3D 视觉

PRISM: Color-Stratified Point Cloud Sampling

PRISM：基于颜色分层的点云采样

Hansol Lim, Minhyeok Im, 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 点云 ：point cloud(title,abstract)；3D reconstruction(abstract)；分类 cs.CV

AI总结 PRISM通过颜色引导分层采样方法，在RGB-LiDAR点云中保留高颜色变化区域，减少视觉同质表面，提升3D重建的点云质量。

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

Searching point patterns in point clouds describing local topography

在描述局部地形的点云中搜索点模式

Ewa Bednarczuk, Rafał Bieńkowski, Robert Kłopotek, Jan Kryński, Krzysztof Leśsniewski, Krzysztof Rutkowski, Małgorzata Szelachowska

专题命中 点云 ：point cloud(title)

AI总结 该研究提出了一种基于有限差分算子的局部描述符，用于在点云中比较和对齐结构化几何模式，并结合沃舍斯坦距离和Procrustes分析进行点分布比较和几何结构对齐。

Comments 9 pages, 2 figures, 2 tables, 6 citations

SC-MII: Infrastructure LiDAR-based 3D Object Detection on Edge Devices for Split Computing with Multiple Intermediate Outputs Integration

SC-MII：基于基础设施激光雷达的边缘设备上用于分割计算的多中间输出集成的3D目标检测

Taisuke Noguchi, Takayuki Nishio, Takuya Azumi

机构 * Graduate School of Science and Engineering（科学与工程研究生学校） ； Saitama University（上野大学） ； School of Engineering（工程学院） ； Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 SC-MII通过多激光雷达和边缘计算实现高效3D目标检测，降低延迟和能耗，提升隐私保护。

Comments 6 pages. This version includes minor lstlisting configuration adjustments for successful compilation. No changes to content or layout. Originally published at IEEE CCNC 2026

A Vision-Language-Action Model with Visual Prompt for OFF-Road Autonomous Driving

一种具有视觉提示的视觉-语言-动作模型用于越野自动驾驶

Liangdong Zhang, Yiming Nie, Haoyang Li, Fanjie Kong, Baobao Zhang, Shunxin Huang, Kai Fu, Chen Min, Liang Xiao

专题命中 点云 ：spatial understanding(abstract)；分类 cs.RO

AI总结 本文提出OFF-EMMA模型，通过视觉提示和COT-SC策略提升越野自动驾驶轨迹规划的准确性和鲁棒性。

3D CoCa v2: Contrastive Learners with Test-Time Search for Generalizable Spatial Intelligence

3D CoCa v2：基于测试时间搜索的对比学习用于通用空间智能

Hao Tang, Ting Huang, Zeyu Zhang

机构 * School of Computer Science, Peking University（北京大学计算机学院） 纠错

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

AI总结 3D CoCa v2通过测试时间搜索提升3D场景描述的泛化能力，实现对比学习与描述生成的统一，提高鲁棒性。

R$^3$D: Regional-guided Residual Radar Diffusion

R$^3$D: 基于区域引导的残差雷达扩散

Hao Li, Xinqi Liu, Yaoqing Jin

机构 * University of Arizona（亚利桑那大学） ； University of Hong Kong（香港大学） ； University of Stuttgart（斯图加特大学） 纠错

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

AI总结 R3D通过区域引导残差雷达扩散框架，整合残差建模与sigma自适应引导，提升雷达点云质量，优于现有方法。

Comments 6 pages, 4 figures

On the Adversarial Robustness of 3D Large Vision-Language Models

关于3D大视觉-语言模型的对抗鲁棒性

Chao Liu, Ngai-Man Cheung

机构 * Singapore University of Technology and Design (SUTD)（新加坡科技设计大学） 纠错

专题命中 点云 ：3D vision(abstract)；分类 cs.CV

AI总结 本文研究了3D大视觉-语言模型的对抗鲁棒性，提出两种攻击策略评估其鲁棒性，发现其在无目标攻击下较脆弱，但在有目标攻击中更稳健。

Comments Under Review

TRASE: Tracking-free 4D Segmentation and Editing

TRASE：无需跟踪的4D分割与编辑

Yun-Jin Li, Mariia Gladkova, Yan Xia, Daniel Cremers

机构 * TU Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 点云 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 TRASE通过弱监督学习实现无需跟踪的4D分割，利用对比学习和聚类技术实现动态场景的高效分割与交互编辑。

Comments Accepted to 3DV 2026. Project page https://yunjinli.github.io/project-sadg

Autofocus Method for Human-Body Imaging under Respiratory Motion Using Synthetic Aperture Radar

用于呼吸运动下人体成像的自动聚焦方法：合成孔径雷达

Masaya Kato, Takuya Sakamoto

专题命中 点云 ：point cloud(abstract)

AI总结 本研究提出一种用于呼吸运动下人体合成孔径雷达成像的自动聚焦方法，通过分离回波和估计相位误差提升图像质量。

Comments 8 pages, 7 figures, and 3 tables. This work is going to be submitted to the IEEE for possible publication