自动驾驶

VLMFusionOcc3D: VLM Assisted Multi-Modal 3D Semantic Occupancy Prediction

VLMFusionOcc3D: 基于VLM的多模态3D语义占位预测

A. Enes Doruk, Hasan F. Ates

机构 * Department of Artificial Intelligence and Data Engineering, Ozyegin University（人工智能与数据工程系，奥克辛大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 VLMFusionOcc3D通过融合视觉语言模型的语义先验，提升多模态3D语义占位预测的鲁棒性和适应性。

SABER: Spatially Consistent 3D Universal Adversarial Objects for BEV Detectors

SABER: 用于鸟瞰检测器的时空一致的3D通用对抗对象

Aixuan Li, Mochu Xiang, Bosen Hou, Zhexiong Wan, Jing Zhang, Yuchao Dai

机构 * School of Electronics and Information, Northwestern Polytechnical University & Shaanxi Key Laboratory of Information Acquisition and Processing, Xi’an, China（电子工程学院，西北工业大学 & 陕西省信息采集与处理重点实验室，西安，中国） ； School of Computing, Australian National University（计算学院，澳大利亚国立大学） 纠错

专题命中 BEV与占用 ：BEV(title,abstract)；autonomous driving(abstract)；分类 cs.CV

AI总结 SABER提出了一种生成通用、非侵入式且3D一致的对抗对象的方法，以揭示BEV 3D目标检测器的漏洞，并提供评估自动驾驶系统鲁棒性的实用流程。

Comments Accepted to CVPR 2026

On the dependence of galaxy assembly bias on the selection criteria, number density, and redshift of galaxy samples

星系组装偏差对星系样本选择标准、数量密度和红移的依赖性

Sergio García-Moreno, Jonás Chaves-Montero

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究探讨了银河团组装偏差对样本选择标准、数量密度和红移的依赖性，并提出了一种快速解析方法来预测银河团组装偏差。

Comments 9 pages, 8 figures, accepted by A&A

Journal ref A&A 706, A377 (2026)

Beam-Beam Backgrounds for the Cool Copper Collider

铜冷却对撞机的束束背景

Dimitrios Ntounis, Laith Gordon, Lindsey Gray, Elias Mettner, Tim Barklow, Emilio A. Nanni, Caterina Vernieri

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文研究了铜冷却对撞机的束束背景，通过模拟评估了不同运行场景下的背景影响，并提出了一种灵活的背景研究工具包。

Comments 30 pages, 14 figures, 7 tables

Journal ref 2026 JINST 21 P02024