3D 视觉

PointCHR: Point Cloud Analysis via Curvature-Aware Hyperbolic Rectification

PointCHR：通过曲率感知双曲整流进行点云分析

Xinxing Yu, Liying Yang, Hao Mo, Hui Ma, Fang Kai, Ajian Liu, Yanyan Liang

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

AI总结 针对三维点云中高曲率区域难以解析的问题，提出PointCHR方法，利用双曲流形指数体积膨胀特性，通过曲率引导径向整流机制，有效缓解表示拥挤问题，提升主干网络捕捉细节能力，在多基准测试中达最优性能。

Journal ref Proceedings of the 43 rd International Conference on Machine Learning,2026

Synthetic LiDAR Data Generation and Deterministic Downsampling for Point Cloud Classification on the Edge

面向边缘设备点云分类的合成激光雷达数据生成与确定性下采样

Niclas Meyer, Stefan Reitmann

机构 * Chemnitz University of Technology（开姆尼茨工业大学） 纠错

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

AI总结 本文针对三维深度学习框架在边缘设备部署的瓶颈，提出适配树莓派5的硬件受限工作流，通过合成LiDAR数据集和特征驱动的CPL层，实现边缘端50 FPS推理与88.36%分类准确率，验证了边缘实时三维感知的可行性。

CloudDiffusion: Diffusion-Based Scene Completion in the Point Cloud Domain

PointDiffusion: 点云领域的基于扩散的场景补全

Chidera Agbasiere, Mikhail Sannikov, Faith Ogunwoye, Erik Shaikhiev, Alex Kozinov, Ilya Mikhalchuk, Iana Zhura, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院智能空间机器人实验室） 纠错

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

AI总结 提出多令牌高斯VAE和锚点ICP地面真值精化，实现单步扩散场景补全，在SemanticKITTI上平方倒角距离降低16倍，推理延迟降低25-143倍。

PathCover: A Fast Convex Decomposition along a Path via Randomized Iterative Space Partitioning (RISP) on Point Clouds

PathCover：基于点云的随机迭代空间划分（RISP）沿路径的快速凸分解

Kunal S. Narkhede, Abhijeet M. Kulkarni, Guoquan Huang, Ioannis Poulakakis

机构 * University of Delaware（特拉华大学） ； Athena Research Center（雅典娜研究中心） ； National Technical University of Athens（雅典国家技术大学） ； HERON–Center of Excellence in Robotics（赫伦机器人卓越中心） 纠错

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

AI总结 PathCover是基于点云的快速凸分解框架，采用RISP算法，可高效生成无障碍物多面体，速度较现有方法提升一个数量级，经仿真与实机验证适用于机器人导航。

Comments 13 pages, 5 figures

Hierarchical Flow Matching for 3D Point Cloud Generation

用于三维点云生成的分层流匹配

Linhao Wang, Qichang Zhang, Ye Su, Hao Wang

机构 * Shandong Normal University（山东师范大学） ； University of Macau（澳门大学） 纠错

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

AI总结 针对现有三维点云生成方法的缺陷，提出分层流匹配（HFM），将流匹配扩展为双级结构，在ShapeNet等基准上实现了有竞争力的生成性能。

An Enhanced Geometric-Spectral Feature Learning Framework for Airborne Multispectral Point Cloud Classification

一种增强的几何-光谱特征学习框架用于机载多光谱点云分类

Xian Li, Yanfeng, Gu Linghua Xu, Aleksandra Pižurica

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

AI总结 针对机载多光谱点云高维异构、样本不平衡和类间光谱相似问题，提出基于注意力的双流特征融合框架，结合残差注意力融合块和联合损失函数，实现高精度地物分类。

Comments Revised V1

Learning Biomechanically Plausible Human Motion from Sparse Radar Point Clouds

从稀疏雷达点云学习符合生物力学原理的人体运动

Jonas Leo Mueller, Markus Gambietz, Alexander Weiss, Daniel Krauss, Bjoern M. Eskofier

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

AI总结 本研究构建整合全身骨骼模型的端到端雷达姿态估计框架，在11名康复训练受试者的交叉验证中实现多项精准指标，证明从低成本雷达恢复生物力学描述符的可行性，为临床运动分析奠定基础。

Test Time Adaptation Methods for Point Cloud Registration in Laparoscopic Surgery

腹腔镜手术中点云配准的测试时自适应方法

Nina Bodelot, Soufiane Belharbi, Eric Granger

机构 * ETS Montreal（蒙特利尔理工学院） ； LIVIA（LIVIA实验室） 纠错

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

AI总结 该研究针对腹腔镜手术中点云配准的域偏移问题，修改三类测试时自适应方法适配三维配准，经实验验证输入自适应是低延迟且误差降低效果稳定的最优方案。

Learning to Tessellate: Point Cloud Generation via Recursive Spectral Partitioning

学习镶嵌：通过递归谱划分生成点云

Monan Sun, Bangzhen Liu, Huaidong Zhang, Shengfeng He

机构 * South China University of Technology（华南理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； City University of Hong Kong（香港城市大学） ； Singapore Management University（新加坡管理大学） 纠错

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

AI总结 该研究提出自回归框架PointRSP，通过拓扑保留的递归谱划分实现点云生成，引入拓扑感知划分自编码器与双流级联生成器，在生成质量、多样性及复杂3D拓扑泛化上达最优性能。

Comments Accepted by ECCV2026, project page: https://huggingface.co/Mo-nan/PointRSP

Two Steps Are All You Need: Efficient 3D Point Cloud Anomaly Detection with Consistency Models

两步即可：基于一致性模型的高效3D点云异常检测

Pranav A, Shashank B, Pranav Siddappa, Dominik Seuss, Minal Moharir, Subramanya KN

机构 * R.V. College of Engineering（R.V. 工程学院） ； Technical University of Applied Sciences Würzburg-Schweinfurt（Würzburg-Schweinfurt 应用科学大学） 纠错

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

AI总结 本文提出基于一致性学习的重建异常检测方法，通过简化推理过程提升效率，实现低延迟的3D点云异常检测，适用于资源受限设备。

Comments Accepted to CVPR 2026, at the 9th Workshop on Efficient Deep Learning for Computer Vision (ECV). To be published in the IEEE/CVF CVPR 2026 Workshop Proceedings

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 3479-3487

On the Efficacy of Self-Supervised Point Cloud Encoders for Efficient 3D Large Language Models

自监督点云编码器在高效3D大语言模型中的效能研究

Yao Zheng, Tian Zhang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 该研究探究低成本自监督点云编码器能否替代昂贵多模态编码器用于3D-LLM，经实验发现其与架构存在强交互，为高性价比3D-LLM设计提供指南。

Comments 14 pages, 3 figures. This work has been previously released as a preprint on ChinaXiv (No. ChinaXiv:202607.00167, DOI: 10.12074/202607.00167)

Parameter-Efficient Fine-Tuning for Spiking Point Cloud Models

用于脉冲点云模型的参数高效微调

Zihao Guo, Jihua Zhu, Yiding Sun, Lin Chen, Danwei Wang

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

AI总结 针对脉冲点云模型全微调开销大、亚阈值信息被抑制的问题，提出首个参数高效微调框架SpikePEFT，通过IDT和SSDA技术，在仅更新约5%参数的情况下，在多个基准上取得优异分类准确率，同时保持SNN的节能特性。

Point2Radio: A Foundation Model for Cross-Scene Radio Fields from Material-Aware Point Clouds

Point2Radio：面向材料感知点云的跨场景无线电场基础模型

Chaozheng Wen, Chenghong Bian, Hongze Chen, Jun Zhang

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

AI总结 Point2Radio是从多环境学习可迁移传播先验的基础模型，基于材料感知点云实现跨场景无线电场预测，在路径增益预测上较UNet基线误差降76.7%，轻量微调可提升环境适应性。

Long-Tailed 3D Point Cloud Dataset Distillation

长尾3D点云数据集蒸馏

Jiahao You, Xu Han, Jinfeng Xu, Xianzhi Li

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

AI总结 本研究针对长尾3D点云数据集蒸馏问题，提出含自适应合成预算分配与3D长尾分布匹配模块的框架，在ShapeNet55上使分类准确率较SOTA提升7.0个百分点。

FPSGen: Flexible Point Cloud Scene Generation with BEV-Supported Transport Flows

FPSGen：基于鸟瞰图支持的传输流的灵活点云场景生成

Wenzhe He, Meng Wang, JiaWei Qian, Jinfeng Xu, Ying Liu, Ruihui Li

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

AI总结 FPSGen是一种不依赖部分扫描结果的灵活点云场景生成框架，通过BEV先验构建点源与路径拉直传输方案，在SemanticKITTI补全和KITTI-360无条件生成任务上达到先进性能。

Comments 34 pages, 16 figures

LiDARDraft: Generating LiDAR Point Cloud from Versatile Inputs

LiDARDraft: 从多样化输入生成LiDAR点云

Haiyun Wei, Fan Lu, Yunwei Zhu, Zehan Zheng, Weiyi Xue, Lin Shao, Xudong Zhang, Ya Wu, Guang Chen

机构 * TongjiUniversity（同济大学） 纠错

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

AI总结 LiDARDraft通过3D布局桥梁实现从多样化输入生成可控的LiDAR点云，支持自动驾驶环境的创建。

SHReg: Strictly Rotation-Equivariant Point Cloud Registration via Spherical Harmonics

SHReg：通过球谐函数实现严格旋转等变的点云配准

Chongjian Wang, Junjie Gao

机构 * College of Mathematics and Systems Science, Shandong University of Science and Technology（山东科技大学数学与系统科学学院） ； School of Artificial Intelligence, Shandong Women’s University（山东女子学院人工智能学院） 纠错

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

AI总结 研究提出基于$SO(3)$表示理论的SHReg框架，将局部几何特征表示为$SO(3)$不可约表示，基于球谐函数等变主干联合学习旋转不变描述符与等变特征，减少对大规模假设采样依赖，在点云配准精度上优于现有方法。

Extrusion Segmentation Strategy to improve CAD Reconstruction from Point Cloud

挤压分割策略以提升点云的CAD重建

Said Harb, Mehdi Maboudi, Markus Gerke

机构 * Institute of Geodesy and Photogrammetry（测绘院） 纠错

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

AI总结 本文提出一种挤压分割策略，通过将点云分割为独立的挤压部分，提高CAD重建的泛化能力和鲁棒性，从而提升深度学习模型的重建性能。

Comments Conference: ISPRS Toronto 2026

PC2Model: ISPRS benchmark on 3D point cloud to model registration

PC2Model：ISPRS基准在点云到模型配准

Mehdi Maboudi, Said Harb, Jackson Ferrao, Kourosh Khoshelham, Yelda Turkan, Karam Mawas

机构 * 1 Institute of Geodesy 纠错

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

AI总结 本文提出PC2Model基准，通过结合模拟点云与真实扫描数据，解决点云到模型配准中的稀疏性、噪声等问题，提升跨领域模型泛化能力。

Comments ISPRS Congress 2026, Toronto

DM3D: Dynamic Mamba via Offset-Guided Feature Resampling for Point Cloud Understanding

DM3D：通过偏移引导的可微扫描实现点云理解的可变形Mamba

Bin Liu, Chunyang Wang, Xuelian Liu, Xuemei Li, Ge Zhang

机构 * Xi'an Key Laboratory of Active Photoelectric Imaging Detection Technology（西安市主动光电成像探测技术重点实验室） 纠错

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

AI总结 DM3D提出了一种可变形Mamba架构，通过偏移引导的可微扫描机制实现点云的结构自适应序列化，结合可变形空间采样和可微重新排序，提升点云理解性能。

Loss Landscape Topology Reveals Why Simple Baselines are Competitive at 3D Point Cloud Segmentation Under Class Imbalance

损失景观拓扑揭示了为什么简单基线在类不平衡下的3D点云分割中具有竞争力

Antonis Savva, Christos Kyrkou, Theocharis Theocharides

机构 * KIOS Research and Innovation Center of Excellence（KIOS卓越研究与创新中心） ； University of Cyprus（塞浦路斯大学） 纠错

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

AI总结 研究3D点云分割类不平衡问题，系统评估11种方法，发现标准交叉熵表现有竞争力。通过多方面分析揭示不平衡严重程度对拓扑结构的影响，为2D有效技术难转移至3D分割提供机理解释，给出实用指导。

Comments 21 pages, 7 figures, International Conference on Pattern Recognition (ICPR) 2026

Journal ref In: De Marsico, M., et al. Pattern Recognition. ICPR 2026. Lecture Notes in Computer Science, vol 16817. Springer, Cham

PointQ-Bench: Benchmarking Diagnostic and Interpretable Point Cloud Quality Assessment

PointQ-Bench：诊断性和可解释的点云质量评估基准

Duanchu Wang, Cheng Li, Junjie Yang, Jing Huang, Zihang Cheng, Zhi Gao, Bohong Zhu, Di Wang

机构 * Xi’an Jiaotong University（西安交通大学） ； Xidian University（西安电子科技大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Ningxia University（宁夏大学） 纠错

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

AI总结 提出PointQ-Bench基准，通过异常感知、缺陷诊断、可用性分级和开放式质量报告任务，将点云质量评估从标量评分扩展到全面质量理解，并揭示当前模型在感知与诊断之间的差距。

Point-Selection Fine-Tuning Framework for Robust Point Cloud Classification

用于鲁棒点云分类的点选择微调框架

Da Li, Chang Ma, Dongfu Yin

机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (Shenzhen)（广东省人工智能与数字经济实验室（深圳）） ； Shenzhen University（深圳大学） 纠错

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

AI总结 研究针对噪声和损坏点降低点云识别性能的问题，提出PSFT点选择微调框架，通过估计点影响、生成提示令牌、附加特征过滤器等操作，在保持参数高效的同时提高鲁棒性，实验证明其有效性。

SemICP: Semantic Non-Rigid Point Cloud Registration with Elastic Energy Regularization

SemICP：基于弹性能量正则化的语义非刚性点云配准

Wanwen Chen, Qi Zeng, Carson Studders, Zongze Li, Jamie J. Y. Kwon, Tara Kemper, Emily H. T. Pang, Eitan Prisman, Septimiu E. Salcudean

机构 * Department of Electrical and Computer Engineering, University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） ； Faculty of Medicine, University of British Columbia（医学院，不列颠哥伦比亚大学） 纠错

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

AI总结 研究针对计算机辅助干预中点云配准问题，提出SemICP框架，结合语义信息点匹配与变形正则化，经多数据集测试，相比其他方法降低多种距离误差，结合AI分割后为多模态配准提供有效管道。

TransDex: Pre-training Visuo-Tactile Policy with Point Cloud Reconstruction for Dexterous Manipulation of Transparent Objects

TransDex：基于点云重建的视觉-触觉政策预训练用于透明物体的精细操作

Fengguan Li, Yifan Ma, Chen Qian, Wentao Rao, Weiwei Shang

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

AI总结 TransDex通过点云重建预训练实现视觉-触觉融合政策，解决透明物体操作中的自遮挡和深度噪声问题，提升真实机器人系统中精细操作性能。

Comments Project page: https://transdex.github.io/

PI3DETR: Parametric Instance Detection of 3D Point Cloud Edges With a Geometry-Aware 3DETR

PI3DETR：基于几何感知的3D点云边缘参数实例检测

Fabio F. Oberweger, Michael Schwingshackl, Vanessa Staderini

机构 * AIT Austrian Institute of Technology Center for Vision, Automation & Control（奥地利技术研究院视觉、自动化与控制中心） 纠错

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

AI总结 PI3DETR通过几何感知的匹配策略和专用损失函数，实现对多种参数化曲线的统一检测，提升3D点云边缘检测的鲁棒性和实用性。

Cross-Coordinate Correspondence Pruning for Image-to-Point Cloud Registration

用于图像到点云配准的交叉坐标对应关系修剪

Xin Liu, Rong Qin, Huipeng Lin, Leizhi Shu, Jin Wu, Chi-Man Vong, Liang Lin, Jufeng Yang

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

AI总结 研究图像到点云配准问题，提出交叉坐标对应关系修剪（CCP）策略，通过投影统一坐标、轻量级网络预测内点置信度及多密度点集成策略，提升配准精度，性能比现有方法至少高8.6%。

Physics-Driven Local-Whole Elastic Deformation Modeling for Point Cloud Representation Learning

基于物理的局部-整体弹性变形建模用于点云表示学习

Zhongyu Chen, Rong Zhao, Xie Han, Xindong Guo, Song Wang, Zherui Qiao

机构 * School of Computer Science and Technology, North University of China,Shanxi Provincial Key Laboratory of Machine Vision and Virtual Reality（计算机科学与技术学院，北中国大学，山西省机器视觉与虚拟现实重点实验室） 纠错

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

AI总结 本文提出基于物理的局部-整体弹性变形建模方法，结合数据驱动与物理机制，提升点云表示的结构建模能力和下游任务的泛化性。

Journal ref Expert Systems with Applications 332 (2027) 133448

Depth-Semantic Alignment and Affinity-Guided Fusion for Structured Radar Point Cloud Generation

深度语义对齐与亲和力引导融合的结构化雷达点云生成

Amjad Hussain, Wenjie Liu, Yuchen Tan, Fuyuan Ai, Zecheng Li, Chunyi Song, Xin Qiu

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 针对毫米波雷达点云稀疏、噪声大、结构不完整的问题，提出基于视觉-雷达融合的多模态点云生成方法，利用图像语义约束和稀疏补全策略提升点云质量，并在检测跟踪任务中验证有效性。

DINE: Distance Is Not Enough -- Learning Global Deformation Priors for Robust Soft-Tissue Point Cloud Registration

DINE：距离并不够——学习用于鲁棒软组织点云配准的全局变形先验

Sara Monji-Azad, Rohit Beer, Marvin Kinz, Claudia Scherl, Jürgen Hesser

机构 * Mannheim Institute for Intelligent Systems in Medicine (MIISM), Medical Faculty Mannheim, Heidelberg University（曼海姆医学智能系统研究所（MIISM），海德堡大学曼海姆医学院） ； Department of Radiation Oncology, Brigham and Women’s Hospital, Dana-Farber Cancer Institute, Harvard Medical School（布莱根妇女医院放射肿瘤学系，达纳-法伯癌症研究所，哈佛医学院） ； Department of Otorhinolaryngology, Head and Neck Surgery, University Medical Center Mannheim, Medical Faculty Mannheim, Heidelberg University（海德堡大学曼海姆医学院曼海姆大学医学中心耳鼻咽喉头颈外科） ； Department of Otolaryngology, Head and Neck Surgery, Campus Klinikum Bielefeld Mitte, University Hospital OWL of Bielefeld University（比勒费尔德大学OWL大学医院比勒费尔德市中心校区耳鼻咽喉头颈外科） ； Interdisciplinary Center for Scientific Computing (IWR), Heidelberg University（海德堡大学跨学科科学计算中心（IWR）） ； Central Institute for Computer Engineering (ZITI), Heidelberg University（海德堡大学中央计算机工程研究所（ZITI）） ； CZS Heidelberg Center for Model-Based AI, Heidelberg University（海德堡大学CZS基于模型的人工智能中心） 纠错

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

AI总结 研究针对软组织点云配准中对应估计难题，提出DINE框架，通过学习统计先验增强基于距离的配准，应用于两个主干并采用两阶段策略，实验表明其能降低平均倒角距离，提高对变形和噪声的鲁棒性，凸显全局变形合理性的重要性。