3D 视觉

Through the Perspective of LiDAR: A Feature-Enriched and Uncertainty-Aware Annotation Pipeline for Terrestrial Point Cloud Segmentation

通过LiDAR视角：一种特征丰富且不确定性感知的标注流程用于陆地点云分割

Fei Zhang, Rob Chancia, Josie Clapp, Amirhossein Hassanzadeh, Dimah Dera, Richard MacKenzie, Jan van Aardt

机构 * Chester F. Carlson Center for Imaging Science, Rochester Institute of Technology, Rochester, NY, USA（切斯特·F·卡尔森成像科学中心，罗切斯特理工学院，罗切斯特，纽约州，美国） 纠错

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

AI总结 本文提出一种半自动标注流程，通过球面投影和特征丰富技术提升陆地点云分割的效率与精度，构建了Mangrove3D数据集并验证了特征重要性，为生态监测提供高质量分割方案。

Comments 40 pages (28 main text), 20 figures, 4 supplementary materials; links to 3D point animations are included in the last table

Overview and Comparison of AVS Point Cloud Compression Standard

AVS点云压缩标准的概述与比较

Wei Gao, Wenxu Gao, Xingming Mu, Changhao Peng, Ge Li

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

AI总结 本文概述并比较了AVS点云压缩标准，分析了其相关技术和性能表现。

Comments 3 figures, 3 tables

Journal ref APSIPA Transactions on Signal and Information Processing, vol. 14, no. 2, pp.1-33, 2025

Generating Adversarial Events: A Motion-Aware Point Cloud Framework

生成对抗事件：一种运动感知点云框架

Hongwei Ren, Youxin Jiang, Qifei Gu, Xiangqian Wu

机构 * Harbin Institute of Technology（哈尔滨理工大学） 纠错

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

AI总结 本文提出MA-ADV框架，通过点云表示生成对抗事件，解决事件表示非可微导致的对抗攻击难题，验证其在安全性和鲁棒性上的优势。

SuperiorGAT: Graph Attention Networks for Sparse LiDAR Point Cloud Reconstruction in Autonomous Systems

SuperiorGAT：用于自动驾驶系统中稀疏LiDAR点云重建的图注意力网络

Khalfalla Awedat, Mohamed Abidalrekab, Gurcan Comert, Mustafa Ayad

机构 * Electrical and Computer Engineering, Portland State University（电气与计算机工程系，波特兰州立大学） ； Computational Data Science and Engineering Department, North Carolina A&T State University（计算数据科学与工程系，北卡罗来纳A&T州立大学） ； Electrical and Computer Engineering Department, SUNY Oswego（电气与计算机工程系，SUNY奥威戈） 纠错

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

AI总结 SuperiorGAT通过图注意力网络重构稀疏LiDAR点云中的缺失海拔信息，实现更精确的重建与几何一致性，无需增加网络深度或额外硬件。

TIBR4D: Tracing-Guided Iterative Boundary Refinement for Efficient 4D Gaussian Segmentation

TIBR4D: 基于追踪的迭代边界精修用于高效的4D高斯分割

He Wu, Xia Yan, Yanghui Xu, Liegang Xia, Jiazhou Chen

机构 * Zhejiang University of Technology（浙江工业大学） 纠错

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

AI总结 TIBR4D通过两阶段迭代边界精修方法，提升动态4D高斯分割的精度和效率，有效处理遮挡和模糊边界问题。

Comments 13 pages, 6 figures, 4 tables

On Geometry-Enhanced Parameter-Efficient Fine-Tuning for 3D Scene Segmentation

针对3D场景分割的几何增强型参数高效微调

Liyao Tang, Zhe Chen, Dacheng Tao

机构 * The University of Sydney（悉尼大学） ； La Trobe University（拉特罗布大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出GEM模块，通过整合局部位置编码与轻量级注意力机制，提升3D点云模型的几何感知微调效率和性能。

Comments Neurips 2025; available at https://github.com/LiyaoTang/GEM