自动驾驶

Bézier Degradation Modeling for LiDAR-based Human Motion Capture

基于LiDAR的人体动作捕捉的贝塞尔退化建模

Xiaoqi An, Lin Zhao, Jun Li, Chen Gong, Jian Yang

机构 * PCA Lab, School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院精密仪器实验室，南京理工大学） ； PCA Lab, School of Intelligence Science and Technology, Nanjing University（智能科学与技术学院精密仪器实验室，南京大学） 纠错

专题命中 激光雷达 ：LiDAR(title,title_cn)；autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出BMLiCap框架，通过时间可压缩的贝塞尔曲线建模人体动作，采用轨迹保留策略减少控制点，设计渐进式动作重建模块，利用时间尺度运动变换器和多级动作聚合器有效融合多尺度曲线，以提高复杂场景下的动作重建精度和时间连续性。

Comments Accepted by CVPR 2026

3D Modeling and Automated Measurement of Concrete Cracks via Segment Anything Refinement and Visual Inertial LiDAR Fusion

通过段落任何精修和视觉惯性LiDAR融合进行混凝土裂缝的3D建模与自动测量

Pengru Deng, Jiapeng Yao, Chun Li, Su Wang, Xinrun Li, Varun Ojha, Xuhui He

机构 * School of Civil Engineering（土木工程学院） ； Central South University（中南大学） ； Hunan Provincial Key Laboratory for Disaster Prevention and Mitigation of Rail Transit Engineering Structures（湖南省铁路工程结构灾害预防与 mitigation 工程结构重点实验室） ； Nvidia ； School of Computing（计算学院） ； Newcastle University（新castle大学） 纠错

专题命中 激光雷达 ：LiDAR(title,title_cn)；分类 cs.RO、cs.CV

AI总结 本文提出了一种结合计算机视觉技术和多模态同时定位与建图（SLAM）的创新框架，用于二维裂缝检测、三维重建和三维自动裂缝测量，解决了现有方法在适应性和鲁棒性方面的不足，特别是在处理曲线或复杂几何形状时的挑战。

Comments Title and author list updated

Journal ref Computer-Aided Civil and Infrastructure Engineering, Volume 45, 2026, 100019, ISSN 1093-9687

StruMPL: Multi-task Dense Regression under Disjoint Partial Supervision and MNAR Labels

StruMPL：在不相交的部分监督和MNAR标签下的多任务密集回归

Reza M. Asiyabi, Juan Alberto Molina-Valero, The SEOSAW Partnership, Steven Hancock, Casey M. Ryan

机构 * School of Geosciences, University of Edinburgh, UK（爱丁堡大学地球科学学院，英国） ； National Centre for Earth Observation (NCEO), UK（英国地球观测国家中心） ； Department of Spatial Sciences, Faculty of Environmental Sciences Czech University of Life Sciences Prague, Praha, Czech Republic（环境科学学院空间科学系，捷克布拉格生命科学大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、cs.AI

AI总结 本文针对在不相交的部分监督和MNAR标签下的多任务密集回归问题，提出StruMPL方法，通过共享编码器和可学习的物理模块，结合Augmented IPW损失函数，提高了对森林地上生物量的估计精度。

Comments 10 pages with 3 figures and 4 tables, References and Appendix 12 pages with 1 figure and 4 tables

Smartphone-based Circular Plot Sampling for Forest Inventory

基于智能手机的圆形采样法用于森林调查

Su Sun, Jui-Cheng Chiu, Nabin Khanal, Songlin Fei, Yingjie Victor Chen

机构 * School of Applied and Creative Computing, Purdue University（应用与创意计算学院，普渡大学） ； Department of Forestry and Natural Resources, Purdue University（林业与自然资源学院，普渡大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出了一种基于智能手机的轻量级pipeline，通过单次 walkthrough 视频实现完整的圆形采样法树测量，无需额外专业硬件，结合预训练的单目深度估计和树实例分割与SLAM框架，实现相机轨迹和深度的联合优化，从而获得树的位置和胸径估计，具有较高的准确性和可扩展性。