3D 视觉

Theoretical Foundations of Principal Manifold Estimation with Non-Euclidean Templates

主流 manifold 估计的理论基础与非欧几里得模板

Kun Meng, Christopher Perez

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出了一种理论框架，用于从高维空间中的点云中恢复潜在低维流形，支持一般非欧几里得拓扑的流形，并通过Sobolev空间理论证明了方法的正确性与一致性，同时提供了新的复杂度选择方法。

Comments 111 pages

dN/dx Reconstruction with Deep Learning for High-Granularity TPCs

基于深度学习的高粒度TPC中dN/dx重建

Guang Zhao, Yue Chang, Jinxian Zhang, Linghui Wu, Huirong Qi, Xin She, Mingyi Dong, Shengsen Sun, Jianchun Wang, Yifang Wang, Chunxu Yu

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出GraphPT模型，利用图神经网络和注意力机制对高粒度TPC数据进行dN/dx重建，提升PID性能，特别是在K/π分离能力上提高10%-20%。

Comments 20 pages, 9 figures

Journal ref https://link.springer.com/article/10.1007/JHEP04(2026)021

Minimum-norm interpolation for unknown surface reconstruction

未知表面重建的最小范数插值

Alex Shiu Lun Chu, Leevan Ling, Ka Chun Cheung

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出基于径向基函数的核插值方法，通过改进的混合维试空间提升点云表面重建精度，尤其在法线估计上优于传统RBF方法。

RBF-Generated Finite Difference Method Coupled with Quadratic Programming for Solving PDEs on Surfaces with Derivative Boundary Conditions

基于RBF生成有限差分法与二次规划的PDEs在有导数边界条件的表面上的求解方法

Peng Chen, Shixiao Willing Jiang, Rongji Li, Qile Yan

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出一种结合RBF生成有限差分法与二次规划的方法，用于求解具有导数边界条件的曲面上PDEs，通过构造受限最近邻Stencil和约束二次规划提高数值稳定性，避免使用ghost点并无需准均匀节点分布。

A New Multi-Constraint Potential Field Source Surface (PFSS) Extrapolation Model

一种新的多约束潜在场源表面（PFSS）外推模型

C. Antonio, I. Chifu, R. Gafeira, J. J. G. Lima

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本文提出一种结合三维日冕纤维信息的改进PFSS模型，通过引入 divergence-free、loop几何和force-free约束，提升与观测的一致性并保持计算效率。

Comments 12 pages, 13 figures. Submitted to A&A

Deep Learning Based Dynamic Environment Reconstruction for Vehicular ISAC Scenarios

基于深度学习的车辆ISAC场景动态环境重建

Junzhe Song, Ruisi He, Mi Yang, Zhengyu Zhang, Bingcheng Liu, Jiahui Han, Haoxiang Zhang, Bo Ai

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出基于ISAC信道的深度学习框架，通过多模态测量建立联合信道环境数据集，开发多阶段网络实现高精度动态环境重建，实验显示其在Chamfer Distance和F Score@1%上表现优异。

Image2Gcode: Image-to-G-code Generation for Additive Manufacturing Using Diffusion-Transformer Model

Image2Gcode: 基于扩散-变换器模型的图像到G-code生成用于增材制造

Ziyue Wang, Yayati Jadhav, Peter Pak, Amir Barati Farimani

机构 * Department of Materials Science and Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（材料科学与工程系，卡内基梅隆大学，匹兹堡，PA，USA） ； Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，PA，USA） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本文提出Image2Gcode框架，通过图像直接生成可打印的G-code，省去CAD建模步骤，提升增材制造的易用性和效率。

The Density of Cross-Persistence Diagrams and Its Applications

交叉持续图的密度及其应用

Alexander Mironenko, Evgeny. Burnaev, Serguei Barannikov

机构 * Skolkovo Institute of Science and Technology（斯克罗夫诺研究所） ； AIRI ； CNRS, IMJ, Paris University（法国国家科学研究中心、巴黎大学IMJ） 纠错

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文首次系统研究了交叉持续图的密度，提出了一种基于点云坐标和距离矩阵的机器学习框架，通过利用交叉持续图的线性特性区分不同流形采样的点云，并发现引入噪声可增强区分能力。

Comments 19 pages, 20 figures

Journal ref in IEEE Access, vol. 14, pp. 34320-34338, 2026,

High-Order Meshfree Surface Integration, Including Singular Integrands

高阶无网格表面积分，包括奇异积分

Daniel R. Venn, Steven J. Ruuth

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出了一种高阶无网格表面积分方法，适用于任意分段光滑曲面，能处理奇异积分并保持高精度。

World2Mind: Cognition Toolkit for Allocentric Spatial Reasoning in Foundation Models

World2Mind: 用于基础模型的方位认知工具包

Shouwei Ruan, Bin Wang, Zhenyu Wu, Qihui Zhu, Yuxiang Zhang, Hang Su, Yubin Wang

机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； Dept. of Comp. Sci. and Tech., Institute for AI, Tsinghua-Bosch Joint ML Center, THBI Lab, BNRist Center, Tsinghua University（清华大学人工智能院计算机科学与技术系、清华大学-博世联合机器学习中心、THBI实验室、BNRist中心、清华大学） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 World2Mind通过构建空间认知地图和三阶段推理链，提升基础模型的空间推理能力，使纯文本模型也能实现复杂3D空间推理。

LLM-supported 3D Modeling Tool for Radio Radiance Field Reconstruction

支持大型语言模型的3D建模工具用于无线电辐射场重建

Chengling Xu, Huiwen Zhang, Haijian Sun, Feng Ye

专题命中 三维重建 ：3DGS(abstract)

AI总结 本文提出了一种结合微调语言模型和生成3D建模框架的本地部署工具，用于简化无线电辐射场重建的3D环境创建。

Comments Submitted to an IEEE conference

Cryo-SWAN: the Multi-Scale Wavelet-decomposition-inspired Autoencoder Network for molecular density representation of molecular volumes

Cryo-SWAN: 多尺度小波分解启发的自编码网络用于分子密度的分子体积表示

Rui Li, Artsemi Yushkevich, Mikhail Kudryashev, Artur Yakimovich

机构 * Center for Advanced Systems Understanding (CASUS)（先进系统理解中心（CASUS）） ； Helmholtz-Zentrum Dresden-Rossendorf e. V. (HZDR)（德累斯顿-罗斯托克亥姆霍尔茨研究中心（HZDR）） ； In situ Structural Biology（原位结构生物学） ； Department of Physics（物理系） ； Institute of Medical Physics and Biophysics（医学物理与生物物理研究所） ； Institute of Computer Science（计算机科学研究所） ； Cluster of Excellence Physics of Life（生命物理卓越中心） 纠错

专题命中 三维重建 ：point cloud(abstract)

AI总结 Cryo-SWAN通过多尺度小波分解启发的自编码网络，实现分子密度体积的鲁棒表示，提升3D重建和生成质量。

Comments 16 pages, 5 figures

A First Step Towards Mesh-Free Probabilistic Shape Optimization

迈向无网格概率形状优化的第一步

Stephan Schmidt, Maximilian Würschmidt

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出了一种基于概率方法的无网格形状优化算法，利用神经网络求解PDE并结合蒙特卡洛采样进行形状导数评估，应用于跟踪问题。

Comments 13 pages, 1 figure

Transmit Weights, Not Features: Orthogonal-Basis Aided Wireless Point-Cloud Transmission

传输权重，而非特征：基于正交基的无线点云传输

Junlin Chang, Yubo Han, Hang Yue, John S Thompson, Rongke Liu

机构 * Beihang University（北京航空航天大学） ； Pengcheng Laboratory（鹏城实验室） ； Shenzhen Institute of Beihang University（北京航空航天大学深圳研究院） ； University of Edinburgh（爱丁堡大学） ； IDCOM（影像、数据与通讯研究所） 纠错

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出基于正交基的无线点云传输框架，通过预测接收端语义正交特征池的组合权重，实现紧凑表示和稳健重建，并在不同带宽下表现出色。

Comments 5 pages, 5 figures

Multi-View Wireless Sensing via Conditional Generative Learning: Framework and Model Design

多视图无线传感 via 条件生成学习：框架与模型设计

Ziqing Xing, Zhaoyang Zhang, Zirui Chen, Hongning Ruan, Zhaohui Yang, Zhiyong Feng

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出一种基于条件生成学习的多视图无线传感框架，通过融合多视图CSI信息，利用双部分神经网络架构提升目标重建精度和灵活性。

Comments Accepted by IEEE Transactions on Wireless Communications

Journal ref IEEE Transactions on Wireless Communications

WeirNet: A Large-Scale 3D CFD Benchmark for Geometric Surrogate Modeling of Piano Key Weirs

WeirNet：一种大规模三维CFD基准数据集，用于钢琴键堰的几何替代建模

Lisa Lüddecke, Michael Hohmann, Sebastian Eilermann, Jan Tillmann-Mumm, Pezhman Pourabdollah, Mario Oertel, Oliver Niggemann

机构 * Hydraulic Engineering Section, Civil Engineering, Helmut-Schmidt-University（水利工程系，土木工程，黑姆特-施密特大学） ； Institute for Artificial Intelligence, Helmut-Schmidt-University（人工智能研究所，黑姆特-施密特大学） ； Professorship of Computer Science in Mechanical Engineering, Helmut-Schmidt-University（机械工程计算机科学教授职位，黑姆特-施密特大学） ； Chair for Automation Technology, Helmut-Schmidt-University（自动化技术教授职位，黑姆特-施密特大学） ； Federal Waterways Engineering and Research Institute（联邦水道工程与研究机构） 纠错

专题命中 三维重建 ：point cloud(abstract)

AI总结 WeirNet通过大规模三维CFD基准数据集，为钢琴键堰的几何替代建模提供支持，提升水力设计效率。

Shape-informed cardiac mechanics surrogates in data-scarce regimes via geometric encoding and generative augmentation

基于几何编码和生成增强的形状感知心脏力学替代模型用于数据稀缺环境

Davide Carrara, Marc Hirschvogel, Francesca Bonizzoni, Stefano Pagani, Simone Pezzuto, Francesco Regazzoni

机构 * MOX Laboratory, Department of Mathematics, Politecnico di Milano（米兰Politecnico大学数学系MOX实验室） ； Division 2.2 Process Simulation, Bundesanstalt für Materialforschung und -prüfung (BAM)（材料研究所（BAM）第2.2过程模拟部） ； Department of Mathematics, University of Trento（特伦托大学数学系） 纠错

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出了一种基于几何编码和生成增强的两步框架，用于在数据稀缺条件下实现形状感知的心脏力学替代模型，通过学习紧凑的潜在表示和神经场模型，提高跨不同解剖结构的泛化能力。

Comments 39 pages, 19 figures

Bayesian Perspective for Orientation Determination in Cryo-EM with Application to Structural Heterogeneity Analysis

冷冻电镜中方向确定的贝叶斯视角及其在结构异质性分析中的应用

Sheng Xu, Amnon Balanov, Amit Singer, Tamir Bendory

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本文提出了一种贝叶斯框架用于提高冷冻电镜中方向估计的准确性，通过MMSE估计器在低信噪比条件下显著提升三维分子结构重建的精度和鲁棒性，从而推动高保真构象景观重建。

Comments 33 pages, 6 figures

Network geometry of the Drosophila brain

果蝇大脑的网络几何

Bendegúz Sulyok, Sámuel G. Balogh, Gergely Palla

专题命中 三维重建 ：point cloud(abstract)

AI总结 研究果蝇大脑神经网络的几何特性，采用双曲嵌入方法发现其结构比三维欧几里得空间更一致，嵌入质量随维度增加而提升。

Using a 4-megapixel hybrid photon counting detector for fast, lab-based nanoscale x-ray tomography

使用400万像素混合光电计数探测器实现快速实验室纳米级X射线断层扫描

Jordan Fonseca, Zachary H. Levine, Joseph W. Fowler, Felix H. Kim, Galen O'Neil, Nathan J. Ortiz, John Henry Scott, Daniel S. Swetz, Paul Szypryt, Andras E. Vladar, Nathan Nakamura

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本研究利用400万像素混合光电计数探测器实现快速实验室纳米级X射线断层扫描，将成像速度提升800倍，达到75-80nm的空间分辨率。

Comments 10 pages, 4 figures, journal submission version

Comparison of generative algorithms for conceptual groundwater modeling of coastal volcanic aquifer features with disparate, sparse and extremely imbalanced data

概念性地下水建模中生成算法的比较：用于沿海火山含水层特征的异质、稀疏且极度不平衡数据

Michael J. Friedel

专题命中 三维重建 ：point cloud(abstract)

AI总结 本研究提出了一种人工智能辅助的工作流程，通过生成算法整合异质、稀疏且极度不平衡的数据，以提高沿海火山含水层概念性地下水模型的准确性。

Comments 47 pages, 15 figures, 11 tables

Learning Geometric-Aware Quadrature Rules for Functional Minimization

学习几何感知的求积规则用于函数最小化

Costas Smaragdakis

机构 * Department of Statistics ； Actuarial-Financial Mathematics, University of the Aegean, Samos, 83200 Karlovassi, Greece \& Institute of Applied 纠错

专题命中 三维重建 ：point cloud(abstract)

AI总结 QuadrANN通过学习点云几何特性，为函数最小化问题提供了一种适应局部密度和域形状的求积规则，提升了求积精度和稳定性。

Comments 17 pages, 5 figures

ImmCOGNITO: Identity Obfuscation in Millimeter-Wave Radar-Based Gesture Recognition for IoT Environments

ImmCOGNITO：基于毫米波雷达的物联网环境手势识别中的身份混淆

Ying Liu, Si Zuo, Chao Yang, Yuqing Song, Dariush Salami, Stephan Sigg

专题命中 三维重建 ：point cloud(abstract)

AI总结 ImmCOGNITO通过基于图的自编码器在毫米波雷达手势识别中实现身份混淆，减少身份信息泄露，同时保持高识别性能。

Comments 15 pages

Geometric Kernel Interpolation and Regression

几何核插值与回归

Patrick Guidotti

专题命中 三维重建 ：point cloud(abstract)

AI总结 本文提出基于核的插值与回归方法，用于计算光滑超曲面的几何量，并通过核基 meshfree 方法近似几何算子。

Comments 21 pages, 8 figures, 6 tables

Reflection-mode Multi-slice Fourier Ptychographic Tomography

反射模式多切片傅里叶偏振光断层成像

Jiabei Zhu, Tongyu Li, Hao Wang, Yi Shen, Guorong Hu, Lei Tian

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本研究提出反射模式多切片傅里叶偏振光断层成像技术，实现高分辨率多层强散射样品的3D成像，通过暗场测量提升分辨率并实现光学切片。

Comments 13 pages, 7 figures (including 3 pages and 3 figures Supplementary Document), submitted to IEEE Transactions on Computational Imaging

Advances in Artificial Intelligence: A Review for the Creative Industries

人工智能进展：面向创意产业的综述

Nantheera Anantrasirichai, Fan Zhang, David Bull

机构 * Visual Information Laboratory, University of Bristol, Bristol, UK（布里斯托大学视觉信息实验室） 纠错

专题命中 三维重建 ：3D reconstruction(abstract)

AI总结 本文综述了自2022年以来人工智能在创意产业中的进展，探讨了生成式AI、大语言模型和扩散模型等技术对创意生产流程的影响，并分析了人类与AI协作的新趋势及面临的挑战。

Comments This is an updated review of our previous paper (see https://doi.org/10.1007/s10462-021-10039-7), and has been accepted by Artificial Intelligence Review journal

Molecular Representations in Implicit Functional Space via Hyper-Networks

通过超网络在隐式函数空间中学习分子表示

Zehong Wang, Xiaolong Han, Qi Yang, Xiangru Tang, Fang Wu, Xiaoguang Guo, Weixiang Sun, Tianyi Ma, Pietro Lio, Le Cong, Sheng Wang, Chuxu Zhang, Yanfang Ye

机构 * University of Notre Dame（内布拉斯加大学） ； University of Connecticut（康涅狄格大学） ； Independent Researcher Visiting Zhang's Lab in UConn（独立研究者） ； University of Surrey（萨里大学） ； Stanford University（斯坦福大学） ； University of Cambridge（剑桥大学） ； Yale University（耶鲁大学） ； University of Washington（华盛顿大学） 纠错

专题命中 三维重建 ：point cloud(abstract)

AI总结 MolField通过超网络在隐式函数空间中学习分子表示，实现对分子场的连续建模，提升分子性质预测的稳定性与泛化能力。

UniField: Joint Multi-Domain Training for Universal Surface Pressure Modeling

UniField：面向通用表面压力建模的多领域联合训练

Junhong Zou, Zhenxu Sun, Yueqing Wang, Wei Qiu, Zhaoxiang Zhang, Xiangyu Zhu, Zhen Lei

专题命中 三维重建 ：point cloud(abstract)

AI总结 UniField通过多领域联合训练提升通用表面压力建模的准确性，尤其在数据稀缺领域表现突出。

3D-SONAR: Self-Organizing Network for 3D Anomaly Ranking

3D-SONAR：用于3D异常排序的自组织网络

Guodong Xu, Juan Du, Hui Yang

专题命中 三维重建 ：point cloud(abstract)

AI总结 3D-SONAR通过自组织网络模型实现无训练的3D表面异常检测，利用动态系统和力场理论揭示异常，提供了一种数据有限的工业检测新方法。

Comments 28 pages, 12 figures

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。