3D 视觉

Reconstruction Guided Few-shot Network For Remote Sensing Image Classification

基于重建的少样本网络用于遥感图像分类

Mohit Jaiswal, Naman Jain, Shivani Pathak, Mainak Singha, Nikunja Bihari Kar, Ankit Jha, Biplab Banerjee

机构 * Dept. of CSE, The LNMIIT Jaipur（计算机科学与工程系，拉贾斯坦邦理工学院Jaipur） ； CSRE, IIT Bombay（印度理工学院博伊斯分校计算机科学与工程研究所） 纠错

专题命中 三维重建 ：spatial understanding(abstract)；分类 cs.CV

AI总结 RGFS-Net通过引入掩码图像重建任务提升遥感图像少样本分类性能，实现对未见类别的泛化和已见类别的保持，有效提高低数据下的分类准确性。

Comments Accepted at InGARSS 2025

GM-MoE: Low-Light Enhancement with Gated-Mechanism Mixture-of-Experts

GM-MoE：基于门控机制的专家混合网络用于低光照增强

Minwen Liao, Hao Bo Dong, Xinyi Wang, Kurban Ubul, Yihua Shao, Ziyang Yan

机构 * Xinjiang University（新疆大学） ； Harbin University of Commerce（哈尔滨商业大学） ； Changchun University of Science and Technology（长春理工大学） ； University of Science and Technology Beijing（北京科技大学） ； University of Trento（特伦托大学） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 GM-MoE通过门控机制混合专家网络实现低光照图像增强，提升图像质量与泛化能力。

SARA: Scene-Aware Reconstruction Accelerator

SARA：场景感知重建加速器

Jee Won Lee, Hansol Lim, Minhyeok Im, Dohyeon Lee, Jongseong Brad Choi

机构 * Department of Mechanical Engineering, State University of New York, Korea, Incheon, South Korea（纽约州立大学机械工程系） ； Department of Mechanical Engineering, State University of New York, Stony Brook, NY, United States（纽约州立大学石溪分校机械工程系） ； Department of Computer Science, State University of New York, Korea, Incheon, South Korea（纽约州立大学计算机科学系） ； Department of Computer Science, State University of New York, Stony Brook, NY, United States（纽约州立大学石溪分校计算机科学系） 纠错

专题命中 三维重建 ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 SARA通过几何驱动的配对选择方法，在减少配对数量的同时提升重建精度，实现高效且准确的结构从运动处理。

Comments This work has been submitted to the 2026 International Conference on Pattern Recognition (ICPR) for possible publication

PCF-Grasp: Converting Point Completion to Geometry Feature to Enhance 6-DoF Grasp

PCF-Grasp: 将点完成转换为几何特征以增强6自由度抓取

Yaofeng Cheng, Fusheng Zha, Wei Guo, Pengfei Wang, Chao Zeng, Lining Sun, Chenguang Yang

机构 * State Key Laboratory of Robotics and System at Harbin Institute of Technology（哈尔滨工业大学机器人系统国家重点实验室） ； Lanzhou University of Technology（兰州理工大学） ； Department of Computer Science（计算机科学系） ； University of Liverpool（利物浦大学） 纠错

专题命中 三维重建 ：point cloud(abstract)；分类 cs.RO

AI总结 PCF-Grasp通过将点完成转换为几何特征，提升6自由度抓取的准确性和效率，实验显示其在真实环境中的成功率比现有方法高17.8%。

Journal ref IEEE Transactions on Systems, Man, and Cybernetics: Systems ( Volume: 56, Issue: 1, January 2026)

AdaField: Generalizable Surface Pressure Modeling with Physics-Informed Pre-training and Flow-Conditioned Adaptation

AdaField：基于物理信息预训练和流条件适应的通用表面压力建模

Junhong Zou, Wei Qiu, Zhenxu Sun, Xiaomei Zhang, Zhaoxiang Zhang, Xiangyu Zhu

专题命中 三维重建 ：point cloud(abstract)

AI总结 AdaField通过物理信息预训练和流条件适应，实现通用表面压力建模，适用于多种交通运输场景。