3D 视觉

Adapt-As-You-Walk Through the Clouds: Training-Free Online Test-Time Adaptation of 3D Vision-Language Foundation Models

在云中适应：无需训练的在线测试时适应3D视觉-语言基础模型

Mehran Tamjidi, Hamidreza Dastmalchi, Mohammadreza Alimoradijazi, Ali Cheraghian, Aijun An, Morteza Saberi

专题命中 点云 ：3D vision(title,abstract)；point cloud(abstract)；分类 cs.CV

AI总结 Uni-Adapter通过动态原型学习和熵加权聚合，在无需重新训练的情况下提升3D VLFMs在不同基准测试中的性能。

Comments Accepted by AAAI 2026

RL-AD-Net: Reinforcement Learning Guided Adaptive Displacement in Latent Space for Refined Point Cloud Completion

RL-AD-Net: 基于强化学习的潜在空间自适应位移用于精细化点云补全

Bhanu Pratap Paregi, Vaibhav Kumar

机构 * GeoAI4Cities Lab, IISER Bhopal（GeoAI4Cities实验室，印度Bhopal IISER） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 RL-AD-Net通过强化学习在潜在空间中优化点云补全，提升局部几何一致性，适用于多种补全网络。

Feature-aware manifold meshing and remeshing of point clouds and polyhedral surfaces with guaranteed smallest edge length

具有特征意识的流形网格生成与重网格化：点云和多边形表面的保证最小边长处理

Henriette Lipschütz, Ulrich Reitebuch, Konrad Polthier, Martin Skrodzki

专题命中 点云 ：point cloud(title,abstract)

AI总结 本文提出了一种从点云生成高质量三角网格的算法，并扩展至处理多边形表面的特征。

Journal ref Proceedings of the 2024 International Meshing Roundtable (IMR); Special Issue of Computer Aided Geometric Design

TP-MDDN: Task-Preferenced Multi-Demand-Driven Navigation with Autonomous Decision-Making

TP-MDDN：任务优先的多需求驱动导航与自主决策

Shanshan Li, Da Huang, Yu He, Yanwei Fu, Yu-Gang Jiang, Xiangyang Xue

机构 * Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institution（上海创新机构） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV、cs.RO

AI总结 TP-MDDN通过引入任务优先的多需求驱动导航与自主决策系统，提升复杂任务下的导航性能与环境理解能力。

Comments Accepted at NeurIPS 2025

Improving Multimodal Distillation for 3D Semantic Segmentation under Domain Shift

改进多模态蒸馏以应对激光雷达语义分割中的域移位

Björn Michele, Alexandre Boulch, Gilles Puy, Tuan-Hung Vu, Renaud Marlet, Nicolas Courty

机构 * CNRS, IRISA, Univ. Bretagne Sud（CNRS、IRISA、布列塔尼大学） ； LIGM, Ecole des Ponts, Univ Gustave Eiffel, CNRS（LIGM、巴黎理工学院、古斯塔夫·埃菲尔大学、CNRS） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 本研究提出改进多模态蒸馏方法，通过冻结预训练主干网络并训练MLP头，提升激光雷达语义分割在域移位下的性能。

Comments Accepted at BMVC 2025

Range-Edit: Semantic Mask Guided Outdoor LiDAR Scene Editing

Range-Edit: 基于语义掩码的户外激光雷达场景编辑

Suchetan G. Uppur, Hemant Kumar, Vaibhav Kumar

机构 * GeoAI4Cities Lab（GeoAI4Cities实验室） ； IISER Bhopal（印度比哈尔理工学院） 纠错

专题命中 点云 ：point cloud(abstract)；分类 cs.CV

AI总结 Range-Edit通过语义掩码指导生成高质量的激光雷达点云，提升自动驾驶系统的鲁棒性与泛化能力。

Comments 8 pages, 9 figures