视觉与机器人

3D 视觉

三维重建、NeRF、Gaussian Splatting、点云和空间智能。

2026-01-12 至 2026-01-12 共收录 3 篇信号源：cs.CV, cs.GR, cs.RO

1. 点云 3 篇

2506.16265 2026-01-12 cs.CV cs.RO eess.IV physics.geo-ph 81%

Dense 3D Displacement Estimation for Landslide Monitoring via Fusion of TLS Point Clouds and Embedded RGB Images

基于TLS点云与嵌入式RGB图像融合的密集3D位移估计用于滑坡监测

Zhaoyi Wang, Jemil Avers Butt, Shengyu Huang, Tomislav Medic, Andreas Wieser

机构 * ETH Zurich, Institute of Geodesy（苏黎世联邦理工学院测绘与摄影测量研究所）； Atlas optimization GmbH（Atlas优化公司）

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

AI总结本文提出一种融合TLS点云与嵌入式RGB图像的粗到细方法，用于高精度滑坡位移估计，实现高空间覆盖度和准确性。

Comments Published in the International Journal of Applied Earth Observation and Geoinformation. 25 pages, 19 figures

Journal ref Int. J. Appl. Earth Obs. Geoinf., Vol. 146, 105093, 2026

2505.02664 2026-01-12 cs.RO cs.CV cs.LG 62%

Grasp the Graph (GtG) 2.0: Ensemble of Graph Neural Networks for High-Precision Grasp Pose Detection in Clutter

抓取图（GtG）2.0：图神经网络的集合用于在杂乱环境中高精度抓取姿态检测

Ali Rashidi Moghadam, Sayedmohammadreza Rastegari, Mehdi Tale Masouleh, Ahmad Kalhor

机构 * Robot Interaction Laboratory, School of Electrical and Computer Engineering, University of Tehran, Tehran, Iran（机器人交互实验室，电气与计算机工程学院，德黑兰大学，德黑兰，伊朗）

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

AI总结 GtG 2.0通过图神经网络集合提升抓取姿态检测精度，实现高精度和高可靠性

Comments 20 pages

2512.12805 2026-01-12 cs.LG cs.AI 50%

From Small to Large: Generalization Bounds for Transformers on Variable-Size Inputs

从小到大：变换器在可变大小输入上的泛化界限

Anastasiia Alokhina, Pan Li

机构 * Georgia Institute of Technology（佐治亚理工学院）

专题命中点云：point cloud(abstract)

AI总结本文提出了一种理论框架，用于分析变换器在可变大小输入上的泛化界限，通过采样密度和数据流形的内在维数确定误差界，并通过实验验证了理论的准确性。