种鱼眼相机与激光雷达传感器融合模型
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 针对建筑等复杂环境中机器人动态目标检测与跟踪问题，提出融合鱼眼相机与激光雷达传感器的框架，通过在配准点云里识别移动物体、投影坐标分配语义标签并结合图像检测更新卡尔曼滤波器观测，具有高精度、简单且鲁棒的特点。
Comments 4 pages, 8 figures, submitted to IEEE International Conference on Robotics and Automation (ICRA) 2025 Future of Construction Workshop
iVISION-2DCD: A Long-Term Change Detection Dataset for Large-Scale Outdoor Construction Monitoring
iVISION-2DCD：用于大规模户外建筑监测的长期变化检测数据集
机构 * National Research Council Canada（加拿大国家研究委员会） ； Vision and Image Processing Research Group, Systems Design Engineering, University of Waterloo（滑铁卢大学系统设计工程系视觉与图像处理研究小组）
专题命中 点云 ：point cloud(abstract)；novel view synthesis(abstract)；分类 cs.CV、cs.RO
AI总结 研究从检测建筑工地变化监测施工进度，针对跨视角变化检测算法缺开源基准数据集问题，用LiDAR点云生成iVISION-2DCD数据集，提出合成数据生成等方法，为相关领域带来新挑战。
Comments 11 pages, 7 figures, 1 table. Accepted for publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026). Project page: https://danielmao2019.github.io/iVISION-2DCD-dataset.github.io/
LOGOS: LiDAR-Only Gaussian Elevation Splatting for Unified Tiny Obstacle Segmentation
LOGOS: 仅基于激光雷达的高斯高程喷溅用于统一微小障碍物分割
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院）
专题命中 点云 ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 提出LOGOS系统，通过将路面建模为2D高斯原语的连续混合，利用无反向传播的激光雷达方法估计高程，实现微小障碍物分割，在道路和越野场景中优于现有方法。
BridgeVLA++: A Data-Efficient, Generalizable, and Memory-Augmented Vision-Language-Action Framework for 3D Manipulation
BridgeVLA++：一种面向三维操作的数据高效、可泛化且内存增强的视觉-语言-动作框架
机构 * New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室（NLPR）） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； FiveAges ； ByteDance Seed（字节跳动种子实验室）
专题命中 点云 ：3D vision(abstract)；point cloud(abstract)；分类 cs.RO
AI总结 本研究提出内存增强的三维VLA框架BridgeVLA++，通过新增时空记忆架构，在保留原模型数据效率与泛化能力的同时，提升了记忆相关操作性能，且在多任务与真实平台上验证了其有效性。
Comments This work has been submitted to the IEEE TPAMI for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible
Wat3R: Underwater 3D Geometry Learning without Annotations
Wat3R：无需标注的水下3D几何学习
机构 * Huazhong University of Science and Technology（华中科技大学）
专题命中 点云 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 针对水下3D几何估计难题，提出跨域半监督学习框架Wat3R，基于师生架构，无需标注水下数据，利用未标注视频学习，设计跨视图一致性损失，构建Water3D数据集，实验证明其在水下多视图深度估计和点云重建上性能优于现有方法。
Comments Accepted to ECCV 2026. The dataset and code are available at https://github.com/LSXI7/Wat3R
Geometry-Aware Motion Latents for Learning Robust Manipulation Policies
用于学习鲁棒操纵策略的几何感知运动潜变量
机构 * Department of Computer Science, The University of Hong Kong（香港大学计算机科学系）
专题命中 点云 ：point cloud(abstract)；spatial understanding(abstract)；分类 cs.RO
AI总结 研究如何学习机器人操纵的运动潜变量，核心方法是通过预测点云在操纵过程中的演变来学习离散运动潜码，贡献是仅用单视图RGB-D输入达先进性能，验证几何预测是关键，且潜码有有效运动抽象能力。
MM-TRELLIS: Point-Cloud Guided Multi-Modal 3D Vehicle Generation in Autonomous Driving
MM-TRELLIS: 自动驾驶中基于点云引导的多模态3D车辆生成
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Academy of Military Science（军事科学院） ； Bosch innovation software development (Wuxi) Co., Ltd.（博世创新软件开发（无锡）有限公司） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院） ； Shopee Pte. Ltd.（Shopee私人有限公司）
专题命中 点云 ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 提出MM-TRELLIS，融合多视图图像与LiDAR点云，通过点云引导和体素过滤策略，实现高质量3D车辆生成，在Waymo数据集上优于现有方法。
SpatialSV: Internalizing Interpretable 3D Spatial Awareness in MLLMs via Task-Oriented Visual Supervision
SpatialSV: 通过任务导向的视觉监督在多模态大语言模型中内化可解释的3D空间感知
机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能工程学院）
专题命中 点云 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 提出SpatialSV框架，通过任务导向的视觉监督将MLLM的2D特征提升为显式3D表示（深度图、相机姿态、点云），实现可解释的3D空间感知内化，无需外部工具，并在半监督设置中展现强泛化能力。
Comments Accepted by IJCAI 2026
S23DR 2026: End-to-End 3D Wireframe Prediction via DETR-Style Set Prediction with Contrastive Denoising
S23DR 2026：基于对比去噪的DETR风格集合预测实现端到端3D线框预测
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 点云 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 提出WireframeDETR方法，直接对3D点云进行DETR风格集合预测，无需中间顶点检测，通过对比去噪训练、多尺度编码器和渐进辅助损失权重实现端到端3D线框预测，在S23DR 2026挑战赛上取得0.575 HSS。
Comments Technical report; S23DR 2026 Challenge submission
Vernata: Self-Supervised Learning of LiDAR Point Representations
Vernata：激光雷达点表示的自监督学习
机构 * Robotics and AI Institute（机器人与人工智能研究院） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 本研究提出基于Sonata架构的Vernata自监督学习框架，通过三项扩展优化激光雷达点云表示，在多数据集上相比基线取得显著性能提升，模态减少场景下仍保持竞争力
Comments IROS 2026. Implementation: https://github.com/rai-opensource/vernata
Multimodal Plant Root Phenotyping with Integration of 3D Skeleton Extraction and Language Analysis
结合三维骨架提取与语言分析的多模态植物根表型分析
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 该研究提出多模态机器人AI框架，结合W-LBC无监督三维骨架提取与证据优先语言建模，微调GPT实现12种植物根表型的可解释分析，建立了定量与语义结合的根表型统一分析范式。
Intrinsic and Triangulation-Agnostic Attention: A Simple and Powerful Approach for Learning on Meshes
内在与三角剖分无关的注意力：一种用于网格学习的简单而强大的方法
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.GR
AI总结 该研究为三角形网格学习提出内在与三角剖分无关的注意力机制，通过基于几何处理原理修改注意力机制，用内在网络创建相关量并经有限元离散化设计运行机制，实验表明该方法在多个任务上超当前最优水平。
SimBEV2X: A Large-Scale Dataset and Data Generation Tool for Multi-Task Vehicle-to-Everything Cooperative Perception
SimBEV2X：用于多任务车联网协同感知的大规模数据集与数据生成工具
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 研究针对V2X协同感知算法发展受限问题，介绍基于CARLA模拟器的SimBEV2X数据生成工具及数据集，通过它建立基线并提出CoBEVFusion架构，实现上下文感知多智能体特征聚合，性能优越。
Comments Submitted to IEEE for review
A real-time RGB-D perception pipeline for autonomous impact hammers in mining: self-filtering, rock segmentation and rock-breaking poses generation
用于采矿中自主冲击锤的实时RGB-D感知管道：自滤波、岩石分割和破岩姿态生成
机构 * Advanced Mining Technology Center (AMTC) and Department of Electrical Engineering, Universidad de Chile（智利大学先进采矿技术中心（AMTC）和电气工程系）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 本文针对采矿中冲击锤操作自动化问题，提出实时RGB-D感知管道，结合图像实例分割与点云处理，能生成破岩姿态和3D表示，在嵌入式硬件上约10Hz运行，实验证明适用于实时自主冲击锤操作。
Comments 25 pages, 20 figures
Lift3D-VLA: Lifting VLA Models to 3D Geometry and Dynamics-Aware Manipulation
Lift3D-VLA：将VLA模型提升到3D几何和动力学感知操纵
机构 * Peking University（北京大学） ； CUHK（香港中文大学） ； AI² Robotics（智平方科技）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 研究针对VLA模型在物理环境操纵中几何理解和空间推理不足的问题，提出Lift3D-VLA框架。通过增强2D模型提升策略、GC-MAE自监督框架及分层时间动作建模，提升模型3D几何和动力学感知能力，在模拟和现实任务中取得更好效果。
Comments 14 pages, 7 figures. Project website: https://lift3dvla.github.io/
3D Point World Models: Point Completion Enables More Accurate Dynamics Learning
3D点云世界模型：点云补全实现更准确的动力学学习
机构 * Oregon State University（俄勒冈州立大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 提出3D点云世界模型(3DPWM)，通过先补全部分点云再学习动作条件动力学，实现长时程可靠推演和精确成本评估，支持多种机器人操作任务。
Comments 21 Pages
VolHuMe: a High-Resolution Large Scale Dataset of Volumetric Human Meshes
VolHuMe：高分辨率大规模体积人体网格数据集
机构 * University of Trento（特伦托大学） ； CNIT ； Tampere University（塔尔基大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.GR
AI总结 提出VolHuMe数据集，包含104名受试者的高质量4D人体扫描，提供SMPL-X、高分辨率网格等多模态真值，用于3D/4D人体重建基准测试。
