自动驾驶

From Blobs to Spokes: High-Fidelity Surface Reconstruction via Oriented Gaussians

从斑块到辐条：通过定向高斯实现高保真的表面重建

Diego Gomez, Antoine Guédon, Nissim Maruani, Bingchen Gong, Maks Ovsjanikov

机构 * LIX, École Polytechnique（LIX，巴黎综合理工学院） ； Inria, Côte d'Azur（法国国家信息与自动化研究所，蔚蓝海岸） 纠错

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

AI总结 本文提出Gaussian Wrapping方法，通过引入可学习的定向法向量和改进的衰减公式，实现复杂场景的高精度封闭网格重建，解决了传统3DGS在表面提取中的难题。

Comments Our project page is available in http://diego1401.github.io/BlobsToSpokesWebsite/index.html

Physics-Informed Transformer for Multi-Band Channel Frequency Response Reconstruction

具有物理信息的变换器用于多频段信道频率响应重建

Anatolij Zubow, Joana Angjo, Sigrid Dimce, Falko Dressler

机构 * School of Electrical Engineering and Computer Science, TU Berlin（柏林工业大学电气工程与计算机科学学院） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 本文提出一种具有物理信息的复杂变换器，用于从碎片化、部分观测的频谱快照中重建完整的宽带信道频率响应，通过建模子频段的干扰模式并结合物理信息损失函数，实现高精度的功率延迟剖面重建。

Comments 6 pages, 6 figures

Analysis of Efficient Transmission Methods of Grid Maps for Intelligent Vehicles

智能车辆网格地图高效传输方法分析

Robin Dehler, Dominik Authaler, Aryan Thakur, Thomas Wodtko, Michael Buchholz

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.RO

AI总结 本文分析了智能车辆网格地图传输问题，提出基于补丁的通信管道以高效传输网格地图数据，通过实验证明其在车载和V2X通信中的有效性。

Comments Accepted for 2026 IEEE Intelligent Vehicles Symposium (IV) - DOI will be added after publication

Line-of-Sight-Constrained Multi-Robot Mapless Navigation via Polygonal Visible Regions

视距约束下的多机器人无图导航：基于多边形可见区域

Ruofei Bai, Shenghai Yuan, Xinhang Xu, Xingyu Ji, Xiaowei Li, Hongliang Guo, Wei-Yun Yau, Lihua Xie

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种基于多边形可见区域的多机器人无图导航方法，通过分布式通信建立视距约束，提升在障碍物密集环境下的连接稳定性与导航效率。

Comments 10 pages, 7 figures. See videos and code: https://github.com/bairuofei/LoS_constrained_navigation

AURORA-KITTI: Any-Weather Depth Completion and Denoising in the Wild

AURORA-KITTI: 任意天气下的深度补全与去噪

Yiting Wang, Tim Brödermann, Hamed Haghighi, Haonan Zhao, Christos Sakaridis, Kurt Debattista, Valentina Donzella

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出AURORA-KITTI，首个大规模多模态多天气基准，通过统一任务深度补全与去噪，在恶劣天气下实现鲁棒的深度重建，同时引入DDCD基线模型提升效率与鲁棒性。

CVGL: Causal Learning and Geometric Topology

CVGL：因果学习与几何拓扑

Songsong Ouyang, Yingying Zhu

机构 * College of Computer Science and Software Engineering（计算机科学与软件工程学院） 纠错

专题命中 BEV与占用 ：BEV(abstract)；分类 cs.CV

AI总结 本文提出CLGT框架，通过因果特征提取器和几何拓扑融合模块解决跨视角地理定位中的混淆因素和视角差异问题，实验显示其在复杂真实场景中表现优异。

GTR-Bench: Evaluating Geo-Temporal Reasoning in Vision-Language Models

GTR-Bench：评估视觉-语言模型中的地理时间推理

Qinghongbing Xie, Zhaoyuan Xia, Feng Zhu, Lijun Gong, Ziyue Li, Rui Zhao, Long Zeng

机构 * Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院） ； Peking University（北京大学） ； Technical University of Munich, Heilbronn Data Science Center, Munich Data Science Institute（慕尼黑技术大学，海德堡数据科学中心，慕尼黑数据科学研究所） 纠错

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

AI总结 GTR-Bench提出了一种新的基准，用于评估视觉-语言模型在地理时间推理中的能力，揭示了现有模型在空间和时间上下文利用、时间预测能力及地图数据整合方面的不足。

Comments ICLR 2026, 31 pages, 20 figures

Virtual Intraoperative CT (viCT): Sequential Anatomic Updates for Modeling Tissue Resection Throughout Endoscopic Sinus Surgery

虚拟术中CT（viCT）：用于内窥镜鼻窦手术中逐步更新解剖结构的建模方法

Nicole M. Gunderson, Graham J. Harris, Jeremy S. Ruthberg, Pengcheng Chen, Di Mao, Randall A. Bly, Waleed M. Abuzeid, Eric J. Seibel

机构 * Department of Otolaryngology–Head and Neck Surgery, University of Washington（耳鼻喉科-头颈外科系，华盛顿大学） 纠错

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

AI总结 viCT通过术中内窥镜视频生成3D重建，实现内窥镜鼻窦手术中解剖结构的逐步更新，提升术中可视化精度。

Map-Agnostic And Interactive Safety-Critical Scenario Generation via Multi-Objective Tree Search

基于多目标树搜索的无地图交互式安全关键场景生成

Wenyun Li, Zejian Deng, Chen Sun

机构 * Department of Mathematics, The University of Hong Kong (HKU)（香港大学数学系） ； Department of Data and Systems Engineering, HKU（香港大学数据与系统工程系） 纠错

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

AI总结 本文提出一种基于多目标树搜索的无地图交互式安全关键场景生成方法，通过统一评估函数平衡探索与风险，生成真实且多样化的碰撞事件以提升自动驾驶系统的鲁棒性。

On Discovering Algorithms for Adversarial Imitation Learning

在对抗模仿学习中发现算法

Shashank Reddy Chirra, Jayden Teoh, Praveen Paruchuri, Pradeep Varakantham

机构 * University of Oxford（牛津大学） ； Singapore Management University（新加坡管理大学） ； IIIT Hyderabad（海得拉巴印度理工学院） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 本文提出DAIL算法，通过数据驱动方法发现奖励分配函数，实现更稳定的对抗模仿学习性能。

Comments Accepted at ICLR 2026 (Poster)

Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching

Loc$^2$: 通过深度提升的局部特征匹配实现可解释的跨视角定位

Zimin Xia, Chenghao Xu, Alexandre Alahi

机构 * École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑校区） 纠错

专题命中 BEV与占用 ：BEV(abstract)；分类 cs.CV

AI总结 Loc$^2$通过深度提升的局部特征匹配实现跨视角定位，具有高精度和可解释性，适用于复杂场景。

ASL360: AI-Enabled Adaptive Streaming of Layered 360$^\circ$ Video over UAV-assisted Wireless Networks

ASL360：基于AI的UAV辅助无线网络中层化360度视频自适应流媒体

Alireza Mohammadhosseini, Jacob Chakareski, Nicholas Mastronarde

机构 * College of Computing, New Jersey Institute of Technology（计算学院，新泽西理工学院） ； Dept. of Electrical Engineering, University of Buffalo（电气工程系，布法罗大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 ASL360通过自适应调度和分层视频流媒体技术提升沉浸式视频体验质量，有效应对动态网络环境挑战。

Comments This paper has been accepted for presentation at the IEEE Global Communications Conference (GLOBECOM) 2025

Multi-session Localization and Mapping Exploiting Topological Information

利用拓扑信息的多会话定位与建图

Lorenzo Montano-Olivan, Julio A. Placed, Luis Montano, Maria T. Lazaro

机构 * Instituto Tecnológico de Aragón (ITA)（阿拉贡技术学院） ； Instituto de Investigación en Ingeniería de Aragón (I3A)（阿拉贡工程研究院） ； Universidad de Zaragoza（萨拉戈塔大学） 纠错

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

AI总结 本研究提出一种基于拓扑信息的多会话框架，通过分析姿态图结构优化建图与定位，减少误差并提升一致性。

PredMapNet: Future and Historical Reasoning for Consistent Online HD Vectorized Map Construction

PredMapNet: 未来与历史推理用于一致的在线高精度向量地图构建

Bo Lang, Nirav Savaliya, Zhihao Zheng, Jinglun Feng, Zheng-Hang Yeh, Mooi Choo Chuah

机构 * Lehigh University（莱维大学） ； Honda Research Institute USA（本田美国研究院） 纠错

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

AI总结 PredMapNet通过结合地图实例跟踪和短期预测，实现一致的在线高精度向量地图构建，提升时间连续性和地图构建的稳定性。

Comments WACV 2026

Spot-Wise Smart Parking: An Edge-Enabled Architecture with YOLOv11 and Digital Twin Integration

按车位智能停车：集成YOLOv11和数字孪生的边缘计算架构

Gustavo P. C. P. da Luz, Alvaro M. Aspilcueta Narvaez, Tiago Godoi Bannwart, Gabriel Massuyoshi Sato, Luis Fernando Gomez Gonzalez, Juliana Freitag Borin

机构 * Institute of Computing University of Campinas (UNICAMP)（计算研究所 卡廷斯大学（UNICAMP）） 纠错

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

AI总结 本文提出一种基于边缘计算的智能停车系统，结合YOLOv11和数字孪生技术，实现高精度车位监控与可持续发展。

Comments Submitted to Journal of Internet Services and Applications, 27 pages, 20 figures, 3 tables

Learning Policy Representations for Steerable Behavior Synthesis

学习可调节行为合成的策略表示

Beiming Li, Sergio Rozada, Alejandro Ribeiro

机构 * Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, USA（宾夕法尼亚大学电气与系统工程系） ； Department of Signal Theory and Communications, King Juan Carlos University, Madrid, Spain（胡安 Carlos大学信号理论与通信系） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.AI

AI总结 本文提出了一种基于潜在空间的策略表示学习方法，通过对比学习和变分生成技术，实现对多奖励场景下策略的高效调节与价值函数约束满足。

Uni-PrevPredMap: Extending PrevPredMap to a Unified Framework of Prior-Informed Modeling for Online Vectorized HD Map Construction

Uni-PrevPredMap: 延伸PrevPredMap至一个统一的先验信息建模框架，用于在线向量化的HD地图构建

Nan Peng, Xun Zhou, Mingming Wang, Guisong Chen, Wenqi Xu

机构 * Ruqi Mobility（鲁奇移动） ； GAC R&D Center（GAC研发中心） 纠错

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

AI总结 Uni-PrevPredMap通过整合先前预测与损坏HD地图，提供一种统一的先验信息建模框架，提升在线向量化HD地图构建的鲁棒性和效率。

VRP-UDF: Towards Unbiased Learning of Unsigned Distance Functions from Multi-view Images with Volume Rendering Priors

VRP-UDF: 向多视图图像中通过体积渲染先验实现无偏的无符号距离函数学习

Wenyuan Zhang, Chunsheng Wang, Kanle Shi, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom Wanwei Information Technology Co., Ltd.（中国电信万维信息技术有限公司） ； Kuaishou Technology（快手技术） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） 纠错

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

AI总结 VRP-UDF通过引入体积渲染先验，解决多视图图像中无偏学习无符号距离函数的问题，提升表面重建的鲁棒性和可扩展性。

Comments Accepted by TPAMI 2026 and ECCV 2024. Project page: https://wen-yuan-zhang.github.io/VolumeRenderingPriors/ . v1 is the conference version, and v2 is the journal extension version

Deep learning-based ecological analysis of camera trap images is impacted by training data quality and quantity

基于深度学习的相机陷阱图像生态分析受到训练数据质量和数量的影响

Peggy A. Bevan, Omiros Pantazis, Holly Pringle, Guilherme Braga Ferreira, Daniel J. Ingram, Emily Madsen, Liam Thomas, Dol Raj Thanet, Thakur Silwal, Santosh Rayamajhi, Gabriel Brostow, Oisin Mac Aodha, Kate E. Jones

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

AI总结 本文研究了深度学习在相机陷阱图像生态分析中的应用，发现训练数据质量和数量对物种丰富度等指标影响显著，而模型架构对结果影响较小。

Comments Peggy A. Bevan, Omiros Pantazis: equally contributing authors. Published in Remote Sensing in Ecology and Conservation

Learning-based Multi-View Stereo: A Survey

基于学习的多视图立体：综述

Fangjinhua Wang, Qingtian Zhu, Di Chang, Quankai Gao, Junlin Han, Tong Zhang, Richard Hartley, Marc Pollefeys

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Computer and Communication Sciences, EPFL（苏黎世联邦理工学院计算机与通信科学学院） ； Australian National University（澳大利亚国立大学） ； Microsoft, Zurich（微软（瑞士）） 纠错

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

AI总结 本文综述了基于学习的多视图立体方法，重点介绍了基于深度图的方法，并讨论了该领域未来的研究方向。

Comments Accepted to IEEE T-PAMI 2026

Parameter-Efficient Domain Adaption for CSI Crowd-Counting via Self-Supervised Learning with Adapter Modules

通过带有适配模块的自监督学习实现高效的领域适应用于CSI人群计数

Oliver Custance, Saad Khan, Simon Parkinson, Quan Z. Sheng

机构 * IEEE Publication Technology Department（IEEE出版技术部门） 纠错

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

AI总结 本文提出了一种基于自监督学习和适配模块的高效领域适应框架，用于CSI人群计数，实现了高精度和低参数训练，达到98.8%的准确率。

BevSplat: Resolving Height Ambiguity via Feature-Based Gaussian Primitives for Weakly-Supervised Cross-View Localization

BevSplat: 通过基于特征的高斯基元解决高度歧义以实现弱监督跨视角定位

Qiwei Wang, Shaoxun Wu, Yujiao Shi

机构 * ShanghaiTech University（上海科技大学） 纠错

专题命中 BEV与占用 ：BEV(abstract)；分类 cs.CV

AI总结 BevSplat通过基于特征的高斯基元解决高度歧义，提升弱监督跨视角定位的精度。

Pointmap-Conditioned Diffusion for Consistent Novel View Synthesis

基于点图的扩散模型用于一致的新型视角合成

Thang-Anh-Quan Nguyen, Nathan Piasco, Luis Roldão, Moussab Bennehar, Dzmitry Tsishkou, Laurent Caraffa, Jean-Philippe Tarel, Roland Brémond

机构 * Noah’s Ark, Huawei Paris Research Center（Noah’s Ark，华为巴黎研究中心） ； COSYS, Gustave Eiffel University（COSYS，格拉夫-埃菲尔大学） ； LASTIG, IGN-ENSG, Gustave Eiffel University（LASTIG，IGN-ENSG，格拉夫-埃菲尔大学） 纠错

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.CV

AI总结 PointmapDiff通过利用点图作为条件信号，结合预训练的2D扩散模型，实现城市驾驶场景中一致的新型视角合成，并能生成高质量结果。

Comments WACV 2026. Project page: https://ntaquan0125.github.io/pointmap-conditioned-diffusion

TransLocNet: Cross-Modal Attention for Aerial-Ground Vehicle Localization with Contrastive Learning

TransLocNet: 跨模态注意力用于航空-地面车辆定位的对比学习

Phu Pham, Damon Conover, Aniket Bera

机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.CV

AI总结 TransLocNet通过跨模态注意力和对比学习实现航空-地面车辆定位，显著提升定位精度和鲁棒性。

Comments 8 pages, 4 figures, 4 tables

Super4DR: 4D Radar-centric Self-supervised Odometry and Gaussian-based Map Optimization

Super4DR: 基于4D雷达的自监督里程计与高斯基于地图优化

Zhiheng Li, Weihua Wang, Qiang Shen, Yichen Zhao, Zheng Fang

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO

AI总结 Super4DR通过基于4D雷达的自监督里程计和高斯地图优化，在恶劣天气中实现更准确的定位与地图重建。

Comments 17 pages, 20 figures

ActiveInitSplat: How Active Image Selection Helps Gaussian Splatting

ActiveInitSplat: 活动图像选择如何帮助高斯溅射

Konstantinos D. Polyzos, Athanasios Bacharis, Saketh Madhuvarasu, Nikos Papanikolopoulos, Tara Javidi

机构 * University of California San Diego（加州大学圣地亚哥分校） ； University of Minnesota（明尼苏达大学） 纠错

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

AI总结 ActiveInitSplat通过主动选择图像来优化高斯溅射的初始化和训练，提升了渲染性能。

A Simple yet Effective Test-Time Adaptation for Zero-Shot Monocular Metric Depth Estimation

一种简单而有效的测试时适应方法用于零样本单目度量深度估计

Rémi Marsal, Alexandre Chapoutot, Philippe Xu, David Filliat

机构 * U2IS, ENSTA Paris Institut Polytechnique de Paris Palaiseau（U2IS，ENSTA巴黎理工学院帕莱索） 纠错

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出了一种基于3D点的测试时适应方法，用于提升零样本单目深度估计的精度和鲁棒性。

Comments Published at IROS 2025 https://ieeexplore.ieee.org/document/11247168

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pages 7858-7865

Learning from Risk: LLM-Guided Generation of Safety-Critical Scenarios with Prior Knowledge

从风险学习：利用先验知识的LLM引导的安全关键场景生成

Yuhang Wang, Heye Huang, Zhenhua Xu, Kailai Sun, Baoshen Guo, Jinhua Zhao

机构 * Chinese Academy of Sciences, China（中国科学院） ； Department of Urban Studies and Planning, Massachusetts Institute of Technology, USA（麻省理工学院城市研究与规划系） ； School of Vehicle and Mobility, Tsinghua University, China（清华大学车辆与移动系统学院） 纠错

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

AI总结 本文提出利用LLM和CVAE生成安全关键场景的方法，通过知识驱动优化提升自动驾驶系统在罕见高风险事件下的鲁棒性与可控性。

Comments 24 pages, 6 figures

MapRF: Weakly Supervised Online HD Map Construction via NeRF-Guided Self-Training

MapRF: 通过NeRF引导的自训练实现弱监督在线HD地图构建

Hongyu Lyu, Thomas Monninger, Julie Stephany Berrio Perez, Mao Shan, Zhenxing Ming, Stewart Worrall

机构 * The University of Sydney（悉尼大学） ； Australian Centre for Robotics（澳大利亚机器人中心） ； Mercedes-Benz Research & Development North America（梅赛德斯-奔驰北美研发） 纠错

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

AI总结 MapRF通过NeRF引导的自训练方法，利用2D图像标签实现弱监督在线HD地图构建，实现了与全监督方法相当的性能。

ViewBridge:Revisiting Cross-View Localization from Image Matching

Panwang Xia, Qiong Wu, Lei Yu, Yi Liu, Mingtao Xiong, Xudong Lu, Yi Liu, Haoyu Guo, Yongxiang Yao, Junjian Zhang, Xiangyuan Cai, Hongwei Hu, Zhi Zheng, Yongjun Zhang, Yi Wan

机构 * Wuhan University（武汉大学） ； Ant Group（蚂蚁集团） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 BEV与占用 ：BEV(abstract)；分类 cs.CV