自动驾驶

BEV-SLD: Self-Supervised Scene Landmark Detection for Global Localization with LiDAR Bird's-Eye View Images

BEV-SLD：基于LiDAR鸟瞰图像的自监督场景地标检测用于全局定位

David Skuddis, Vincent Ress, Wei Zhang, Vincent Ofosu Nyako, Norbert Haala

机构 * Institute for Photogrammetry and Geoinformatics, University of Stuttgart, Germany（摄影测量与地理信息研究所，斯图加特大学，德国） 纠错

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

AI总结 本文提出BEV-SLD，通过自监督学习利用鸟瞰图像发现特定场景模式，实现鲁棒的全局定位，优于现有方法。

Comments Accepted to CVPR 2026

Test-Time 3D Occupancy Prediction

测试时3D占用预测

Fengyi Zhang, Xiangyu Sun, Huitong Yang, Zheng Zhang, Zi Huang, Yadan Luo

机构 * UQMM Lab, The University of Queensland（昆士兰大学UQMM实验室） ； Harbin Institute of Technology（哈尔滨工程大学） 纠错

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

AI总结 本文提出TT-Occ框架，通过实时集成视觉基础模型，实现灵活的3D高斯表示和占用预测，适用于不同体素分辨率和新类别识别。

Comments CVPR 2026

VisionNVS: Self-Supervised Inpainting for Novel View Synthesis under the Virtual-Shift Paradigm

VisionNVS: 一种基于虚拟位移范式的自监督补全方法用于新型视角合成

Hongbo Lu, Liang Yao, Chenghao He, Fan Liu, Wenlong Liao, Tao He, Pai Peng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） ； COWARobot Co. Ltd.（COWARobot有限公司） 纠错

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

AI总结 本文提出VisionNVS，通过引入虚拟位移策略，将视角合成问题转化为自监督补全任务，利用单目深度代理模拟遮挡模式，提升自动驾驶中新型视角合成的几何精度和视觉质量。

Objective clustering protocol for single-molecule data: A lifetime vs. intensity study

单分子数据的客观聚类协议：寿命与强度研究

Michael Lovemore, Joshua Botha, Bertus van Heerden, Tjaart Kruger

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出一种客观方法对单分子数据进行聚类，通过寿命-强度相关性验证，利用高斯混合模型确定最优聚类数，并通过统计稳健性和物理意义的指标提升分析可靠性。

Comments 19 Pages in Main, 5 pages in SI, 6 figures in Main text, 6 figures in SI, 1 table