Online Change-Point Detection with Persistent Laplacian Features
用于在线变点检测的校准持久拉普拉斯累积和
专题命中 点云 ：point cloud(abstract)
AI总结 针对高维非线性时间序列在线变点检测，提出PL-CUSUM方法，将滑动窗口转为点云，用持久拉普拉斯谱构建监测分数，分析关键性能标准，给出阶段程序，实验表明其能稳定控制误报且检测性能有竞争力。
Comments 51 pages, 9 figures
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 134 篇
Vector alignment in matrix Lie groups
矩阵李群中的向量对齐
专题命中 点云 ：point cloud(abstract)
AI总结 提出一种李代数方法，通过伪逆、矩阵对数、投影到李代数和矩阵指数四步，实现任意矩阵李群中向量对齐的精确求解，并给出牛顿校正以优化噪声数据下的性能。
Comments 23 pages, 14 figures, 2 tables
GA-VINO: A Geometry-Aware Variational Physics-informed Neural Operator for Mindlin-Reissner Plates
MR-GVNO：一种面向不规则域上Mindlin-Reissner板的几何感知变分物理信息神经算子
机构 * Institute of Computational Mechanics × AI & College of Intelligent Robotics and Advanced Manufacturing, Fudan University（计算力学与人工智能学院及智能机器人与先进制造学院，复旦大学） ； School of Aerospace Engineering, Xiamen University（航空航天工程学院，厦门大学） ； Department of Engineering Mechanics, Tsinghua University（工程力学系，清华大学） ； Institute of Photonics, Department of Mathematics and Physics, Leibniz University（光子研究所，数学与物理系，莱比锡大学） ； Institute of Structural Mechanics, Bauhaus-Universität Weimar（结构力学研究所，魏玛 Bauhaus-Universität）
专题命中 点云 ：point cloud(abstract)
AI总结 提出MR-GVNO，一种几何感知变分神经算子，通过边界点云表示不规则几何，利用交叉注意力机制融合多物理场输入，基于离散总势能的变分物理信息损失无监督训练，实现对Mindlin-Reissner板问题的快速准确预测。
Analysis of Semi-Supervised Learning on Hypergraphs
超图上的半监督学习分析
机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of Warwick（沃里克大学）
专题命中 点云 ：point cloud(abstract)
AI总结 研究超图上的半监督学习问题，提出高阶超图学习（HOHL）方法，通过分析随机几何超图上的变分问题，确定缩放机制，证明离散极小值收敛，还给出多尺度拉普拉斯替代并证明收敛，数值实验验证了高阶正则化的实用性。
Maximum diversity and weighting for invariants of periodic time series
周期时间序列不变量的最大多样性与加权
专题命中 点云 ：point cloud(abstract)
AI总结 本文聚焦周期时间序列不变量，基于量和最大多样性的连续性成果，研究加权连续性及对应最大多样性的变化。通过引入新不变量用于时间序列分析，并进行简单机器学习实验，结果表明所提不变量提升了性能。
Comments 30 pages, 8 figures, 7 tables
Persistent Stiefel-Whitney Classes of Tangent Bundles
切丛的持久施蒂费尔 - 惠特尼类
专题命中 点云 ：point cloud(abstract)
AI总结 研究如何从有限点样本计算切丛的施蒂费尔 - 惠特尼类，核心方法是构建单纯复形滤链计算持久上同调并应用吴公式，该算法时间复杂度为多项式，能在多种情况下准确计算出切丛的此类拓扑不变量。
Comments 27 pages, 4 figures
Circular Max-Flow for Periodic Data via Reeb Graphs
基于Reeb图的周期数据环形最大流
专题命中 点云 ：point cloud(abstract)
AI总结 针对周期性边界条件数据，利用Reeb图将空间几何简化为有向一维隧道网络，并引入容量约束定义环形最大流，通过线性优化求解，无需指定进出口。
ABE-VVS: Attribute-Based Encrypted Volumetric Video Streaming
ABE-VVS：基于属性的加密体积视频流
专题命中 点云 ：point cloud(abstract)
AI总结 提出ABE-VVS框架，通过选择性加密点云坐标实现轻量级DRM，降低计算开销和延迟，实验表明仅加密X坐标可减少50%加密时间和80%解密时间，并实现零缓冲。
Comments Version 2: Extended to include experiments with RAM-based caching. The manuscript now contains 11 pages and 7 figures (including subfigures)
Unification of Signal Transform Theory
信号变换理论的统一
专题命中 点云 ：3D vision(abstract)
AI总结 本文基于代数多样性框架，统一了多种信号变换及其连续形式，揭示了其作为协方差不变性的本征基的原理，并提出了基于匹配群发现的算法。
Comments v2: Added Hankel, Hankel (cont.), AR(m)/pedagogical remarks, 10 new references; v3: Added material on matched transforms without a group (non-Schurian association schemes) and a code repository link; v4: Added Dunkl transform theorem
VDW-GNNs: Vector diffusion wavelets for geometric graph neural networks
VDW-GNNs：面向几何图神经网络的向量扩散小波
机构 * Program in Computing, Boise State University, Boise, Idaho, USA（博伊西州立大学计算项目） ； Department of Mathematics, UCLA, Los Angeles, CA, USA（洛杉矶大学数学系） ； Department of Computer Science, Yale University, New Haven, CT, USA（耶鲁大学计算机科学系） ； Department of Genetics, Yale University, New Haven, CT, USA（耶鲁大学遗传学系） ； Department of Mathematics, Boise State University, Boise, Idaho, USA（博伊西州立大学数学系）
专题命中 点云 ：point cloud(abstract)
AI总结 提出向量扩散小波（VDW），受向量扩散映射算法启发，可有效融入几何图神经网络（VDW-GNNs），在合成点云和真实风场、神经活动数据上表现良好，并证明其具有框架理论和旋转平移对称性。
Comments Presented at ICML 2026. A previous, shorter version of this work was presented in the "New Perspectives in Advancing Graph Machine Learning" workshop at NeurIPS 2025
Computation of degree-1 persistent homology on larger point-clouds using the Reduced Vietoris-Rips filtration
使用简化 Vietoris-Rips 过滤计算更大点云上的 1 次持续同调
专题命中 点云 ：point cloud(abstract)
AI总结 提出一种算法，利用简化 Vietoris-Rips 过滤高效计算低维欧氏空间中更大点云的 1 次持续同调，降低了计算复杂度。
Comments 54 pages, 19 figures, 5 tables
Discovering Symmetry Groups with Flow Matching
通过流匹配发现对称群
机构 * University of Cambridge（剑桥大学）
专题命中 点云 ：point cloud(abstract)
AI总结 提出LieFlow框架，将对称发现转化为李群上的分布学习问题，无需固定基或分布假设，能统一发现连续和离散对称，实验优于LieGAN。
Matching correlated VAR time series
匹配相关VAR时间序列
专题命中 点云 ：point cloud(abstract)
AI总结 研究匹配两个相关VAR时间序列数据库的问题，提出概率框架，通过线性分配估计器实现完美或部分恢复，并利用凸松弛高效求解。
Conic Formulations of Transport Metrics for Unbalanced Measure Networks and Hypernetworks
非平衡测度网络与超网络的运输度量锥形公式
专题命中 点云 ：point cloud(abstract)
AI总结 提出基于半耦合的锥形Gromov-Wasserstein距离新公式，扩展至网络与超网络比较，证明缩放、收敛和鲁棒性性质，并设计块坐标上升算法。
Comments 41 pages, 6 figures
