自动驾驶

MVDGC: Joint 3D and 2D Multi-view Pedestrian Detection via Dual Geometric Constraints

MVDGC: 通过双重几何约束的联合3D和2D多视角行人检测

Thinh Phan, Hao Vo, Khoa Vo, Thanh Ngo, Cuong Pham, Ngan Le

机构 * University of Arkansas（阿肯色大学） ； University of Information Technology（信息技术大学） ； Posts and Telecommunications Institute of Technology (PTIT)（邮电技术学院） 纠错

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

AI总结 提出MVDGC框架，利用3D圆柱查询联合优化BEV平面定位和2D边界框，通过双重几何约束解决透视变换导致的特征畸变和密集区域定位模糊问题。

OSCAR: Occupancy-based Shape Completion via Acoustic Neural Implicit Representations

OSCAR: 基于占用率的声学神经隐式表示形状补全

Magdalena Wysocki, Kadir Burak Buldu, Miruna-Alexandra Gafencu, Mohammad Farid Azampour, Nassir Navab

机构 * Chair for Computer Aided Medical Procedures (CAMP) Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序教席（CAMP）） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） ； Konrad Zuse School of Excellence in Reliable AI (relAI)（康拉德·楚泽可靠人工智能卓越学校（relAI）） 纠错

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

AI总结 提出基于占用率的形状补全方法，利用声学神经隐式表示从部分超声观测中重建完整3D解剖结构，无需标签，在HD95指标上优于现有方法80%。

Phase diagram of a double-occupancy cell model of a fluid with Curie-Weiss interaction

具有Curie-Weiss相互作用的双占据单元流体的相图

R. V. Romanik, O. A. Dobush, M. P. Kozlovskii, I. V. Pylyuk, M. A. Shpot

专题命中 BEV与占用 ：occupancy(title,abstract)

AI总结 研究具有Curie-Weiss相互作用的双占据单元流体模型，通过自旋-占据变量变换证明其与完全图上的Blume-Capel模型同构，并利用解析和数值方法揭示其丰富的相行为，包括单临界点、双临界点、三临界点和三相点。

Comments 17 pages, 3 figures

RoadBench: Benchmarking MLLMs on Fine-Grained Spatial Understanding and Reasoning under Urban Road Scenarios

RoadBench: 在城市道路场景下对多模态大语言模型进行细粒度空间理解与推理的基准测试

Jun Zhang, Xin Zhang, Jie Feng, Long Chen, Junhui Wang, Zhicheng Liu, Depeng Jin, Yong Li

机构 * Department of Electronic Engineering, BNRist, Tsinghua University（清华大学电子工程系、北京信息科学与技术国家研究中心） ； Zhongguancun Academy（中关村学院） ； Amap, Alibaba Group（阿里巴巴集团高德地图） 纠错

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

AI总结 针对城市复杂场景中多模态大语言模型在细粒度空间理解与推理能力上的不足，提出RoadBench基准，包含8个任务、3040个测试用例，通过鸟瞰图和第一人称视角图像评估模型性能，揭示现有模型在此类任务上的显著缺陷。

Comments Accepted by ECCV 2026, the code and data are publicly available at: https://github.com/tsinghua-fib-lab/RoadBench

State Estimation with Protecting Exogenous Inputs via Cramér-Rao Lower Bound Approach

通过Cramér-Rao下界方法保护外源输入的状态估计

Liping Guo, Jimin Wang, Yanlong Zhao, Ji-Feng Zhang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出了一种低复杂度的隐私保护状态估计方法，通过Cramér-Rao下界约束敌手对输入的均方误差，实现(ε, δ)-差分隐私。

Journal ref SCIENCE CHINA Information Sciences, 2026