视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
Ground3D-LMM：基于LMM的细粒度3D点接地与空间推理
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Linköping University（林雪平大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究3D环境自然语言查询的可操作性问题，提出Ground3D-LMM统一模型，以点云等为输入，支持3D空间对话，能给出基于点的响应和度量数值输出，通过定义新任务、引入数据集验证，为3D对话理解提供强大基线。
Comments ECCV 2026
用于有限元分析的植物分支结构的过程性体素建模
专题命中 点云 ：point cloud(abstract)；分类 cs.GR
AI总结 针对精准农业等领域对植物建模的需求，提出自动体素过程性建模框架，能从输入骨架或点云生成适合有限元分析的六面体网格，经多步骤操作实现，在多植物数据集验证，还支持动态网格生成模拟植物生长。
Comments 31 pages, 15 figures
面向体积视频属性压缩的运动估计技术
机构 * University of Southern California（南加州大学） ； KDDI Research, Inc.（KDDI研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对点云属性时域冗余难消除的问题，提出三类运动估计编码方案，在有损几何条件下较现有标准最高可实现55.3%的平均码率节省。
3DMPE：3D多视角嵌入
机构 * Saint Louis University（圣路易斯大学） ； University of Utah（犹他大学） ； Technical University of Munich（慕尼黑工业大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究从多个部分观测的2D投影进行3D点云重建，提出3DMPE方法，基于优化且无需训练，能重建点云并估计投影图，扩展多视角同步嵌入以适应缺失点等，实验验证其有效性。
RAF：用于恶劣天气下稳健3D目标检测的相机、激光雷达和4D雷达的可靠性感知融合
机构 * Visual Intelligence Lab., KAIST（韩国科学技术院视觉智能实验室）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对恶劣天气下多传感器3D目标检测难题，提出RAF方法，通过明确监督像素可靠性估计，利用预训练网络，仅训练新增相机分支等，实验证明该方法有效提升检测精度。
Comments ECCV 2026
使用多模态大语言模型从几何标签到室内建筑组件的语义理解
机构 * School of Qilu Transportation, Shandong University（山东大学齐鲁交通学院） ； Guangzhou Institute of Geography, Guangdong Academy of Sciences（广东省地理研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究针对室内建筑组件，提出以点云为中心的多模态大语言模型Building-MLLM，通过特定机制解决语义集中问题，开发引擎编译数据集，实验表明其在多任务上表现优异，提升室内组件语言理解。
Comments 46 pages, 13 figures, accepted by Automation in Construction journal
ROBOCYCLE：用于回收应用的自主双臂机器人操作与协调
机构 * Tecnologico de Monterrey, School of Engineering and Sciences, Department of Computer Science（墨西哥蒙特雷理工大学工程学院与科学学院计算机科学系） ； National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 针对城市垃圾处理难题，介绍ROBOCYCLE平台，集成多视图RGB-D感知、基于变压器的实例分割及6自由度抓取规划，有效处理不规则和可变形垃圾，取得高成功率，为现实环境自主垃圾管理提供方案。
学习抑制基于单光子雪崩二极管（SPAD）的激光雷达耀斑
机构 * Centre for Vision, Speech and Signal Processing, University of Surrey, UK（英国萨里大学视觉、语音和信号处理中心） ； Advanced Technology Center, Sony (China) Ltd., China（索尼（中国）有限公司先进技术中心）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对基于SPAD的激光雷达耀斑问题，将其重构成语义分割问题，提出基于物理信息的激光雷达耀斑分割方法，通过聚合跨回波信息联合编码特征，实验表明该方法显著优于其他模型。
超越点附着语义：用于可泛化操作的以对象为中心的语义场
机构 * Department of Mechanical of Automation Engineering（机械与自动化工程系）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 研究可泛化机器人操作中功能对象部分的稳定3D理解问题，提出以对象为中心的连续语义场，用部分注释模型训练并冻结，实验表明该表示提供更稳定线索并提升策略性能。
自动驾驶中基于LiDAR的3D物体检测的全面鲁棒性分析
机构 * Institute for TMDT, University of Wuppertal, Germany（TMDT研究所，乌尔姆大学，德国） ； IKB Faculty of Science, University of British Columbia, Canada（科学学院，不列颠哥伦比亚大学，加拿大）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对LiDAR-only 3D物体检测模型对抗鲁棒性研究不足的问题，提出一个综合评估框架，通过结构因子（点云密度、定位）和预测因子（误分类、定位误差、自车距离）分析，发现高容量体素检测器比支柱检测器更易受结构化坐标扰动，非锚点检测器鲁棒性差。
Comments Accepted at ECCV 2026 main
UnderOneFacade：全球立面语义分割基准数据集
机构 * Technical University of Munich（慕尼黑工业大学） ； University of Cambridge（剑桥大学） ； University of Nottingham（诺丁汉大学） ； National University of Singapore（新加坡国立大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对现有立面解析数据集地理范围窄、语义不一致的问题，提出全球最大跨国家、跨洲的3D立面基准UnderOneFacade，包含27亿标注点，评估多种模型并揭示其跨域性能下降，为鲁棒可迁移的3D分割模型提供基准。
Comments accepted by ECCV 2026
C2E: 通过多教师对比知识蒸馏提升仅自我3D目标检测
机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, Xiamen University（福建省城市智能感知与计算重点实验室，厦门大学） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（多媒体可信感知与高效计算教育部重点实验室，厦门大学） ； Zhongguancun Academy（中关村学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出C2E范式，通过多对一智能体对比知识蒸馏框架M2S，结合多级特征增强、辅助点云重建和多教师对比蒸馏，在无通信成本下提升仅自我3D检测性能，在多个数据集上验证有效性。
Comments 18 pages, 8figures
Journal ref ECCV 2026
DriveWeaver: 基于点云条件的视频修复用于自动驾驶仿真中的可控车辆插入
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出DriveWeaver框架，通过点云条件视频修复实现自动驾驶仿真中可控车辆插入，解决光照不一致和3D资产依赖问题，支持大规模场景增强。
Comments Accepted at ECCV 2026, Project Page: https://github.com/LogosRoboticsGroup/DriveWeaver
NoPA: 非参数化在线3D场景图生成
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对现有3D场景图生成方法无法实时运行的问题，提出NoPA，用非参数化分布表示物体，保留几何细节，并通过基于最大均值差异的合并策略和关系传播，实现实时且准确的在线场景图生成。
Comments This paper has been accepted in ECCV 26
ELMP: 通过解析策略梯度实现高效运动规划学习
机构 * Robotic Systems Lab, ETH Zürich（苏黎世联邦理工学院机器人系统实验室） ； ABB（ABB公司） ； ANYbotics（ANYbotics公司）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 提出ELMP框架，利用可微运动学层和自监督微调，通过密集碰撞、目标到达和平滑性目标直接优化策略，避免专家数据收集，实现数据高效的运动规划适应。
Comments 8 pages, 7 figures, 4 tables
FLORA: 一种从异构LiDAR数据预测森林属性的深度学习方法
机构 * Univ Gustave Eiffel, Géodata Paris, IGN, LASTIG（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LASTIG） ； Univ Gustave Eiffel, Géodata Paris, IGN, LIF（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LIF） ； Université de Lorraine, Géodata Paris, IGN, LIF（洛林大学，巴黎地理数据，IGN，LIF）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出FLORA框架，利用八叉树骨干网络与生态时空辅助变量，从异构LiDAR点云预测六种森林属性，在法国32,052个样地验证，主导高rRMSE约12.3%。
RESOLVE：用于路边协同感知的多分辨率多模态数据集
机构 * The Polytechnic School, Arizona State University（亚利桑那州立大学理工学院） ； Department of Computer Science and Engineering, New York University（纽约大学计算机科学与工程系）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出RESOLVE数据集，包含多分辨率LiDAR和相机-LiDAR同步数据，用于评估路边3D检测与跟踪中的单模态与融合架构，揭示多模态融合如何补偿LiDAR点稀疏性。
Comments Accepted to ECCV 2026. Including supplementary material
DualBrep：用于B-rep建模的双场连续表示
专题命中 点云 ：point cloud(abstract)；分类 cs.GR
AI总结 提出DualBrep，通过有符号距离函数和无符号距离场双场统一B-rep的几何与拓扑，结合隐空间流匹配实现无误差累积的生成建模，并支持从点云逆向工程和生成建模。
Comments Published in SIGGRAPH 2026; Code is available at https://github.com/AutodeskAILab/DualBrep
缓解3D掩码自编码器中的位置泄漏以实现鲁棒表示学习
机构 * SKLCCSE, Beihang University（北京航空航天大学软件开发环境国家重点实验室） ； SCSE, Beihang University（北京航空航天大学计算机学院） ； NERCBDS, EIRI, Tsinghua University（清华大学电子工程系智能技术与系统国家重点实验室） ； SASEE, Beihang University（北京航空航天大学自动化科学与电气工程学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对3D掩码自编码器中位置信息过度依赖导致语义表示弱化的问题，提出MPL-MAE框架，通过重校准位置嵌入和门控位置接口模块，平衡空间先验与语义特征，提升下游任务性能。
PruneGround: 用于3D视觉定位的即插即用空间剪枝框架
机构 * Knovel Engineering Lab（Knovel工程实验室） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； ELLIS Institute（ELLIS研究所） ； Max Planck Institute（马克斯·普朗克研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出PruneGround框架，通过语言引导的空间剪枝、多视角描述重构和LLM定位器，在剪枝区域高效定位目标，在多个基准上取得最优结果。
Comments Preprint
FROST：基于冻结特征和非参数统计的无训练少样本分割
机构 * TelePIX
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出FROST，一种无训练少样本分割方法，将参考前景和背景视为冻结DINOv3特征单位球上的点云，通过非参数密度比标记查询像素，在遥感基准上超越现有方法。
Comments 20 pages
UAV-MapFusion: RTK对齐的不确定性感知粗到细多会话无人机建图
机构 * College of Automation, Harbin Engineering University（哈尔滨工程大学自动化学院） ； Department of Mechanical Engineering, University of Hong Kong（香港大学机械工程系） ； College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机电与控制工程学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 提出一种不确定性感知的多会话点云地图合并与粗到细优化系统，通过RTK时空对齐和迭代平面因子优化，在抑制长距离漂移的同时保持局部几何精度。
Comments 8 pages, 5 figures, accepted by IEEE Robotics and Automation Letters (RA-L)
异构与专长快照蒸馏用于3D语义分割
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Hangzhou Dianzi University（杭州电子科技大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出异构和专长快照知识蒸馏（HAS-KD），通过信息导向异构蒸馏（IHD）和专长快照蒸馏（ASD）将多模态模型和多个模型专家的知识高效迁移到点云网络，在ScanNetV2和S3DIS上取得最先进结果。
Comments 11 pages
Swazure: 飞行光点的群体姿态测量
机构 * University of Southern California（南加州大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 针对飞行光点（FLS）在传感器最佳范围外无法相互跟踪的问题，提出Swazure方法，通过FLS间协作解决缺失传感器数据，实现物理数据独立性，并引入两种启发式算法处理遮挡。
Comments Appeared in Proceedings of the Holodecks Foundation, Vol. 2, No. 3
通过几何感知蒸馏提升文本驱动视频分割
机构 * Beijing Institute of Technology（北京理工大学）
专题命中 点云 ：spatial understanding(abstract)；分类 cs.CV
AI总结 提出GeoLaV两阶段框架，通过单目几何预训练和几何感知蒸馏，将3D几何知识从图像迁移到视频，提升文本驱动视频分割的时空一致性和语言定位能力，在多个基准上达到最优。
Comments Accepted by ECCV2026
零样本测试时规范化使用分布外评分
机构 * Artificial Intelligence Lab, Otto-von-Guericke University Magdeburg（马格德堡大学人工智能实验室） ； University of Rostock（罗斯托克大学） ； Becker Lab, University of Marburg（马尔堡大学贝克尔实验室）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出将测试时规范化重新定义为分布外检测问题，系统评估约20种OOD评分和9种搜索算法，发现基于距离的评分配合随机搜索与局部细化效果最佳，并引入门控机制保护分布内精度。
ShotcreteDepth：用于喷射混凝土施工环境中鲁棒机器人深度感知的双模态数据集
机构 * Technical University of Denmark, Department of Electrical and Photonics Engineering（丹麦技术大学电气与光子工程系） ； Pioneer Centre for AI（人工智能先锋中心） ； Christiansen & Essenbæk A/S（Christiansen & Essenbæk 公司）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 针对喷射混凝土施工环境中的感知挑战，提出双模态数据集ShotcreteDepth，包含立体RGB图像和LiDAR点云，并附带轻量级标注工具，支持立体匹配、深度补全和深度估计研究。
基于ROS 2--MQTT的地中海温室中机器人与机器人及人机协作的集成云架构
机构 * Department of Informatics, CIESOL, ceiA3, Universidad de Almería（阿尔梅里亚大学信息学系，CIESOL，ceiA3） ； Department of Engineering, CIESOL, ceiA3, Universidad de Almería（阿尔梅里亚大学工程系，CIESOL，ceiA3）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 提出一种基于MQTT和FIWARE的云混合架构，桥接ROS 2边缘计算与iVeg决策支持系统，解决地中海温室通信约束下的多机器人协同问题，验证了在恶劣网络条件下保持连接和数据完整性的能力。
一种用于风力涡轮机转子叶片近距离检测的无人机载传感器网络
机构 * Department of Computer Science XVII: Robotics Julius-Maximilians Universit\" a t W\" u rzburg W\" u rzburg, Germany ； Research ； Elektronik-Entwicklung Oktopus GmbH Kiel, Germany
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 提出一种无人机载多模态传感器网络，结合RGB相机、热红外相机和3D扫描仪，通过共校准实现几何、颜色和热数据的空间叠加，解决近距离检测中的平台运动、大视场和毫米级精度问题。
Comments The Aerial Inspection for Marine Infrastructures (AIMI) workshop
基于无人机多模态视觉系统的边坡变形自动监测与灾害检测
机构 * South China Normal University（华南师范大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出一种基于无人机LiDAR的自动化边坡灾害检测流程，包括数据采集、地面点提取、单次观测灾害筛查和多次观测变形监测，实现厘米级形变量化与危险区域识别。
Comments 29 pages, 14 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈