3D 视觉

Data-Driven Diffusion Processes on Differential Forms via the Projected Ambient Connection Laplacian

通过投影环境联络拉普拉斯算子在微分形式上进行数据驱动的扩散过程

Alvaro Almeida Gomez, Jorge Duque Franco

专题命中 点云 ：point cloud(abstract)

AI总结 研究如何通过投影环境联络拉普拉斯算子对微分形式进行数据驱动的扩散过程，基于新颖表示构造矩阵值扩散算子，有渐近最优核带宽缩放，推导显式欧拉格式并经数值实验验证，为几何偏微分方程数值逼近奠定基础。

Comments Comments are welcome

PI-GINOT: Data-free geometry-informed neural operator learning for finite-strain hyperelasticity on parametric DogBone specimens

PI-GINOT：用于参数化狗骨形试件有限应变超弹性的无数据几何信息神经算子学习

Aamir Dean, Betim Bahtiri

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对参数化非线性固体力学模拟成本高的问题，提出PI-GINOT这一无数据几何信息神经算子，通过特定方法预测狗骨形试件有限应变超弹性响应，经训练和验证，在多个测试几何形状上取得一定精度结果，揭示了局部应力分辨率待提升之处。

From Dark Matter to Galaxies: Halo-Free Mock Generation via Conditional Point-Cloud Diffusion

从暗物质到星系：通过条件点云扩散生成无晕模拟

Kana Moriwaki, Ken Osato, Naoki Yoshida

专题命中 点云 ：point cloud(abstract)

AI总结 研究提出基于扩散的生成模型，以暗物质密度场为输入生成含位置和物理性质的星系点云。在IllustrisTNG模拟目录上训练，能再现星系与暗物质场关系及多种分布，还可绕过晕发现，为相关实验提供实用引擎及新推断途径。

Comments 9 pages, 9 figures, submitted to MNRAS

Topological Signatures of Context-Level Reliability in TabPFN

TabPFN中上下文级可靠性的拓扑特征

James Hu, Mahdi Ghelichi

机构 * TD Bank（道明银行） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究TabPFN在复杂表格几何上的内部行为，用曲折持久同调将其层表示视为点云，构建合成表格任务基准。发现其内部表示几何拓扑与数据集级可靠性相关，复杂几何有双重拓扑特征，相关描述符与多种指标有关，能诊断可靠性及运行状态。

Calibrated Alzheimer's Conversion Risk in Mild Cognitive Impairment: Persistent Homology of Clinical Trajectories with Conformal Guarantees

轻度认知障碍中经过校准的阿尔茨海默病转化风险：具有共形保证的临床轨迹的持久同调

Navin Bondade

机构 * Institute of Health Informatics, University College London（伦敦大学学院健康信息学研究所） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究旨在预测MCI到AD的转化，将持久同调用于临床轨迹点云，结合多种特征构建堆叠集成模型。校正泄漏源，经交叉验证等实验，模型有竞争力的准确性，提出H0持久熵为拓扑生物标志物，实现个体层面不确定性量化。

Comments 17 pages, 6 figures, 2 tables. Data from the Alzheimer's Disease Neuroimaging Initiative (ADNI). Code available upon reasonable request

Adaptive Mamba Neural Operators

自适应曼巴神经算子

Zeyuan Song, Zheyu Jiang

专题命中 点云 ：point cloud(abstract)

AI总结 研究如何准确求解任意几何形状和各种网格上的偏微分方程，提出自适应曼巴神经算子，通过构建竹内 - 马尔姆奎斯特系统集成再生核，在多个领域的基准问题上，其相对\(L^2\)误差优于现有求解器，为神经算子框架设计提供新范例。

Comments 22 pages, accepted by ICLR 2026 conference (https://openreview.net/forum?id=OenyzvFZPs)

FEVessel: Mesh-Independent Analysis of 3D Pressure Vessels with the Label-Free Pretrained Finite Element Method

FEVessel：基于无标签预训练有限元方法的三维压力容器网格无关分析

Yipin Sun, Yizheng Wang, Yuzhou Lin, Baiyang Zheng, Xiaoying Zhuang, Timon Rabczuk

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对三维压力容器分析中有限元方法的局限，提出FEVessel，通过编码点云、预训练算子及热启动求解器，实现跨材料等通用分析，降低误差，加速求解，能在不同网格转换且无需标签，消除手动网格修复。

ChemFusion: A Multimodal Cross-Attention Network for Reaction Yield Prediction

ChemFusion：用于反应产率预测的多模态交叉注意力网络

Qiwei Han, Chi Zhou

机构 * Duke University（杜克大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究过渡金属催化反应产率预测难题，提出ChemFusion多模态交叉注意力网络，融合电子特征与3D原子坐标，用交叉注意力机制，在交叉偶联库基准测试中性能出色，还能自主学习识别和惩罚空间位阻，提供物理可解释性。

Comments 10 pages, 4 figures, 2 tables

BODIESReg: An Open-Source Pipeline for Registering 3D Body Scans Using Pose-Aligned Initialization

BODIESReg：一种使用姿态对齐初始化来配准3D人体扫描的开源管道

Vikash Chaurasia, Judit Cueto Fernandez, J. Micah Prendergast, Eline van der Kruk

专题命中 点云 ：point cloud(abstract)

AI总结 研究针对生物力学模型个性化需准确识别解剖标志等，提出开源管道BODIESReg，通过姿态对齐初始化解决配准难题，在两个数据集上评估，自动配准成功率高，误差低，还提供手动校正工具，支持3D人体扫描大规模配准。

Cluster-Aware Matching via Laplacian Optimal Transport

通过拉普拉斯最优传输实现聚类感知匹配

Gabriel Samberg, YoonHaeng Hur, Yuehaw Khoo, Nir Sharon

机构 * Department of Applied Mathematics, Tel Aviv University（特拉维夫大学应用数学系） ； Department of Statistics, Columbia University（哥伦比亚大学统计系） ； Department of Statistics, University of Chicago（芝加哥大学统计系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 针对点云具有聚类结构的匹配问题，提出基于拉普拉斯最优传输（LapOT）的聚类感知匹配方法，用二次拉普拉斯项正则化最优传输问题，引入RSC方法，经理论分析和实验证明该方法能实现点云间更一致且有意义的对齐。

HyperShadow: A Benchmark for Detecting 3D Projections of Higher-Dimensional Spatial Objects

HyperShadow：用于检测高维空间对象3D投影的基准测试

Akshay Sasi

专题命中 点云 ：point cloud(abstract)

AI总结 HyperShadow是用于检测高维空间对象3D投影的基准测试，通过190k参数点网络及零参数刚性见证进行检测，能在不同损坏层级达到高准确率和泛化率，为研究三维解释不兼容性提供工具，数据等已公开。

Comments 8 pages, 5 figures. Code: https://github.com/AkshaySasi/hypershadow. Dataset: https://huggingface.co/datasets/AkshaySasi/hypershadow

M3F-UAV: A Missing-Modality Multimodal Foundation Model for Low-Altitude Wireless Sensing

M3F-UAV：一种用于低空无线传感的缺失模态多模态基础模型

Pengxuan Gao, Kai Ying, Botao Wu, Jianhua Mo, Qingsong Wen

专题命中 点云 ：point cloud(abstract)

AI总结 针对复杂环境下单模态模型可靠性低的问题，提出M3F-UAV模型，通过特定模态预训练特征提取器、跨模态融合及缺失模态感知预训练，从多观测中学习统一表示，在LAMBDA数据集实验中性能优于单模态基线且在缺失模态下稳健。

Manifold Constrained Conformal Prediction for Spatial Events

空间事件的流形约束共形预测

Collin Nill, Trevor Harris, Jason Adams

机构 * Department of Statistics University of Connecticut（统计学系 美国康乃狄克大学） ； Sandia National Laboratories（桑地亚国家实验室） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 该研究针对空间事件预测，提出基于将空间点云表示为经验测度，用（切片）瓦瑟斯坦距离评分，并约束预测集在训练数据流形附近的新共形预测方法，经实验其在覆盖及距离指标上优于基线。

Comments 21 pages, 10 figures, 4 tables

Integrating Physics-Informed Neural Networks and 3D Vascular Geometry Learning for Cerebral Aneurysm Detection and Multimodal Rupture-Risk Prediction

将物理信息神经网络与3D血管几何学习相结合用于脑动脉瘤检测和多模态破裂风险预测

Eshan Vipuil, Xianqi Li

专题命中 点云 ：point cloud(abstract)

AI总结 研究旨在结合物理信息神经网络与3D血管几何学习用于脑动脉瘤检测及多模态破裂风险预测。通过基于PointNeXt的检测器识别动脉瘤，利用物理信息神经网络生成血流动力学描述符，多模态模型整合多种变量预测风险，取得良好检测及预测效果，提供了定量多模态评估策略。

Spectral-Domain Deep Learning of Intrinsic Scattering Operators for Arbitrarily Shaped Compact 3D Particles

用于任意形状紧凑三维粒子的本征散射算子的谱域深度学习

Daize Li, Jiafu Shen, Yifei Liu, Bonan Zhang, Heping Xie

专题命中 点云 ：point cloud(abstract)

AI总结 研究任意形状三维粒子光学散射预测难题，提出双谱域神经散射模型，将粒子几何压缩为球谐系数，光学响应编码为T矩阵，经谱令牌变换器训练，能恢复模态结构、再现散射图，确立谱域算子学习为有效预测途径。

Geometric planted matchings in high dimensions: The power of multiple views

高维几何植入匹配：多视图的力量

Timothy L. H. Wee, Kaylee Y. Yang, Zhou Fan, Cheng Mao

专题命中 点云 ：point cloud(abstract)

AI总结 研究\(\mathbb{R}^d\)中\(n\)个点与噪声置换版本的对应关系恢复问题，高维下\(b = 2\)是阈值。证明\(b < 2\)时无估计器能有效恢复。多视图推广中，\(b > K/(K - 1)\)时简单过程可恢复匹配，打破\(b = 2\)障碍。

Building confidence regions for Reeb graphs using the interleaving distance

使用交织距离构建Reeb图的置信区域

Matteo Pegoraro, Alberto Conforti, Mathieu Carrière

专题命中 点云 ：point cloud(abstract)

AI总结 该研究利用交织距离从有限样本为Reeb图开发置信区域，通过构建有限邻近图等方法，证明Reeb估计器稳定性界，导出置信区域，还比较了对象级度量与基于持久性保证，数值实验展示了特征识别及投影到Mapper图解释的过程。

Selecting Interpretable Circular Coordinates from Data

从数据中选择可解释的圆形坐标

Vincent P. Grande, Marina Meila

专题命中 点云 ：point cloud(abstract)

AI总结 研究从数据中选择可解释圆形坐标的问题，提出从候选字典选坐标的方法，在连续和离散设置下介绍相关方法及证明，通过实验验证该方法在合成示例、分子模拟和神经记录上的有效性。

Any-Dimensional Learning by Sampling

通过采样进行任意维度学习

Eitan Levin, Venkat Chandrasekaran

机构 * Department of Statistics University of Chicago（统计学系芝加哥大学） ； Department of Computing and Mathematical Sciences Department of Electrical Engineering California Institute of Technology（计算与数学科学系电气工程系加州理工学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 研究不同大小输入的机器学习模型泛化及评估问题，提出用随机采样映射比较不同大小输入的统一方法，刻画各采样适用领域，为相关函数类给出泛化和草图绘制率

LAMBDA: A Low-Altitude Multimodal Base Dataset for UAV Sensing and Communication

LAMBDA：用于无人机传感与通信的低空多模态基础数据集

Lin Zhou, Peichuan Rao, Chenshuo Zhang, Jianhua Mo, Shu Sun, Zhiyong Chen, Meixia Tao

专题命中 点云 ：point cloud(abstract)

AI总结 研究低空综合传感与通信需对齐多模态数据，为此引入LAMBDA数据集，通过高保真数字孪生管道生成，具有多种特性，涵盖多场景多条件，支持多种参数设置，经评估有可靠性与可用性。

LSR-Net: Long-Short-Range Operator Learning for Pattern Dynamics on Manifolds

LSR-Net: 用于流形上模式动力学的长短程算子学习

Qian Serena Hou, Zecheng Gan

专题命中 点云 ：point cloud(abstract)

AI总结 提出LSR-Net框架，通过分解长程（SOE近似傅里叶乘子）和短程算子，结合高斯网格化与FFT，高效学习平面、球面及一般流形上的模式动力学，在多个基准系统上精度和稳定性优于基线模型。

Comments 27 pages, 12 figures

Multi-Modal Environment-Aware Beam Management for Massive MIMO: A Geometry-Driven Virtual Base Station Framework

大规模MIMO的多模态环境感知波束管理：一种几何驱动的虚拟基站框架

Yijie Bian, Wei Guo, Jie Yang, Shenghui Song, Jun Zhang, Shi Jin, Khaled B. Letaief

专题命中 点云 ：point cloud(abstract)

AI总结 提出几何驱动框架，利用3D LiDAR点云和位置信息构建虚拟基站数据库，通过镜像对称建模主导反射路径，实现粗信道重建和低开销波束训练，并采用双智能体深度强化学习协调波束选择，提升波束管理效率。

An Evaluation of Decentralized Group Formation Techniques for Flying Light Specks

飞行光点去中心化编队技术的评估

Hamed Alimohammadzadeh, Heather Culbertson, Shahram Ghandeharizadeh

专题命中 点云 ：point cloud(abstract)

AI总结 本文评估了四种去中心化编队技术，用于飞行光点（FLS）的3D显示，发现随机子集（RS）技术在小规模编队（G≤5）中表现最优，而最近可用邻居优先（CANF）技术在大规模编队（G≥10）中表现更佳。

Comments Appeared in ACM Multimedia Asia 2023 (MMAsia '23), December 06-08, 2023, Tainan, Taiwan. ACM, New York, NY, USA, 7 pages

Hodge Spectral Surrogates for Topology-Constrained Optimization

用于拓扑约束优化的霍奇谱替代方法

Satoshi Kanno, Yoshi-aki Shimada

专题命中 点云 ：point cloud(abstract)

AI总结 提出基于霍奇谱松弛的微分框架，通过低通谱滤波器实现拓扑约束优化，克服贝蒂数和持续同调的离散组合困难。

Comments 63 pages, 13 figures

WiWorld-RealData: A Real-World Multi-Modal Dataset for 6G Wireless World Models

WiWorld-RealData：用于6G无线世界模型的真实世界多模态数据集

Yinyin Jiao, Huixin Xu, Jianhua Zhang, Yuelong Qiu, Jingjing Wang, Shaoyi Liu, Yuxiang Zhang, Li Yu, Xuebin Sun, Guangyi Liu

专题命中 点云 ：point cloud(abstract)

AI总结 提出WiWorld-RealData数据集，包含3.7 GHz和6.775 GHz的信道冲激响应、多视角图像、全景图像、LiDAR点云、毫米波雷达记录和GNSS轨迹，支持环境辅助的信道预测，路径损耗预测MAE为2.02 dB。

Comments 6 pages, 4 figures, 2 tables

Efficient implementation of graph autoencoders for model-order reduction of systems with sharp gradients

用于具有尖锐梯度的系统模型降阶的图自编码器高效实现

Liam K Magargal, Parisa Khodabakhshi

专题命中 点云 ：point cloud(abstract)

AI总结 提出图自编码器与算子学习结合的GNN-LaSDI框架，用于高维动力系统的非线性降阶，在尖锐梯度区域比POD方法更准确，计算成本介于GD-LSPG和POD-LaSDI之间。

Comments 31 pages, 16 figures

The Topology of Ill-Posed Questions: Persistent Homology for Detection and Steering in LLMs

病态问题的拓扑：用于大语言模型中检测与引导的持续同调

Guangyu Jiang, Sizhe Tang, Mahdi Imani, Tian Lan

机构 * The George Washington University（乔治华盛顿大学） ； Northeastern University（东北大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 利用持续同调分析LLM内部状态的拓扑结构，统一表示多种病态问题，并实现分类与激活引导，提升响应质量。

JWST-TST High Contrast: First Direct Spectroscopy of GJ 504 b reveals Clouds and Possible Metal Enrichment

JWST-TST 高对比度：GJ 504 b 的首次直接光谱揭示云和可能的金属富集

Aneesh Baburaj, Jean-Baptiste Ruffio, Marshall Perrin, Jerry W. Xuan, William O. Balmer, Yayaati Chachan, Quinn M. Konopacky, Travis S. Barman, Mathilde Mâlin, Kielan K. W. Hoch, Emily Rickman, Kimberly Ward-Duong, Laurent Pueyo, Julien H. Girard, Isabel Rebollido, Alexis Bidot, Christine Chen, Kadin Worthen, Cicero Lu, Jens Kammerer, Roeland P. van der Marel, Nikole K. Lewis, Jeff Valenti, Sara Seager, Chris Stark, Rémi Soummer, Jay Anderson, Charles-Philippe Lajoie, Mark Clampin, C. Matt Mountain

专题命中 点云 ：point cloud(abstract)

AI总结 利用 JWST/NIRSpec 对直接成像行星质量伴星 GJ 504 b 进行中分辨率光谱观测，通过先进后处理技术检测到强信号，提取 2.9-5.3 μm 光谱并建模，发现多种分子、非平衡化学和盐云，推断质量约 25.2 M_Jup，金属丰度高于主星，支持行星形成机制。

Comments 35 pages, 20 figures, 6 tables

Journal ref AJ 172 28 (2026)

Anywhere, Any-Stymie: Remote Activation of Trojan Malware on LiDAR with Modulated Signals

任意地点，任意干扰：利用调制信号远程激活LiDAR上的特洛伊恶意软件

R. Spencer Hallyburton, Miroslav Pajic

专题命中 点云 ：point cloud(abstract)

AI总结 本研究设计了一种嵌入LiDAR固件的特洛伊恶意软件，并利用光学触发通过调制信号远程激活，实现虚假目标注入和真实目标抑制，威胁自动驾驶安全。

Finsler Geometry, Graph Neural Networks, and You

芬斯勒几何、图神经网络与你

T. Mitchell Roddenberry, Richard G. Baraniuk

机构 * Rice University（莱斯大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 针对图拉普拉斯只能近似各向同性算子的局限，提出基于芬斯勒拉普拉斯的图神经网络层，证明其收敛性并恢复非线性扩散方程的几何结构。