Monoidal Rips: Stable Multiparameter Filtrations of Directed Networks
专题命中 点云 ：point cloud(abstract)
Comments 32 pages, 2 figures
视觉与机器人
3D 视觉
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
1. 点云 7737 篇
Relative persistent homology
专题命中 点云 ：point cloud(abstract)
Topological analysis of scale-invariant spatial fluctuations in ultrarelativistic heavy-ion collisions
超相对论重离子碰撞中标度不变空间涨落的拓扑分析
专题命中 点云 ：point cloud(abstract)
AI总结 本文针对重离子碰撞中临界涨落信号微弱难以提取的问题，提出结合TDA与深度学习的两阶段拓扑机器学习框架，成功恢复归一化阶乘矩的幂律标度，确立了拓扑机器学习探测QCD临界点的工具价值。
Comments 16 pages, 12 figures
The Intersection Euler Characteristic Profile: Euler Calculus and Stability for Topological Interaction of Ball Unions
相交欧拉特征轮廓：球并集拓扑交互的欧拉演算与稳定性
专题命中 点云 ：point cloud(abstract)
AI总结 该研究提出相交欧拉特征轮廓（Intersection ECP），基于欧拉演算刻画多球并集拓扑交互，具多项稳定性，可高效计算，其细化能解析精细交互，稠密采样下可恢复基础形状的同调与欧拉特征。
Topological Clustering via Sliced Wasserstien Kernels
基于切片沃尔什斯坦核的拓扑聚类
专题命中 点云 ：point cloud(abstract)
AI总结 该研究针对TDA中聚类问题，提出基于各同调SW核凸组合的核k均值算法，在基准及合成数据集上表现优于基线且计算高效，权重可识别具判别性的同调。
Comments 20 Pages, 5 figures
ED-DiT: Physics-Guided Diffusion Pretraining for Transferable Molecular Representations from Electron Density
ED-DiT：用于从电子密度学习可迁移分子表示的物理引导扩散预训练
专题命中 点云 ：point cloud(abstract)
AI总结 本研究提出ED-DiT，一种物理引导的扩散Transformer，通过电子密度点云自监督预训练学习可迁移分子表示，在6项EDBench任务及低监督场景下均优于基线，展现出良好效果。
Comments 16 pages, 9 figures, 7 tables, including supplementary material
Multimodal Embeddings for 3D Similarity Search in Semantic Web-of-Things Digital-Twin Platforms
面向语义物联网数字孪生平台中三维相似度搜索的多模态嵌入
专题命中 点云 ：point cloud(abstract)
AI总结 本文针对语义物联网数字孪生平台缺乏三维相似度搜索能力的问题，提出多模态嵌入框架，在Thing'in平台实现后经S3DIS验证，可支持混合本体-向量查询，满足相关领域的三维相似度搜索需求。
Journal ref 4th International Workshop on the Semantic WEb of EveryThing (SWEET 2026), co-located with ICWE 2026, Jun 2026, Lyon, France
Geometric Generalization of Neural Operators from a Kernel Integral Perspective
从核积分视角看神经算子的几何泛化
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种基于核积分视角的多尺度神经算子，用于解决变量几何下的神经算子泛化问题，并提供理论保证和实验验证。
Comments 37 pages, 6 figures
Quantum Semantic Communication Beyond the Shannon-Wyner Channel Capacity
专题命中 点云 ：point cloud(abstract)
Journal ref Research, 2026
Topological feature selection for time series data
面向时间序列数据的拓扑特征选择
专题命中 点云 ：point cloud(abstract)
AI总结 该研究将应用拓扑学工具用于时间序列数据的特征选择，提出一种基于拓扑特征贡献的变量评分方法，以秀丽隐杆线虫神经元数据为背景，选出优化协同动力学的神经元子集。
Comments 31 pages. Numerous improvements based on referee comments. We now use stochastic subgradient descent which has guarantees of convergence
Encoding the Euler Characteristic Transform
编码欧拉特征变换
机构 * Department of Informatics, University of Bergen（卑尔根大学信息学系） ； Department of Informatics, University of Fribourg（弗里堡大学信息学系）
专题命中 点云 ：point cloud(abstract)
AI总结 提出连续编码方法，将欧拉特征曲线转化为每个顶点的净变化序列，通过小型变换器生成特征向量，并在多个数据集上提升分类精度。
Comments Accepted at the 2nd Annual Conference on Topology, Algebra, and Geometry in Data Science (TAG-DS) 2026
Doubly Robust Functional Representation Learning for Longitudinal Causal Inference with Irregular Histories
针对具有不规则历史的纵向因果推断的双重鲁棒函数表示学习
专题命中 点云 ：point cloud(abstract)
AI总结 针对不规则历史的纵向因果推断，提出DR-FRL交叉拟合工作流，通过函数与时间编码器映射状态、估计干扰项函数，经诊断验证后在模拟与VitalDB审计中表现出良好性能。
A Mathematical Framework for Topological Causal Data Analysis
拓扑因果数据分析的数学框架
专题命中 点云 ：point cloud(abstract)
AI总结 该研究提出拓扑因果数据分析（TCDA）框架，区分结果级与分布级TCDA，构建对应识别与表示方法，明确观测拓扑在因果发现中的作用，为结构化对象的因果分析提供数学基础。
Voronoi Histograms for Adaptive Vectorization of Expected Persistence Diagrams
用于期望持久性图自适应向量化的Voronoi直方图
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出用Voronoi直方图对期望持久性图（EPD）进行自适应向量化，建立了其稳定性界，在真实世界数据集的分类与降维任务中验证了该表示的有效性。
Watershed vs. Region Growing for Individual Tree Segmentation from Airborne LiDAR: An Urban Case Study in Bologna
基于机载激光雷达的单木分割：分水岭算法与区域生长法的对比——以博洛尼亚城市区域为例
专题命中 点云 ：point cloud(abstract)
AI总结 该研究以博洛尼亚城市区域为案例，对比分水岭算法与区域生长法对机载LiDAR点云的单木分割效果，提取植被指标并构建交互式地图，为城市绿化规划提供可扩展基础。
Comments 26 pages, 21 figures
Persistence Spheres: a Bi-continuous Linear Representation of Measures for Partial Optimal Transport
持久球体：一种双连续的线性表示法用于部分最优运输
机构 * Institute of Computing, Faculty of Informatics, Universitá della Svizzera Italiana（计算研究所、信息学院、瑞士联邦理工学院）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出持久球体，一种双连续的线性表示法，用于部分最优运输，通过凸几何构建，提供参数自由的度量表示，并在多个任务中优于现有方法。
Equivariant Eikonal Neural Networks: Grid-Free, Scalable Travel-Time Prediction on Homogeneous Spaces
等变 eikonal 神经网络：齐性空间上无网格、可扩展的走时预测
机构 * Amsterdam Machine Learning Lab (AMLab), University of Amsterdam（阿姆斯特丹机器学习实验室（AMLab），阿姆斯特丹大学） ； New Theory（新理论） ； Department of Mathematics and Computer Science, Eindhoven University of Technology（数学与计算机科学系，埃因霍温理工大学） ； Leiden Institute of Advanced Computer Science, Universiteit Leiden（莱顿高级计算机科学研究所，莱顿大学）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出将等变神经场与神经 eikonal 求解器结合的新型框架，用于齐性空间等任意黎曼流形的走时预测，经地震走时建模验证，性能优于现有基于神经算子的方法。
Generator-Aligned Representation Interfaces for Diagnostic Soft Equivariance
用于诊断软等变性的生成器对齐表示接口
机构 * Tongji University（同济大学）
专题命中 点云 ：point cloud(abstract)
AI总结 研究针对精确等变架构复用复杂的问题，提出生成器对齐表示接口GARI，通过特定原则和残差形式化行为，实例化为GARI-Net，经实验验证其能支持变换一致性和泛化，为硬等变架构提供可移植诊断补充。
Data-Driven Diffusion Processes on Differential Forms via the Projected Ambient Connection Laplacian
通过投影环境联络拉普拉斯算子在微分形式上进行数据驱动的扩散过程
专题命中 点云 ：point cloud(abstract)
AI总结 研究如何通过投影环境联络拉普拉斯算子对微分形式进行数据驱动的扩散过程，基于新颖表示构造矩阵值扩散算子，有渐近最优核带宽缩放，推导显式欧拉格式并经数值实验验证，为几何偏微分方程数值逼近奠定基础。
Comments Comments are welcome
PI-GINOT: Data-free geometry-informed neural operator learning for finite-strain hyperelasticity on parametric DogBone specimens
PI-GINOT：用于参数化狗骨形试件有限应变超弹性的无数据几何信息神经算子学习
专题命中 点云 ：point cloud(abstract)
AI总结 研究针对参数化非线性固体力学模拟成本高的问题，提出PI-GINOT这一无数据几何信息神经算子，通过特定方法预测狗骨形试件有限应变超弹性响应，经训练和验证，在多个测试几何形状上取得一定精度结果，揭示了局部应力分辨率待提升之处。
Near-Optimal Dimension Lower Bounds for Single-Vector Embeddings of Maximum Inner Product Similarity
最大内积相似度单向量嵌入的近最优维度下界
专题命中 点云 ：point cloud(abstract)
AI总结 研究针对最大内积相似度单向量嵌入的维度下界问题。此前上下界在m指数上有差距，本文几乎弥合。证明结合方法得出，对固定δ及足够小ε、m≥(1/ε)^A_δ，单向量近似维度D≥m^(c_δ/ε^(2 - 2δ))，此结论对多种情况适用，指数接近上界。
Distance-Matrix Wasserstein Statistics for Scalable Gromov--Wasserstein Learning
基于距离矩阵的Wasserstein统计用于可扩展的Gromov-Wasserstein学习
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出距离矩阵Wasserstein统计，通过采样点并运输距离矩阵来近似Gromov-Wasserstein距离，证明其作为下界并建立反向逼近不等式，同时提供有限样本界和可扩展计算方法。
Comments The authors withdraw this manuscript because its attribution and positioning relative to prior work require substantial correction, and several technical arguments require further verification. The current version should not be relied upon
AI-Driven Surrogate Models for Predicting Electrode-Scale Discharge Behavior in Lithium-Ion Batteries
用于预测锂离子电池电极尺度放电行为的人工智能驱动替代模型
专题命中 点云 ：point cloud(abstract)
AI总结 研究锂离子电池电极尺度放电行为预测难题，提出基于Swin3D Transformer的深度学习替代管道，集成高斯位置编码和时间编码模块，实验表明其预测准确且大幅降低计算开销，为电池设计优化提供高效框架。
Journal ref Lecture Notes in Computer Science, 2027, Lecture Notes in Artificial Intelligence, 16615, pp.120-131
Environment-Aware Channel Inference via Cross-Modal Flow: From Multimodal Sensing to Wireless Channels
通过跨模态流进行环境感知信道推断：从多模态感知到无线信道
机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算机科学学院） ； School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）
专题命中 点云 ：point cloud(abstract)
AI总结 研究在高多普勒环境下无需导频的信道推断，提出数据驱动框架将传感到信道映射设为跨模态流匹配问题，通过融合多模态特征、学习速度场等实现实时CSI估计，实验表明该方法在信道估计精度和频谱效率上优于基准。
Comments 17 pages, 15 figures, 44 references, to appear in IEEE Transactions on Mobile Computing (TMC)
From Dark Matter to Galaxies: Halo-Free Mock Generation via Conditional Point-Cloud Diffusion
从暗物质到星系：通过条件点云扩散生成无晕模拟
专题命中 点云 ：point cloud(abstract)
AI总结 研究提出基于扩散的生成模型，以暗物质密度场为输入生成含位置和物理性质的星系点云。在IllustrisTNG模拟目录上训练，能再现星系与暗物质场关系及多种分布，还可绕过晕发现，为相关实验提供实用引擎及新推断途径。
Comments 9 pages, 9 figures, submitted to MNRAS
Streaming Sliced Optimal Transport
流式切片最优传输
机构 * Department of Statistics（统计系） ； Data Sciences, University of Texas at Austin, USA（数据科学系，德克萨斯大学奥斯汀分校）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出流式切片最优传输（Stream-SW）方法，通过流式估计一维Wasserstein距离来提升计算效率，适用于样本流中的切片最优传输估计，具有低内存复杂度和理论误差保证。
Comments Accepted to ICML 2026, 21 pages, 8 figures, 7 tables
Online Change-Point Detection with Persistent Laplacian Features
用于在线变点检测的校准持久拉普拉斯累积和
专题命中 点云 ：point cloud(abstract)
AI总结 针对高维非线性时间序列在线变点检测，提出PL-CUSUM方法，将滑动窗口转为点云，用持久拉普拉斯谱构建监测分数，分析关键性能标准，给出阶段程序，实验表明其能稳定控制误报且检测性能有竞争力。
Comments 51 pages, 9 figures
Topological Signatures of Context-Level Reliability in TabPFN
TabPFN中上下文级可靠性的拓扑特征
机构 * TD Bank（道明银行）
专题命中 点云 ：point cloud(abstract)
AI总结 研究TabPFN在复杂表格几何上的内部行为，用曲折持久同调将其层表示视为点云，构建合成表格任务基准。发现其内部表示几何拓扑与数据集级可靠性相关，复杂几何有双重拓扑特征，相关描述符与多种指标有关，能诊断可靠性及运行状态。
Calibrated Alzheimer's Conversion Risk in Mild Cognitive Impairment: Persistent Homology of Clinical Trajectories with Conformal Guarantees
轻度认知障碍中经过校准的阿尔茨海默病转化风险：具有共形保证的临床轨迹的持久同调
机构 * Institute of Health Informatics, University College London（伦敦大学学院健康信息学研究所）
专题命中 点云 ：point cloud(abstract)
AI总结 研究旨在预测MCI到AD的转化，将持久同调用于临床轨迹点云，结合多种特征构建堆叠集成模型。校正泄漏源，经交叉验证等实验，模型有竞争力的准确性，提出H0持久熵为拓扑生物标志物，实现个体层面不确定性量化。
Comments 17 pages, 6 figures, 2 tables. Data from the Alzheimer's Disease Neuroimaging Initiative (ADNI). Code available upon reasonable request
Adaptive Mamba Neural Operators
自适应曼巴神经算子
专题命中 点云 ：point cloud(abstract)
AI总结 研究如何准确求解任意几何形状和各种网格上的偏微分方程，提出自适应曼巴神经算子，通过构建竹内 - 马尔姆奎斯特系统集成再生核，在多个领域的基准问题上，其相对\(L^2\)误差优于现有求解器，为神经算子框架设计提供新范例。
Comments 22 pages, accepted by ICLR 2026 conference (https://openreview.net/forum?id=OenyzvFZPs)
