3D 视觉

Real-Time LiDAR Point Cloud Densification for Low-Latency Spatial Data Transmission

实时LiDAR点云密集化用于低延迟空间数据传输

Kazuhiko Murasaki, Shunsuke Konagai, Masakatsu Aoki, Taiga Yoshida, Ryuichi Tanida

机构 * NTT Human Informatics Laboratories（NTT人机信息实验室） 纠错

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

AI总结 本文提出了一种基于卷积神经网络的实时LiDAR点云密集化方法，实现低延迟的3D场景生成与深度补全，效率比传统方法快15倍。

Journal ref 19th International Conference on Machine Vision Applications (MVA2025), IEICE Transactions on Information and Systems letter

SpatialActor: Exploring Disentangled Spatial Representations for Robust Robotic Manipulation

SpatialActor: 探索解耦的空间表示以实现鲁棒的机器人操作

Hao Shi, Bin Xie, Yingfei Liu, Yang Yue, Tiancai Wang, Haoqiang Fan, Xiangyu Zhang, Gao Huang

机构 * Dexmal 纠错

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

AI总结 SpatialActor通过解耦语义和几何，提升机器人操作的鲁棒性和精确性，实现高准确率和强泛化能力。

Comments AAAI 2026 Oral | Project Page: https://shihao1895.github.io/SpatialActor

MSSF: A 4D Radar and Camera Fusion Framework With Multi-Stage Sampling for 3D Object Detection in Autonomous Driving

MSSF: 一种基于4D雷达和摄像头的多阶段采样融合框架用于自动驾驶中的3D目标检测

Hongsi Liu, Jun Liu, Guangfeng Jiang, Xin Jin

机构 * Department of Electronic Engineering and Information Science, University of Science and Technology of China（电子工程与信息科学系，中国科学技术大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究所，东部技术研究所） 纠错

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

AI总结 MSSF通过多阶段采样融合4D雷达和摄像头数据，提升自动驾驶中3D目标检测的精度与鲁棒性。

Comments T-TITS accepted, code avaliable

REAMP: A Stochastic Resonance Approach for Multi-Change Point Detection in High-Dimensional Data

REAMP: 一种用于高维数据多变化点检测的随机共振方法

Xiaoping Shi, Baisuo Jin, Xianhui Liu, Qiong Li

专题命中 点云 ：point cloud(abstract)

AI总结 REAMP通过结合最优传输理论和随机共振原理，有效检测高维数据中的多变化点，尤其在同时存在均值和方差变化的场景中表现优异。

Comments 15 pages, 5 figures