3D 视觉

Multimodal classification of forest biodiversity potential from 2D orthophotos and 3D airborne laser scanning point clouds

基于2D正射影像和3D空中激光扫描点云的森林生物多样性潜力多模态分类

Simon B. Jensen, Stefan Oehmcke, Andreas Møgelmose, Meysam Madadi, Christian Igel, Sergio Escalera, Thomas B. Moeslund

机构 * Perception Laboratory, Aalborg University, Denmark ； Pioneer Centre for Artificial Intelligence, Denmark ； Department of Computer Science, Copenhagen University, Denmark ； Institute for Visual \& Analytic Computing, Rostock University, Germany ； University of Barcelona ； Computer Vision Center, Spain 纠错

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

AI总结 本研究利用2D正射影像和3D ALS点云数据，通过多模态深度学习融合方法，实现对森林生物多样性潜力的高效评估，实验结果达到82%的准确率。

4D-RaDiff: Latent Diffusion for 4D Radar Point Cloud Generation

4D-RaDiff：用于4D雷达点云生成的潜在扩散

Jimmie Kwok, Holger Caesar, Andras Palffy

机构 * Delft University of Technology（代尔夫特理工大学） ； Perciv AI 纠错

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

AI总结 4D-RaDiff通过潜在扩散生成4D雷达点云，提升目标检测性能并减少标注数据需求

CRISTAL: Real-time Camera Registration in Static LiDAR Scans using Neural Rendering

CRISTAL：利用神经渲染进行静态LiDAR扫描中的实时相机定位

Joni Vanherck, Steven Moonen, Brent Zoomers, Kobe Werner, Jeroen Put, Lode Jorissen, Nick Michiels

机构 * Hasselt University - Digital Future Lab - Flanders（哈塞尔特大学-数字未来实验室-弗拉芒） 纠错

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

AI总结 CRISTAL通过神经渲染技术实现静态LiDAR扫描中的实时相机定位，提供无漂移且具有正确度量尺度的跟踪，优于现有SLAM流程。

Semantic-Free Procedural 3D Shapes Are Surprisingly Good Teachers

无语义的程序化3D形状出人意料地成为好的教师

Xuweiyi Chen, Zezhou Cheng

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 本文提出通过程序化生成的3D形状学习3D表示，发现其在多个下游任务中表现优异，表明3D自监督学习不依赖语义信息。

Comments 3DV | SynData4CV @ CVPR2025 | Project Page: https://point-mae-zero.cs.virginia.edu/

Two-step Generalized RBF-Generated Finite Difference Method on Manifolds

在流形上采用两步广义径向基函数生成有限差分方法

Rongji Li, Haichuan Di, Shixiao Willing Jiang

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种在无边界流形上求解PDEs的两步广义径向基函数生成有限差分方法，通过改进的插值系数和自适应调节策略提升计算稳定性与精度。