视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
使用测地线点云补丁对比学习进行3D几何的部分对称检测
机构 * Visual Computing Institute, RWTH Aachen University（视觉计算研究所，亚琛工业大学）
专题命中 点云 ：point cloud(title)；分类 cs.CV
AI总结 研究3D几何中部分对称检测难题，提出自监督对比学习框架SymCL，通过映射局部测地线补丁到欧几里得群不变潜在空间，将对称检测转化为基于密度的聚类问题，能同时发现多实例对称关系，在新基准上定量评估并展示泛化能力。
Comments 8 pages, 8 figures
一种可泛化的全局光照光传输3D嵌入
机构 * UC San Diego and NVIDIA USA（加州大学圣迭戈分校和美国NVIDIA公司） ； UC San Diego USA（加州大学圣迭戈分校（美国）） ； NVIDIA USA（美国NVIDIA公司） ； UC San Diego USA and NVIDIA USA（加州大学圣迭戈分校和美国NVIDIA公司）
专题命中 点云 ：point cloud(abstract)；spatial understanding(abstract)；分类 cs.CV、cs.GR
AI总结 提出一种可泛化的3D光传输嵌入方法，通过点云和Transformer直接预测全局光照，无需光栅化或路径追踪线索，适用于多种室内场景。
Comments SIGGRAPH 2026
G2P：面向边界感知3D分割的高斯到点属性对齐
机构 * Kyungpook National University（庆北国立大学） ； Korea Electronics Technology Institute（韩国电子技术研究院） ； Adobe Research（Adobe研究院） ； Zhejiang University（浙江大学）
专题命中 点云 ：Gaussian Splatting(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 提出G2P方法，通过将3D高斯泼溅的属性（如不透明度和尺度）传递到点云，解决几何特征无法区分外观相似物体的问题，实现边界感知的3D分割。
Comments Accepted to ECCV 2026. Camera-ready version
视觉与视觉-语言应用中的模态感知特征匹配：全面综述
机构 * School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； School of Computer Science and Informatics, Cardiff University（卡迪夫大学计算机科学与信息学院） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算机与通讯学院） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR)（新加坡资讯研究院，科技研究局（A*STAR）） ； Department of Automation, Tsinghua University（清华大学自动化系）
专题命中 点云 ：3D reconstruction(abstract)；point cloud(abstract)；分类 cs.CV
AI总结 综述基于模态的特征匹配，涵盖传统手工方法和现代深度学习方法，重点讨论跨RGB、深度、3D点云、LiDAR、医学图像及视觉-语言模态的进展，突出模态感知技术。
Comments CSUR
基于LiDAR的城市级三维变化检测
机构 * Department of Computer Science and Artificial Intelligence, University of Jeddah（计算机科学与人工智能系，朱德亚大学） ； Department of Computer Science and Software Engineering, University of Western Australia（计算机科学与软件工程系，西澳大学） ； Department of Data Science, Umm Al-Qura University（数据科学系，乌姆·阿勒·卡拉大学） ； Department of Information and Technology Systems, College of Computer Science and Engineering, University of Jeddah（信息与技术系统系，计算机科学与工程学院，朱德亚大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 本文提出了一种基于LiDAR的城市级三维变化检测方法，通过多分辨率NDT和ICP对齐数据，结合语义分割和双分匹配优化，实现了高精度的变化检测性能。
3D和4D世界建模：一项综述
机构 * WorldBench Team（WorldBench团队）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 该综述针对世界建模中对3D和4D表示利用不足及定义分类缺失的问题，通过建立精确概念、引入结构化分类法，系统总结相关数据集和评估指标，讨论应用、挑战与方向，为3D和4D世界建模领域提供基础参考。
Comments Survey; Project Page at https://worldbench.github.io/survey GitHub Repo at https://github.com/worldbench/awesome-3d-4d-world-models
基于监督跨模态特征匹配的单帧点像素配准
机构 * School of Information and Intelligent Science, Donghua University（信息与智能科学学院，东华大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 研究激光雷达点云和相机图像的点像素配准难题，提出基于投影的无检测器框架及重复性评分机制，通过实验证明该方法在单帧激光雷达下能达先进性能，优于现有方法。
QuadLink: 通过点关系学习的自回归四边形主导网格生成
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tencent VISVISE（腾讯VISVISE） ； Peking University（北京大学） ； Technical University of Munich（慕尼黑技术大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Texas A&M University（德克萨斯大学） ； Macau University of Science and Technology（澳门科技大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.GR
AI总结 提出QuadLink框架，通过将点云链接成结构化面片，以自回归方式生成各向异性的四边形主导网格，实现高几何保真度和拓扑质量。
工业检测场景安全评估的多模态基准
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Institute for Embodied Intelligence and Robotics, Tsinghua University（清华大学具身智能与机器人研究所） ； TetraBOT Intelligence Co., Ltd.（天博智能科技有限公司） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； School of Automation, Southeast University（东南大学自动化学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 针对工业现场多模态安全评估缺乏真实数据的问题，构建了首个包含真实机器人巡检数据、像素级标注和七种同步模态的基准数据集InspecSafe-V1，覆盖五个典型场景，支持多模态异常识别与安全评估。
Comments 14 pages, 6 figures, Accepted by Scientific Data
数字孪生驱动的自动化分拣系统中的纺织品分类与异物识别
机构 * Institute of Smart Systems Technologies（智能系统技术研究所） ； University of Klagenfurt（克雷格弗特大学） ； AAU SAL USE Laboratory（AAU SAL USE实验室） ； Silicon Austria Labs（硅 Austria 实验室）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 提出一种数字孪生驱动的机器人分拣系统，结合抓取预测、多模态感知和视觉语言模型，实现纺织品分类与异物检测，Qwen模型准确率达87.9%。
Comments 10 pages,single column, 5 figures, preprint for Photomet Edumet 2026 (Klagenfurt, Austria)
GAE: 利用可泛化动作专家释放VLM的物理潜力
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 提出通用动作专家（GAE），通过稀疏几何接口将VLM的高层意图转化为连续动作轨迹，采用动作预训练-点云微调（APPF）方案解耦动作动力学与几何基础，实现跨视觉域、视角和指令的强泛化。
面向中轴线的符号距离函数学习
机构 * Institute for Numerical Simulation, University of Bonn（数值模拟研究所，波恩大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.GR
AI总结 本文提出一种新的变分方法，用于计算高精度的全局符号距离函数，通过高阶变分公式考虑梯度的跳跃集，以提高计算精度。
UAOR: 面向视觉-语言-动作模型的不确定性感知观测重注入
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； 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新技术实验室） ； Shanghai Jiao Tong University（上海交通大学） ； FiveAges（五代）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 提出UAOR模块，通过动作熵检测不确定性，在语言模型高不确定层重注入观测信息，无需额外训练或数据，提升VLA模型在仿真和真实任务中的性能。
MatterDoor: 使用生成模型采样零样本空间语义先验
机构 * School of Computing, Australian National University（澳大利亚国立大学计算机学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO
AI总结 针对机器人通过门缝观察时场景结构缺失的问题，提出MatterDoor方法，利用预训练生成模型（VLM引导外推、单目深度估计、语义分割）采样隐藏房间的语义3D点云先验，在Matterport3D基准上验证了零样本空间语义先验的有效性。
Comments Under Review
一种用于楔形文字泥板元数据分类的新型网络
机构 * SDU Robotics, University of Southern Denmark（丹麦南部大学机器人研究所）
专题命中 点云 ：point cloud(abstract,comments)；分类 cs.CV
AI总结 本文提出了一种新型网络，通过缩小点云并整合局部和全局信息，有效提升楔形文字泥板元数据分类性能。
Comments Point cloud, deep learning, cuneiform
基于单视图观测的真实场景中大型物体的双臂协同灵巧抓取
机构 * The University of Auckland（奥克兰大学） ； Chongqing University（重庆大学） ； Southwest University（西南大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 本文针对机器人双臂抓取大型物体的挑战，提出含多模态数据集、DDPM模块及执行策略的真实场景双臂抓取框架，实验表明其对未见物体抓取成功率高。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
人脸嵌入在不同深度神经网络模型间是否兼容？
机构 * Michigan State University（密歇根州立大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究探讨不同深度神经网络模型在人脸嵌入空间中的几何结构，发现低容量线性映射能显著提升跨模型人脸识别与验证性能，表明人脸身份编码的表征收敛。
SIP: 构建阶段碎片化3D扫描数据集——用于语义分割和场景理解
专题命中 点云 ：3D vision(abstract)；分类 cs.CV
AI总结 SIP数据集通过碎片化3D扫描反映施工现场实际约束，为建筑场景的语义分割和理解提供高质量基准数据。
CADSpotting：面向大规模CAD图纸的稳健全景符号定位方法
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 CADSpotting是一种采用3D点云模型与SWA技术的方法，结合新数据集LS-CAD，在大规模CAD图纸符号定位上性能优于现有方法，可用于自动化3D室内重建。
Comments 16pages, 14 figures, Project web-page: https://yangfy2023.github.io/CADspotting/
CADRE：基于隐式接触描述符和任务适配恢复可供性的动态抓取
机构 * Honda Research Institute USA（本田美国研究院）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 该研究针对灵巧操作中物体掉落的问题，提出CADRE强化学习框架，结合NDF提取接触特征与隐式恢复可供性函数，可高效成功恢复并零样本泛化到不同几何的未见物体。
多表示几何层次融合：一种用于鲁棒三维地点识别的隐式子图驱动框架
机构 * College of Information and Technology, Beijing University of Chemical Technology（信息与技术学院，北京化工大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Research Institute of Mine Artificial Intelligence, China Coal Research Institute（矿山人工智能研究院，中国煤炭科研院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对激光雷达地点识别中描述子不稳定与表示脆弱性问题，本文提出隐式神经点驱动的多表示几何层次融合框架，在多数据集上实现鲁棒性能，平衡了精度、效率与内存占用。
SARe: 基于结构的大规模3D碎片重组
机构 * State Key Lab of CAD\&CG, Zhejiang University（浙江大学CAD与计算机图形学国家重点实验室） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Laboratory of Art and Archaeology Image, Zhejiang University（浙江大学艺术与考古图像实验室）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出SARe框架，通过生成式方法解决大规模3D碎片重组问题，通过显式接触建模提高接触推理的稳定性与一致性，实验证明在碎片数量增加时具有更优的性能。
Comments 9 pages, 5 figures
PatchAlign3D: 本地特征对齐用于密集3D形状理解
机构 * École polytechnique（巴黎政治学院） ； University of Virginia（弗吉尼亚大学） ； KAUST（王国立阿联酋科技大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 PatchAlign3D通过点云直接生成语言对齐的片段特征，实现高效零样本3D部分分割，优于传统渲染方法。
Comments CVPR 2026. Project website: https://souhail-hadgi.github.io/patchalign3dsite/
3D-CovDiffusion：面向覆盖路径规划的三维感知扩散策略
机构 * IEEE
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 本文提出 3D-CovDiffusion，将覆盖路径规划转化为条件序列生成问题，采用几何条件扩散框架从三维点云合成轨迹，相比基线方法在轨迹平滑度、覆盖率等指标上实现显著提升。
用于3D理解的参数高效CLIP适配：通过统一分词实现
机构 * Fondazione Bruno Kessler（布鲁诺·科塞拉基金会） ； University of Trento（特伦托大学） ； University of Pisa（比萨大学） ； Beijing Forestry University（北京林业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology (GZ)（香港科技大学） ； Shandong University（山东大学） ； University of California, Merced（加州大学默塞德分校）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 本文提出参数高效框架UTok3D，通过学习尺度归一化3D分词器，实现冻结CLIP视觉主干在无标注情况下对不同尺度点云的复用，完成3D分割任务。
Comments 14 pages, tokenizer
一种针对无模型统一抓取放置推理的鲁棒放置性度量
机构 * Anonymous Authors（匿名作者） ； Benno Wingender（伯恩诺·温格德尔） ； Nils Dengler（尼尔·登格尔） ； Rohit Menon（罗希特·梅农） ； Sicong Pan（斯冰·潘） ； Maren Bennewitz（马伦·本内维茨）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 本文提出一种鲁棒的概率放置性度量，通过联合评估稳定性、抓取性和空隙，实现无模型的统一抓取放置推理，并在仿真和真实机器人实验中验证其有效性。
Comments IROS 2026
BCNet：基于结构引导表征学习的支气管分类
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 该研究针对自动支气管分类的个体拓扑差异挑战，提出结构引导的BCNet框架，在BronAtlas基准上F1分数超现有最优方法8%以上，还发布了支气管成像分析开放基准BronAtlas。
Comments The benchmark is available at https://osf.io/pskr9/?viewonly=94fa3d87274b4095ac9a4b88cc9a1341
Distill, Diffuse, and Semanticize (DDS): 基于多粒度蒸馏和图扩散的无标注3D场景理解
机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Pengcheng Laboratory（鹏城实验室）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 DDS通过多粒度蒸馏和图扩散实现轻量级无标注3D场景理解，提升区域一致性和语义识别，实验显示在多个数据集上性能优于现有方法。
LISA-3D: 通过多视角一致性将语言-图像分割提升至3D
机构 * School of Computer Science & Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学）
专题命中 点云 ：3D reconstruction(abstract)；分类 cs.CV
AI总结 LISA-3D通过多视角一致性将语言-图像分割提升至3D，提升语言到3D的准确性达15.6个点，仅需11.6M参数，支持零样本部署。
Comments Published as a conference paper at The 9th Chinese Conference on Pattern Recognition and Computer Vision (PRCV 2026)
GBPP：基于两阶段学习的机器人抓取感知基座放置预测
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 该研究提出GBPP算法，通过两阶段学习结合自动标注数据集与高保真模拟，实现机器人基座抓取位姿的快速预测，性能优于基线方法，为数据高效的基座放置提供了实用方案。
Comments Jizhuo Chen, Diwen Liu are equal contribution
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