3D 视觉

DAPointMamba: Domain Adaptive Point Mamba for Point Cloud Completion

DAPointMamba：用于点云补全的领域自适应点Mamba

Yinghui Li, Qianyu Zhou, Di Shao, Hao Yang, Ye Zhu, Richard Dazeley, Xuequan Lu

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

AI总结 DAPointMamba通过跨域补丁级扫描、空间SSM对齐和通道SSM对齐模块，有效解决领域自适应点云补全中的几何和语义差异问题，实现高效且准确的点云补全。

Comments Accepted to AAAI 2026

FLaTEC: Frequency-Disentangled Latent Triplanes for Efficient Compression of LiDAR Point Clouds

FLaTEC：频率解耦的潜在三平面用于激光雷达点云高效压缩

Xiaoge Zhang, Zijie Wu, Mingtao Feng, Zichen Geng, Mehwish Nasim, Saeed Anwar, Ajmal Mian

机构 * University of Western Australia（西澳大学） ； Xidian University（西安电子科技大学） 纠错

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

AI总结 FLaTEC通过频率解耦的潜在三平面方法，实现激光雷达点云的高效压缩，达到最佳率失真性能，并在多个数据集上超越传统编码器。

MFM-point: Multi-scale Flow Matching for Point Cloud Generation

MFM-point: 多尺度流匹配用于点云生成

Petr Molodyk, Jaemoo Choi, David W. Romero, Ming-Yu Liu, Yongxin Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA（英伟达） 纠错

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

AI总结 MFM-Point通过多尺度流匹配框架提升点云生成的可扩展性和性能，同时保持简洁高效，实现多类别和高分辨率生成任务中的优异表现。

Redefining Radar Segmentation: Simultaneous Static-Moving Segmentation and Ego-Motion Estimation using Radar Point Clouds

重新定义雷达分割：利用雷达点云实现同时静态-移动分割和自主运动估计

Simin Zhu, Satish Ravindran, Alexander Yarovoy, Francesco Fioranelli

机构 * Microwave Sensing, Signals and Systems (MS3) group, Delft University of Technology（微波传感、信号与系统（MS3）组，代尔夫特理工大学） ； NXP Semiconductors（NXP半导体公司） 纠错

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

AI总结 本研究提出一种基于神经网络的方法，利用雷达点云同时实现静态-移动分割和自主运动估计，无需中间信号处理步骤。

Comments 16 pages, 9 figures, under review at IEEE Transactions on Radar Systems

Zoo3D: Zero-Shot 3D Object Detection at Scene Level

Zoo3D：面向场景级别的零样本3D物体检测

Andrey Lemeshko, Bulat Gabdullin, Nikita Drozdov, Anton Konushin, Danila Rukhovich, Maksim Kolodiazhnyi

机构 * Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学） ； Higher School of Economics（高等经济学院） ； M:3L Lab, Institute of Mechanics, Armenia（M:3L实验室，力学研究所，亚美尼亚） 纠错

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

AI总结 Zoo3D提出无需训练的3D物体检测框架，通过图聚类和开放式词汇模块实现零样本和自监督模式，取得开放词汇3D检测最佳效果。

IndEgo: A Dataset of Industrial Scenarios and Collaborative Work for Egocentric Assistants

IndEgo：工业场景及协作工作的人际助理数据集

Vivek Chavan, Yasmina Imgrund, Tung Dao, Sanwantri Bai, Bosong Wang, Ze Lu, Oliver Heimann, Jörg Krüger

机构 * Fraunhofer IPK（弗劳恩霍夫研究所） ； Technical University of Berlin（柏林技术大学） ； University of Tübingen（图宾根大学） ； RWTH Aachen University（亚琛工业大学） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

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

AI总结 IndEgo数据集旨在通过工业场景中的协作工作提升人机交互助理的多模态理解与错误检测能力。

Comments Accepted to NeurIPS 2025 D&B Track. Project Page: https://indego-dataset.github.io/

A Storage-Efficient Feature for 3D Concrete Defect Segmentation to Replace Normal Vector

一种用于3D混凝土缺陷分割的存储高效特征以替代法向量

Linxin Hua, Jianghua Deng, Ye Lu

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

AI总结 本研究提出相对角度作为3D混凝土缺陷分割的存储高效特征，替代传统法向量，实现27.6%的存储减少和83%的输入通道压缩，同时保持模型性能。

Comments 25 pages, 7 figures

Adversarial Robustness for Unified Multi-Modal Encoders via Efficient Calibration

通过高效校准实现统一多模态编码器的对抗鲁棒性

Chih-Ting Liao, Zhangquan Chen, Chunlei Meng, Tzu-Yu Huang, Xin Cao, Xu Zheng

机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； UTS（澳大利亚UTS大学） ； HKUST(GZ)（香港理工大学（广州）） 纠错

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

AI总结 本研究提出高效对抗校准框架，提升统一多模态编码器的对抗鲁棒性，同时保持清洁性能，提升47.3%的鲁棒性。