3D 视觉

Contour-Constrained Deformable Registration with Parameter Characterization for Head and Neck Surgical Guidance

面向头颈外科引导的带参数表征的轮廓约束可变形配准

Qingyun Yang, Jon S. Heiselman, Ayberk Acar, Morgan J. Ringel, Michael I. Miga, Matthieu Chabanas, Michael C. Topf, Jie Ying Wu

机构 * Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） 纠错

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

AI总结 提出一种基于正则化Kelvinlet基函数的可变形配准框架，通过表面点云、基准标记和轮廓约束校正术后组织变形，在9例头颈标本上将配准误差从刚性配准的11.11mm降至5.62mm，降幅达49.41%。

Viking Hill Dataset: A Lidar-Radar-Camera Dataset for Detection and Segmentation in Forest Scenes

Viking Hill数据集：用于森林场景检测与分割的激光雷达-雷达-相机数据集

Vladimír Kubelka, Oleksandr Kotlyar, Unal Artan, Martin Magnusson

机构 * Örebro University（奥雷布罗大学） ； AASS research centre（AASS研究中心） ； Robot Navigation and Perception Lab（机器人导航与感知实验室） 纠错

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

AI总结 提出首个包含4D成像雷达的森林多传感器数据集，通过MinkowskiUNet实现雷达与激光雷达点云的语义分割，并评估树干分割质量与树木尺寸的关系。

Comments 33 pages, 11 figures

SP-TransientBench: A Real-Captured Single Photon Perception Benchmark

SP-TransientBench: 一个真实捕获的单光子感知基准

Hongzhou Dong, Zili Zhang, Ziting Wen, Yiheng Qiang, Runrong Deng, Wenle Dong, Ziwen Jiang, Xinyang Li, Rui Lu, Shuoyao Sun, Wenyu Wang, Ziyi Xia, Haitao Zheng, Guodong Shi, Xiaoqiang Ren

机构 * Shanghai University（上海大学） ； Southern University of Science and Technology（南方科技大学） ； The University of Sydney（悉尼大学） 纠错

专题命中 点云 ：3D vision(abstract)；分类 cs.CV

AI总结 针对单光子LiDAR在真实场景中因噪声和多回波瞬态现象导致的感知挑战，提出包含10个场景、10297个视角的真实捕获多任务基准STB，支持深度估计、多视图重建和3D语义理解评估。

C-ARC: Continuous-Adaptive Range Clustering for Non-Repetitive LiDAR Sensors

C-ARC: 面向非重复式LiDAR传感器的连续自适应范围聚类

Nick B. Schroeder, Jonathan Lichtenfeld, Oskar von Stryk

机构 * Technical University of Darmstadt（德累斯顿技术大学） ； Simulation, Systems Optimization and Robotics Group（仿真、系统优化与机器人组） 纠错

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

AI总结 提出C-ARC框架，通过滑动窗口上的持久双图结构解耦高频点插入与按需聚类检索，并利用指数控制环自适应校准网格分辨率，实现非重复式LiDAR点云的实时聚类。

Comments Submitted to IEEE Robotics and Automation Letters. This work has been submitted to the IEEE for possible publication. 8 pages, 7 figures

SegmentAnyTreeV2: Scaling Transformer-Based Tree Instance Segmentation Across Sensors, Platforms, and Forests

SegmentAnyTreeV2：跨传感器、平台和森林的基于Transformer的树木实例分割扩展

Maciej Wielgosz, Stefano Puliti, Rasmus Astrup

机构 * Norwegian Institute of Bioeconomy Research (NIBIO)（挪威生物经济研究所（NIBIO）） 纠错

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

AI总结 提出SegmentAnyTreeV2，一种传感器和平台无关的森林点云语义与实例分割框架，结合Point Transformer v3骨干网络、轻量语义头和树木交叉注意力掩码解码器，在FOR-instance v3基准上达到90.5%精度和80.2%召回率，并展现出强跨域泛化能力。

Comments 25 pages, 6 figures, 10 tables, Corrected bibliography metadata and minor typographical issues; results unchanged

A Hybrid Optimization Framework for Grasp Synthesis under Partial Observations

一种用于部分观测下抓取合成的混合优化框架

Wenzheng Zhang, Fahira Afzal Maken, Tin Lai, Fabio Ramos

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Data61, CSIRO（澳大利亚联邦科学与工业研究组织Data61） ； NVIDIA（英伟达） 纠错

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

AI总结 提出结合基于学习的能量模型与解析迭代最近点方法的混合框架，从部分观测点云生成鲁棒抓取，在67个物体5360次抓取尝试中平均成功率达60.9%，优于现有方法。

Journal ref ICRA2026

SGFormer++: Semantic Graph Transformer for Incremental 3D Scene Graph Generation

SGFormer++：用于增量式3D场景图生成的语义图Transformer

Mengshi Qi, Changsheng Lv, Zijian Fu, Xianlin Zhang, Huadong Ma

机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（北京邮电大学网络与交换技术国家重点实验室） 纠错

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

AI总结 提出SGFormer++，通过图嵌入层和语义注入层实现全局消息传递，并引入空间引导特征适配器和级联二值预测头解决增量场景图生成中的灾难性遗忘问题，在3DSSG基准上达到最优性能。

NEST3D: A High-Resolution Multimodal Dataset of Sociable Weaver Tree Nests

NEST3D：织布鸟树巢的高分辨率多模态数据集

Constanza A. Molina Catricheo, Simon Boeder, Ting-Jia Guo, Giacomo May, Clément Berthelot, Devis Tuia, Friedrich Fedor Reinhard, Fabio Remondino, Benjamin Risse

机构 * Institute for Geoinformatics (ifgi), University of Münster（明斯特大学地理信息学研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所） ； University of Konstanz（康斯坦茨大学） ； Kuzikus Research Station（库兹库斯研究站） ； Fondazione Bruno Kessler (FBK)（布鲁诺·凯斯勒基金会） 纠错

专题命中 点云 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 针对织布鸟巢缺乏精细3D结构数据的问题，提出包含104棵巢树、1.4TB多模态无人机数据集，并基准测试语义分割方法，PT-v3达86.35% mIoU。

Comments 14 pages, 4 figures. Dataset available at https://huggingface.co/NEST3D

A Machine Learning Framework for Real-Time Personalized Ergonomic Pose Analysis

一种用于实时个性化人体工学姿态分析的机器学习框架

Manex Atxa, Bruno Simoes, Julen Balzategui

机构 * Vicomtech Foundation（Vicomtech基金会） ； Basque Research and Technology Alliance（巴斯克研究与技术联盟） ； BRTA 纠错

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

AI总结 提出利用三维体积视频数据实时预测人体工学/非工学姿态的方法，结合3D点云多角度分析与个性化深度学习分类器，克服固定视角遮挡问题，实现实时评估。

Comments 13 pages, 7 figures, conference 24CMH

Camera and LiDAR BEV Fusion for Cooperative 3D Object Detection on TUMTraf V2X

用于TUMTraf V2X协同3D目标检测的相机与LiDAR BEV融合

Muhammad Shahbaz, Shaurya Agarwal

机构 * Department of Civil, Environmental and Construction Engineering, University of Central Florida（中佛罗里达大学土木、环境与建筑工程系） 纠错

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

AI总结 提出一种融合路边相机与基础设施-车辆点云的BEV空间检测器，采用CenterPoint风格头部和IoU重排序，在DriveX 2026挑战赛公开测试集上达到0.85 mAP，并分析了训练/验证与测试集重叠对分数的影响。

Fourier Features Let Agents Learn High Precision Policies with Imitation Learning

傅里叶特征让智能体通过模仿学习学习高精度策略

Balázs Gyenes, Emiliyan Gospodinov, Jan Frieling, Enrico Krohmer, Nicolas Schreiber, Xiaogang Jia, Niklas Freymuth, Gerhard Neumann

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（FZI信息技术研究中心） 纠错

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

AI总结 提出在点云编码器中使用傅里叶特征映射，解决神经网络低频偏好导致的高精度操作问题，在多个基准和真实机器人上显著提升性能。

Comments Published as a conference paper at ICML 2026

Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps

从草图探索：利用先验地图加速无人机在大规模环境中的探索

Tiancheng Lai, Yuman Gao, Xiangyu Li, Ruitian Pang, Xingpeng Wang, Siqi Shen, Mengke Zhang, Yin He, Fei Gao, Chao Xu, Yanjun Cao

机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院工业控制技术研究所） ； Huzhou Institute, Zhejiang University, and Huzhou Key Laboratory of Autonomous System（浙江大学湖州研究院，湖州市自主系统重点实验室） ； Zhejiang Zhongyan Industry Co., Ltd（浙江中烟工业有限责任公司） ； Differential Robotics Technology Company（微分机器人技术有限公司） 纠错

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

AI总结 提出利用稀疏、未对齐甚至不一致的2D先验地图加速无人机大规模环境探索的框架，通过鲁棒的2D-3D点云配准和层次化视点规划，实现效率提升34.2%。

Comments 25 pages, 22 figures

WHU-Infra3D: A Full-stack Multi-modal Dataset and Benchmark for 3D Roadside Infrastructure Inventory

WHU-Infra3D：面向3D路边基础设施清单的全栈多模态数据集与基准

Chong Liu, Luxuan Fu, Xuyu Feng, Zhen Dong, Bisheng Yang

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS)（信息工程测绘遥感国家重点实验室） ； Wuhan University（武汉大学） 纠错

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

AI总结 提出WHU-Infra3D多模态基准数据集，覆盖三城市53.8公里，融合全景图像与LiDAR点云，提供2D-3D实例关联和跨帧跟踪，支持基础设施状态诊断与属性识别，填补自动化维护数据集空白。

Latent Spatial Memory for Video World Models

视频世界模型的潜在空间记忆

Weijie Wang, Haoyu Zhao, Yifan Yang, Feng Chen, Zeyu Zhang, Yefei He, Zicheng Duan, Donny Y. Chen, Yuqing Yang, Bohan Zhuang

机构 * Zhejiang University（浙江大学） ； Microsoft Research（微软研究院） ； Adelaide University（阿德莱德大学） ； Monash University（莫纳什大学） 纠错

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

AI总结 提出潜在空间记忆框架Mirage，通过在扩散潜在空间中直接构建和查询3D缓存，避免像素空间重建，实现高效视频生成，速度提升10.57倍，内存减少55倍。

Comments Project Page: https://aka.ms/latent-spatial-memory, Code: https://github.com/microsoft/LatentSpatialMemory

KPGrasp: Scalable Keypoint Flow Matching for Dexterous Grasp Generation

KPGrasp: 可扩展的关键点流匹配用于灵巧抓取生成

Yuansen Huang, Jiayi Chen, Haoran Liu, Yubin Ke, Bing Han, Jiangran Lyu, Mi Yan, Li Yi, He Wang

机构 * Peking University（北京大学） ； Galbot ； Xi’an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出KPGrasp框架，通过全欧几里得手部关键点参数化和Transformer流模型，从大规模数据学习灵巧抓取先验，无需接触损失或测试时优化，在模拟和真实场景中实现高成功率与低穿透深度。

Comments 14 pages, 7 figures, 6 tables

Video2Sim2Real: Full-Stack Autonomous Dexterous Skill Acquisition from a Single Human Video

Video2Sim2Real：从单个人类视频实现全栈自主灵巧技能获取

Yunhai Han, Jianuo Qiu, Linhao Bai, Ziyu Xiao, Zihang Zeng, Yangcen Liu, Zhaodong Yang, Shalin Jain, Wenrui Ma, Jiaqi Fu, Yuqian Zheng, Manisha Natarajan, Muhammad Zubair Irshad, Kenneth Shaw, Matthew Gombolay, Zsolt Kira, Harish Ravichandar

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Toyota Research Institute（丰田研究所） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 提出Video2Sim2Real框架，从单个人类操作视频中重建数字孪生并提取运动先验，通过物体关键帧优化机器人配置，结合残差强化学习与碰撞感知规划，实现从仿真到真实世界的灵巧技能迁移。

Comments Website: https://video2sim2real.github.io/

GVC-Seg: Training-Free 3D Instance Segmentation via Geometric Visual Correspondence

GVC-Seg: 基于几何视觉对应的免训练3D实例分割

Liang Xu, Fangjing Wang, Jinyu Yang, Feng Zheng

机构 * Victoria University of Wellington（惠灵顿维多利亚大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Southern University of Science and Technology（南方科技大学） 纠错

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

AI总结 提出GVC-Seg，一种免训练的3D实例分割方法，通过几何与视觉特征对应消除多模型集成中的置信度偏差，在多个基准上达到最优性能。

Comments 10 pages, 5 figures

Task Editing for Generalizable 3D Visuomotor Policy Learning

面向可泛化3D视觉运动策略学习的任务编辑

Jian-Jian Jiang, YiHan Yang, Lan Wei, Yuming Luo, Xiao-Ming Wu, Xuhang Chen, Bin Fan, Dandan Zhang, Wei-Shi Zheng

机构 * Sun Yat-sen University（中山大学） ； Imperial College London（帝国理工学院） ； Nanyang Technological University（南洋理工大学） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 提出Task-Edit框架，通过将任务分解为场景、技能和对象组件并灵活重组，生成多样化轨迹，提升3D视觉运动策略在长程操作任务中的泛化能力。

Comments 8 pages, 4 figures

Can Language Models Understand mmWave Data? Benchmarking Large Language Models for mmWave Radar-Based Human Understanding

语言模型能否理解毫米波数据？基于毫米波雷达的人类理解任务对大语言模型进行基准测试

Jeongwan Shin, Jaehyeon Kim, Donguk Ko, Jaeho Choi

机构 * DGIST（大邱庆北科学技术院） ； KAIST（韩国科学技术院） ； InnoCORE LLM 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本研究针对毫米波数据与大语言模型融合的研究空白，构建首个毫米波人类感知基准mmWave-QA，评估LLMs在该任务上的零样本推理潜力与视觉退化下的鲁棒性，为相关研究奠定基础。

Comments Accepted to CVPR 2026 Findings

A Dual Topological Pipeline for Imperial Network Analysis: Persistent Homology, Structural Fragility, and the Aztec Collapse

用于帝国网络分析的双拓扑管道：持续同调、结构脆弱性与阿兹特克帝国的崩溃

Jose de Jesus Bernal Alvarado, David Delepine, Carlos Pinedo Guadarrama

专题命中 点云 ：point cloud(abstract)

AI总结 本研究通过持续同调与双模型拓扑管道分析阿兹特克帝国多层网络，揭示其朝贡层结构脆弱性、特诺奇蒂特兰中心的关键作用、特拉斯卡拉区域的结构空洞，提出“空洞占据树”这一新帝国崩溃模式。

Comments 10 pages, 4 figures

Topological analysis of scale-invariant spatial fluctuations in ultrarelativistic heavy-ion collisions

超相对论重离子碰撞中标度不变空间涨落的拓扑分析

Salman Khurshid Malik, Ramni Gupta, Fakhar Ul Haider, Balwan Singh

专题命中 点云 ：point cloud(abstract)

AI总结 本文针对重离子碰撞中临界涨落信号微弱难以提取的问题，提出结合TDA与深度学习的两阶段拓扑机器学习框架，成功恢复归一化阶乘矩的幂律标度，确立了拓扑机器学习探测QCD临界点的工具价值。

Comments 16 pages, 12 figures

The Intersection Euler Characteristic Profile: Euler Calculus and Stability for Topological Interaction of Ball Unions

相交欧拉特征轮廓：球并集拓扑交互的欧拉演算与稳定性

Kazuhiro Kawamura, Sushovan Majhi, Atish Mitra

专题命中 点云 ：point cloud(abstract)

AI总结 该研究提出相交欧拉特征轮廓（Intersection ECP），基于欧拉演算刻画多球并集拓扑交互，具多项稳定性，可高效计算，其细化能解析精细交互，稠密采样下可恢复基础形状的同调与欧拉特征。

ED-DiT: Physics-Guided Diffusion Pretraining for Transferable Molecular Representations from Electron Density

ED-DiT：用于从电子密度学习可迁移分子表示的物理引导扩散预训练

Liang Shuang, Haocheng Wang, Jiayi Song, Shuquan Ye, Ben Fei

专题命中 点云 ：point cloud(abstract)

AI总结 本研究提出ED-DiT，一种物理引导的扩散Transformer，通过电子密度点云自监督预训练学习可迁移分子表示，在6项EDBench任务及低监督场景下均优于基线，展现出良好效果。

Comments 16 pages, 9 figures, 7 tables, including supplementary material

Multimodal Embeddings for 3D Similarity Search in Semantic Web-of-Things Digital-Twin Platforms

面向语义物联网数字孪生平台中三维相似度搜索的多模态嵌入

Oussama Zaid, Romaric Gaudel, Hassan Thomas, Maria Massri, Philippe Raipin-Parv{é}dy

专题命中 点云 ：point cloud(abstract)

AI总结 本文针对语义物联网数字孪生平台缺乏三维相似度搜索能力的问题，提出多模态嵌入框架，在Thing'in平台实现后经S3DIS验证，可支持混合本体-向量查询，满足相关领域的三维相似度搜索需求。

Journal ref 4th International Workshop on the Semantic WEb of EveryThing (SWEET 2026), co-located with ICWE 2026, Jun 2026, Lyon, France

Doubly Robust Functional Representation Learning for Longitudinal Causal Inference with Irregular Histories

针对具有不规则历史的纵向因果推断的双重鲁棒函数表示学习

Mengfei Ran, Yifeng Shen, Ruijie Guan

专题命中 点云 ：point cloud(abstract)

AI总结 针对不规则历史的纵向因果推断，提出DR-FRL交叉拟合工作流，通过函数与时间编码器映射状态、估计干扰项函数，经诊断验证后在模拟与VitalDB审计中表现出良好性能。

A Mathematical Framework for Topological Causal Data Analysis

拓扑因果数据分析的数学框架

Hugo Gobato Souto, Ioannis Diamantis

专题命中 点云 ：point cloud(abstract)

AI总结 该研究提出拓扑因果数据分析（TCDA）框架，区分结果级与分布级TCDA，构建对应识别与表示方法，明确观测拓扑在因果发现中的作用，为结构化对象的因果分析提供数学基础。

Voronoi Histograms for Adaptive Vectorization of Expected Persistence Diagrams

用于期望持久性图自适应向量化的Voronoi直方图

Kaifeng Zhang, Kai Ming Ting

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出用Voronoi直方图对期望持久性图（EPD）进行自适应向量化，建立了其稳定性界，在真实世界数据集的分类与降维任务中验证了该表示的有效性。

Watershed vs. Region Growing for Individual Tree Segmentation from Airborne LiDAR: An Urban Case Study in Bologna

基于机载激光雷达的单木分割：分水岭算法与区域生长法的对比——以博洛尼亚城市区域为例

Aldo Canfora, Tommaso Rondini, Matteo Falcioni, Mirko Degli Esposti

专题命中 点云 ：point cloud(abstract)

AI总结 该研究以博洛尼亚城市区域为案例，对比分水岭算法与区域生长法对机载LiDAR点云的单木分割效果，提取植被指标并构建交互式地图，为城市绿化规划提供可扩展基础。

Comments 26 pages, 21 figures

Generator-Aligned Representation Interfaces for Diagnostic Soft Equivariance

用于诊断软等变性的生成器对齐表示接口

Weitao Li, Gong Cheng

机构 * Tongji University（同济大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对精确等变架构复用复杂的问题，提出生成器对齐表示接口GARI，通过特定原则和残差形式化行为，实例化为GARI-Net，经实验验证其能支持变换一致性和泛化，为硬等变架构提供可移植诊断补充。

Many-point tropical relaxation and the Monge--Ampère equation

多点热带松弛与蒙日 - 安培方程

Nikita Kalinin, Ernesto Lupercio, Higinio Serrano, Mikhail Shkolnikov

专题命中 点云 ：point cloud(abstract)

AI总结 研究平面亚历山德罗夫蒙日 - 安培方程，构建关联驱动的热带逼近，通过结合多种方法，得到\(N^{-1/2}F_N\)的收敛性、曲率估计等结果，还包括随机点云极限、协方差及对角线相关结论。

Comments 62 pages, 3 figures