自动驾驶

LiteViLNet: Lightweight Vision-LiDAR Fusion Network for Efficient Road Segmentation

LiteViLNet: 轻量级视觉-激光雷达融合网络用于高效道路分割

Daojie Peng, Bingtao Wang, Fulong Ma, Liang Zhang, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Shandong University（山东大学） 纠错

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

AI总结 提出轻量级多模态网络LiteViLNet，通过双流编码器、深度可分离卷积和多尺度特征融合模块，在KITTI数据集上以14.04M参数达到96.36% MaxF，实现精度与效率的平衡。

Text-guided Feature Disentanglement for Cross-modal Gait Recognition

文本引导的跨模态步态识别特征解耦

Zhiyang Lu, Ming Cheng

机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, Xiamen University（福建城市智能感知与计算重点实验室，厦门大学） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（多媒体可信感知与高效计算重点实验室，中华人民共和国教育部，厦门大学） 纠错

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

AI总结 针对LiDAR与RGB相机之间的模态差异，提出TCFDNet网络，利用文本先验引导解耦模态共享特征，通过CLIP对齐、特征解耦和稳定性增强实现跨模态步态识别，在SUSTech1K和FreeGait数据集上达到最优性能。

Comments Accept by CVPR2026

Joint Multi-Camera LiDAR Extrinsic Calibration via Learned Pairwise Initialization and Geometric Refinement

联合多相机激光雷达外参标定：基于学习的成对初始化与几何优化

Aziz Al-Najjar, Marzieh Amini, James R. Green, Felix Kwamena

机构 * Department of System and Computer Engineering, Carleton University（系统与计算机工程系，卡尔顿大学） 纠错

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

AI总结 提出两阶段框架，先通过CMRNext独立估计每个相机的外参和2D-3D对应，再通过联合光束法平差优化实现全局一致的多相机标定，显著提升精度和一致性。

Comments Paper is accepted in CVPR 2026 Workshop URVI: Unified Robotic Vision with Cross-Modal Sensing and Alignment

Unsupervised LiDAR-Based Multi-UAV Detection and Tracking Under Extreme Sparsity

基于激光雷达的极端稀疏条件下多无人机无监督检测与跟踪

Nivand Khosravi, Rodrigo Ventura, Meysam Basiri

机构 * Instituto Superior T\' e cnico University of Lisbon Lisbon, Portugal 纠错

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

AI总结 针对非重复固态激光雷达扫描导致的极端稀疏点云，提出无监督检测与跟踪流水线，通过自适应DBSCAN聚类和时序一致性检验实现高精度检测，并比较确定性分配与概率数据关联在跟踪中的性能。

Comments Presented at the International Conference on Mechatronics and Robotics Engineering (ICMRE2026). To appear in IEEE conference proceedings

Journal ref Proc. 2026 12th International Conference on Mechatronics and Robotics Engineering (ICMRE), Oldenburg, Germany, 2026

Vanilla ViT for Automotive Point Cloud Semantic Segmentation

用于汽车点云语义分割的普通ViT

Gilles Puy, Nermin Samet, Alexandre Boulch, Spyros Gidaris, Tuan-Hung VU, Renaud Marlet

机构 * LIGM, CNRS, Univ Gustave Eiffel, ENPC, IP Paris, France（LIGM、CNRS、Université Gustave Eiffel、ENPC、IP Paris、法国） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出VaViT，通过精心设计的标记器、轻量级解码器头和定制数据增强，使普通非分层ViT在大规模激光雷达点云语义分割中达到或超越现有最先进方法。