3D 视觉

The Topology of Ill-Posed Questions: Persistent Homology for Detection and Steering in LLMs

病态问题的拓扑：用于大语言模型中检测与引导的持续同调

Guangyu Jiang, Sizhe Tang, Mahdi Imani, Tian Lan

机构 * The George Washington University（乔治华盛顿大学） ； Northeastern University（东北大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 利用持续同调分析LLM内部状态的拓扑结构，统一表示多种病态问题，并实现分类与激活引导，提升响应质量。

Unification of Signal Transform Theory

信号变换理论的统一

Mitchell A. Thornton

专题命中 点云 ：3D vision(abstract)

AI总结 本文基于代数多样性框架，统一了多种信号变换及其连续形式，揭示了其作为协方差不变性的本征基的原理，并提出了基于匹配群发现的算法。

Comments v2: Added Hankel, Hankel (cont.), AR(m)/pedagogical remarks, 10 new references; v3: Added material on matched transforms without a group (non-Schurian association schemes) and a code repository link; v4: Added Dunkl transform theorem

VDW-GNNs: Vector diffusion wavelets for geometric graph neural networks

VDW-GNNs：面向几何图神经网络的向量扩散小波

David R. Johnson, Alexander Sietsema, Rishabh Anand, Deanna Needell, Smita Krishnaswamy, Michael Perlmutter

机构 * Program in Computing, Boise State University, Boise, Idaho, USA（博伊西州立大学计算项目） ； Department of Mathematics, UCLA, Los Angeles, CA, USA（洛杉矶大学数学系） ； Department of Computer Science, Yale University, New Haven, CT, USA（耶鲁大学计算机科学系） ； Department of Genetics, Yale University, New Haven, CT, USA（耶鲁大学遗传学系） ； Department of Mathematics, Boise State University, Boise, Idaho, USA（博伊西州立大学数学系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出向量扩散小波（VDW），受向量扩散映射算法启发，可有效融入几何图神经网络（VDW-GNNs），在合成点云和真实风场、神经活动数据上表现良好，并证明其具有框架理论和旋转平移对称性。

Comments Presented at ICML 2026. A previous, shorter version of this work was presented in the "New Perspectives in Advancing Graph Machine Learning" workshop at NeurIPS 2025

Computation of degree-1 persistent homology on larger point-clouds using the Reduced Vietoris-Rips filtration

使用简化 Vietoris-Rips 过滤计算更大点云上的 1 次持续同调

Musashi Ayrton Koyama, Facundo Mémoli, Vanessa Robins, Katharine Turner

专题命中 点云 ：point cloud(abstract)

AI总结 提出一种算法，利用简化 Vietoris-Rips 过滤高效计算低维欧氏空间中更大点云的 1 次持续同调，降低了计算复杂度。

Comments 54 pages, 19 figures, 5 tables

JWST-TST High Contrast: First Direct Spectroscopy of GJ 504 b reveals Clouds and Possible Metal Enrichment

JWST-TST 高对比度：GJ 504 b 的首次直接光谱揭示云和可能的金属富集

Aneesh Baburaj, Jean-Baptiste Ruffio, Marshall Perrin, Jerry W. Xuan, William O. Balmer, Yayaati Chachan, Quinn M. Konopacky, Travis S. Barman, Mathilde Mâlin, Kielan K. W. Hoch, Emily Rickman, Kimberly Ward-Duong, Laurent Pueyo, Julien H. Girard, Isabel Rebollido, Alexis Bidot, Christine Chen, Kadin Worthen, Cicero Lu, Jens Kammerer, Roeland P. van der Marel, Nikole K. Lewis, Jeff Valenti, Sara Seager, Chris Stark, Rémi Soummer, Jay Anderson, Charles-Philippe Lajoie, Mark Clampin, C. Matt Mountain

专题命中 点云 ：point cloud(abstract)

AI总结 利用 JWST/NIRSpec 对直接成像行星质量伴星 GJ 504 b 进行中分辨率光谱观测，通过先进后处理技术检测到强信号，提取 2.9-5.3 μm 光谱并建模，发现多种分子、非平衡化学和盐云，推断质量约 25.2 M_Jup，金属丰度高于主星，支持行星形成机制。

Comments 35 pages, 20 figures, 6 tables

Journal ref AJ 172 28 (2026)

Anywhere, Any-Stymie: Remote Activation of Trojan Malware on LiDAR with Modulated Signals

任意地点，任意干扰：利用调制信号远程激活LiDAR上的特洛伊恶意软件

R. Spencer Hallyburton, Miroslav Pajic

专题命中 点云 ：point cloud(abstract)

AI总结 本研究设计了一种嵌入LiDAR固件的特洛伊恶意软件，并利用光学触发通过调制信号远程激活，实现虚假目标注入和真实目标抑制，威胁自动驾驶安全。

Finsler Geometry, Graph Neural Networks, and You

芬斯勒几何、图神经网络与你

T. Mitchell Roddenberry, Richard G. Baraniuk

机构 * Rice University（莱斯大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 针对图拉普拉斯只能近似各向同性算子的局限，提出基于芬斯勒拉普拉斯的图神经网络层，证明其收敛性并恢复非线性扩散方程的几何结构。

ShipNet: A Geometric Deep Learning Surrogate for Real-Time Ship Hydrodynamics

ShipNet：一种用于实时船舶水动力学的几何深度学习代理模型

Kirsten Odendaal, George Drakoulas

机构 * Maritime Research Institute（海洋研究机构） ； Wageningen, Netherlands（荷兰瓦格宁根） ； Damen Research（达门研究） ； Gorinchem, Netherlands（荷兰戈林切姆） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出ShipNet几何深度学习代理模型，直接从船体几何和速度预测压力分布与波浪场，在保留测试集上R²达0.98和0.91，推理速度比势流求解器快550倍以上。

Discovering Symmetry Groups with Flow Matching

通过流匹配发现对称群

Yuxuan Chen, Jung Yeon Park, Floor Eijkelboom, Jianke Yang, Jan-Willem van de Meent, Lawson L. S. Wong, Robin Walters

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出LieFlow框架，将对称发现转化为李群上的分布学习问题，无需固定基或分布假设，能统一发现连续和离散对称，实验优于LieGAN。

Matching correlated VAR time series

匹配相关VAR时间序列

Ernesto Araya, Hemant Tyagi

专题命中 点云 ：point cloud(abstract)

AI总结 研究匹配两个相关VAR时间序列数据库的问题，提出概率框架，通过线性分配估计器实现完美或部分恢复，并利用凸松弛高效求解。

nD-RoPE: A Generalized RoPE for n-Dimensional Position Embedding

nD-RoPE：一种用于n维位置嵌入的广义RoPE

Boyang Li, Yulin Wu, Sizhe Xu, Nuoxian Huang, Zhonghang Yuan, Shangyi Guo, Shu Yang, Takahiro Yabe

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出nD-RoPE，将旋转位置嵌入推广到任意维度，通过多尺度正则单纯形波矢设计实现各向同性，在图像、视频和点云任务中提升性能。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)

From Persistence to Survival: Hypothesis Testing, Effect Sizes and Vectorisation for Topological Features

从持续性到生存：拓扑特征的假设检验、效应大小与向量化

Juliette Murris, Bernadette Stolz, Karsten Borgwardt

机构 * Department of Machine Learning and Systems Biology, Max Planck Institute of Biochemistry, Martinsried, Germany（机器学习与系统生物学部门，马克斯·普朗克生物化学研究所，马尔廷斯里德，德国） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出STRAND方法，将持久性图视为生存数据，利用持久性生存函数统一实现假设检验、效应大小计算和向量化，在合成数据和真实基准上验证了有效性。

Event-based Scheimpflug LiDAR for Ultra-Fast Laser-Scanned Rangefinding

基于事件的Scheimpflug激光雷达用于超快激光扫描测距

Nathan Meraz, Alisha Whitehead, Suet Ying Chan, Ronan Taneja, Gabriella Mayrend, Joseph L. Greene

专题命中 点云 ：point cloud(abstract)

AI总结 提出eSCHORTY系统，将事件传感器与调制连续波线激光结合，通过Scheimpflug几何实现每秒百万兆事件级密集3D点云，解决帧率限制和背景干扰问题。

Comments 19 pages, 8 figures

A Non-Overlapping Schwarz Hybrid Finite Element-Neural Operator Framework for Solid Mechanics on Irregular Domains

不规则区域固体力学的一种非重叠Schwarz混合有限元-神经算子框架

Wei Wang, Abhinav Gupta, Haihui Ruan, Somdatta Goswami

专题命中 点云 ：point cloud(abstract)

AI总结 提出非重叠Schwarz交替法结合Neumann-Dirichlet界面交换，消除重叠层并减少内迭代；Point-DeepONet处理不规则几何，从位移算子解析导出应变应力算子，降低参数量并保证力学一致性。

Comments 40 Pages,19 figures

Conic Formulations of Transport Metrics for Unbalanced Measure Networks and Hypernetworks

非平衡测度网络与超网络的运输度量锥形公式

Mary Chriselda Antony Oliver, Emmanuel Hartman, Tom Needham

专题命中 点云 ：point cloud(abstract)

AI总结 提出基于半耦合的锥形Gromov-Wasserstein距离新公式，扩展至网络与超网络比较，证明缩放、收敛和鲁棒性性质，并设计块坐标上升算法。

Comments 41 pages, 6 figures

Persistent Homology for High-dimensional Data Based on Spectral Methods

基于谱方法的高维数据持续同调

Sebastian Damrich, Philipp Berens, Dmitry Kobak

机构 * Hertie Institute for AI in Brain Health, University of Tübingen, Germany（图宾根大学希特研究所，德国） ； Tübingen AI Center, Germany（图宾根人工智能中心，德国） ； IWR, Heidelberg University, Germany（海德堡大学IWR研究所，德国） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出利用谱方法中的扩散距离和有效电阻检测高维噪声下的拓扑结构，推导出有效电阻的闭式公式，并应用于单细胞RNA测序数据以识别细胞周期环路。

Comments NeurIPS 2024, 54 pages, 44 figures

Journal ref Conference on Neural Information Processing Systems (NeurIPS) 2024

Hub-Aware Hybrid Search: Accelerating the Locally Aligned Ant Technique

Hub感知混合搜索：加速局部对齐蚂蚁技术

Simone Vilardi, Reynier Peletier, Felipe Contreras, Kerstin Bunte

专题命中 点云 ：point cloud(abstract)

AI总结 针对局部对齐蚂蚁技术（LAAT）在检测高维点云中流形结构时受密集中心（hub）影响导致计算开销大的问题，提出一种两阶段方法：快速预处理定位中心并用似然模型替换，再通过混合似然-信息素策略引导蚂蚁高效穿越密集区域，提升检测效率和鲁棒性。

Comments 6 pages, 4 figures, published in the ESANN 2026 proceedings

Journal ref ESANN 2026, European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, Bruges, Belgium, April 22-24, 2026

Interpretable Analytic Calabi-Yau Metrics via Symbolic Distillation

通过符号蒸馏获得可解释的分析Calabi-Yau度量

D Yang Eng

机构 * D Yang Eng 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文研究如何用少量射影不变量紧凑描述Calabi-Yau度量的点确定比，并通过符号回归发现低阶对称特征能有效捕捉教师变化，同时验证了在复杂结构模数范围内保持一致性。

Comments 31 pages, 7 figures

Rotation-Parameterized Graph Fractional Fourier Transform: Definition, Properties, and Optimal Filtering

旋转参数化图分数阶傅里叶变换：定义、性质和最优滤波

Feiyue Zhao, Mingzhi Wang, Yangfan He, Zhichao Zhang

机构 * School of Mathematics and Statistics, Nanjing University of Information Science and Technology（南京信息工程大学数学与统计学院） ； School of Communication and Artificial Intelligence, Nanjing Institute of Technology（南京理工大学通信与人工智能学院） ； School of Integrated Circuits, Nanjing Institute of Technology（南京理工大学集成电路学院） ； Jiangsu Province Engineering Research Center of IntelliSense Technology and System（江苏省智能感知技术与系统工程研究中心） ； Hubei Key Laboratory of Applied Mathematics, Hubei University（湖北省应用数学重点实验室） ； Key Laboratory of System Control and Information Processing, Ministry of Education, Shanghai Jiao Tong University（教育部系统控制与信息处理重点实验室，上海交通大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出旋转参数化图分数阶傅里叶变换（RP-GFRFT），通过统一分数阶和旋转参数化的谱分析，解决现有方法在旋转基控制和零角度退化方面的不足，提升图信号处理的去噪、重建和特征保留性能。

GridPE: A Grid Cell-Inspired Unified Position Embedding for Arbitrary-Dimensional Spaces

GridPE: 一种基于网格细胞的统一位置嵌入方法用于任意维度空间

Boyang Li, Yulin Wu, Nuoxian Huang, Wenjia Zhang

机构 * New York University（纽约大学） ； Peking University（北京大学） ； Imperial College London（伦敦帝国学院） ； Tongji University（同济大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出GridPE，一种受哺乳动物空间认知中六边形周期编码启发的新型位置嵌入框架，旨在解决高维时空任务中位置嵌入的理论保障问题，通过结合计算神经科学原理和调和分析，为任意维度空间提供统一的位置嵌入解决方案。

LMM-IR: Large-Scale Netlist-Aware Multimodal Framework for Static IR-Drop Prediction

LMM-IR：面向静态IR压降预测的大规模网表感知多模态框架

Kai Ma, Zhen Wang, Hongquan He, Qi Xu, Tinghuan Chen, Hao Geng

机构 * Tsinghua University（清华大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 提出一种基于大规模网表变换器和3D点云表示的多模态框架，用于快速准确地预测芯片静态IR压降，在ICCAD 2023竞赛中取得最佳F1分数和最低MAE。

Comments Accepted by DAC2025

A conservative, consistent, and scalable meshfree mimetic method

一种保守、一致且可扩展的无网格仿真实方法

Nathaniel Trask, Pavel Bochev, Mauro Perego

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种基于无网格方法的仿真实方法，该方法通过收缩场和虚拟面矩来定义抽象的无网格仿真实算子（MMD），满足离散散度定理并提供离散局部守恒原理，同时具有第一阶精度。该方法适用于需要背景网格但网格质量不足或无需背景网格的场景，通过虚拟有限体积离散化守恒定律，验证了方法的仿真实性质和与标准有限体积方法的相似性。

Applications of topological graph theory to $2$-manifold learning

拓扑图论在2维流形学习中的应用

Tyrus Berry, Steven Schluchter

专题命中 点云 ：point cloud(abstract)

AI总结 利用拓扑图论和流形分类理论，通过点云数据构建细胞复形并分类流形，提供分段线性结构描述。

Fast high-dimensional node generation with variable density

快速高维节点生成与可变密度

O. Vlasiuk, T. Michaels, N. Flyer, B. Fornberg

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种结合准蒙特卡洛方法和加权里斯能量最小化的方法，用于生成具有指定最近邻距离函数的离散分布，适用于无网格求解器和插值构建。

Comments Updated to journal version; added RBF-FD benchmarks; added journal DOI

A computational geometry method for the inverse scattering problem

一种用于反散射问题的计算几何方法

Maria L. Daza-Torres, Juan Antonio Infante del Río, Marcos A. Capistrán, J. Andrés Christen

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出基于计算几何的反散射问题求解方法，通过点云近似散射体支撑集，并利用贝叶斯方法联合建模点云非凸包和散射体折射率，结合样条控制点计算体积势，提出概率转移核以高效采样后验分布，验证了方法在同时恢复支撑集和折射率方面的可靠性。

Comments 20 pages, figures 8

Optimal Transport on Discrete Domains

离散域上的最优传输

Justin Solomon

机构 * MIT Department of Electrical Engineering and Computer Science（麻省理工学院电气工程与计算机科学系） ； MIT Department of Electrical Engineering（麻省理工学院电气工程系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文探讨了离散最优传输的最新进展，结合偏微分方程与凸分析，提出理论支持的模型，适用于数万到数百万顶点的领域。

Solving Partial Differential Equations on Manifolds From Incomplete Inter-Point Distance

在不完整点间距离上求解偏微分方程

Rongjie Lai, Jia Li

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种基于局部重建的高效方法，利用低秩矩阵补全理论处理不完整点间距离数据，用于在流形上求解偏微分方程，如拉普拉斯-贝尔特里特征系统，并通过实验验证其有效性。

Comments 26 pages, 11 figures

Meshfree finite difference approximations for functions of the eigenvalues of the Hessian

基于Hessian特征值的无网格有限差分近似

Brittany D. Froese

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出无网格有限差分方法，用于近似依赖二阶方向导数或Hessian特征值的非线性椭圆算子，展示了其在复杂域和退化方程中的收敛性。

Convergence of Laplacian spectra from random samples

从随机样本中拉普拉斯谱的收敛性

Zuoqiang Shi

专题命中 点云 ：point cloud(abstract)

AI总结 本文研究了点积分法在无限多随机样本下的收敛性，证明了其能逼近流形上的椭圆算子，并给出了收敛速度的估计。

Enforce the Dirichlet boundary condition by volume constraint in Point Integral method

通过体积约束在点积分法中强制狄利克雷边界条件

Zuoqiang Shi

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出利用杜等人提出的体积约束方法，在点积分法中处理狄利克雷边界条件，替代之前使用的罗宾边界近似。