A complete simulation framework for stone degradation on 3D real geometries
一种用于3D真实几何体上石材退化的完整模拟框架
专题命中 点云 ：point cloud(abstract)
AI总结 提出一种完整工作流，结合摄影测量获取几何、水平集表示和PDE数值离散，预测艺术品中大理石硫酸盐化等石材退化现象。
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
From Holo Pockets to Electron Density: GPT-style Drug Design with Density
从全息口袋到电子密度：基于密度的GPT式药物设计
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 点云 ：point cloud(abstract)
AI总结 提出EDMolGPT，一种利用低分辨率电子密度作为物理条件进行从头药物设计的自回归框架，通过密度点云生成分子，减轻结构偏差并产生3D构象。
Comments Published as a conference paper in ICML 2026
Topological De-Noising: Strengthening the Topological Signal
拓扑去噪：增强拓扑信号
专题命中 点云 ：point cloud(abstract)
AI总结 提出一种易于实现、计算高效的预处理算法，用于噪声点云数据的拓扑数据分析，通过拓扑去噪恢复阈值方法无法获取的拓扑信息。
Comments 13 pages, 37 figures, content added
Minimal positive stencils in meshfree finite difference methods for the Poisson equation
泊松方程无网格有限差分方法中的最小正模板
专题命中 点云 ：point cloud(abstract)
AI总结 针对泊松方程的无网格有限差分方法，提出一种在点云上生成最小尺寸正模板的方法，并给出存在正模板的点云几何条件，与最小二乘法在精度和计算性能上进行比较。
Comments 26 pages, 20 figures
Journal ref Comput. Methods Appl. Mech. Engrg., Vol. 198 (3-4), 2008, pp. 592-601
Counting faces of randomly-projected polytopes when the projection radically lowers dimension
当投影大幅降低维度时随机投影多面体的面计数
专题命中 点云 ：point cloud(abstract)
AI总结 本文发展渐近方法计数随机高维多面体的面，并揭示在统计、概率、信息论和信号处理中的意外应用，包括高斯点云凸包、随机投影信号恢复以及高斯纠错码可纠正的粗差数量。
Comments 56 pages
Convex Distance Operator Transport: A Convex and Geometry-Preserving Formulation
凸距离算子传输：一种凸且保持几何的公式
机构 * KAIST（韩国科学技术院）
专题命中 点云 ：point cloud(abstract)
AI总结 提出凸距离算子传输（CDOT），通过算子正则化联合保持特征对应与内在几何结构，实现异质分布对齐，并证明其伪度量性质及与Gromov-Wasserstein的关系。
Comments This paper is 41 pages long, contains 6 figures, and has been accepted to ICML 2026
SweetFruit: A Two-Stage Mobile Sensing System for Real-Time Fruit Sugar Estimation
SweetFruit：一种用于实时水果糖分估计的两阶段移动传感系统
专题命中 点云 ：point cloud(abstract)
AI总结 提出一种两阶段移动传感系统SweetFruit，结合ToF深度相机和近红外光谱仪，通过3D深度学习分类和回归网络实现水果糖分无接触实时估计，分类准确率超90%，糖度估计RMSE为0.57 Brix。
Riemannian Diffusion Models on General Manifolds via Physics-Informed Neural Networks
基于物理信息神经网络的通用流形上的黎曼扩散模型
机构 * Korea Advanced Institute of Science and Technology, Korea（韩国科学技术院）
专题命中 点云 ：point cloud(abstract)
AI总结 针对黎曼流形上热核难以解析计算的问题，提出用物理信息神经网络求解流形热方程来近似热核，从而实现扩散模型的训练与采样。
Reading Between the Citations: A Typed Claim Network for Scientific Literature
解读引用：面向科学文献的类型化主张网络
机构 * Australian National University（澳大利亚国立大学）
专题命中 点云 ：point cloud(abstract)
AI总结 针对现有知识图谱忽略引用立场的问题，提出将文献间引用具体化为带有立场标签的类型化主张网络，并构建了包含8260条主张的实例，在检索增强、立场摘要和拓扑分析三个任务上验证其有效性。
From Waves to Graphs: A Ray-Tracing-Inspired Neural Radio Propagation Model
从波到图：一种受射线追踪启发的神经无线电传播模型
专题命中 点云 ：point cloud(abstract)
AI总结 提出GRAPHWAVE，一种基于射线追踪原理的神经图驱动传播求解器，通过点云构建等效图并应用神经消息传递，实现三维环境中接收信号强度等无线电量的准确推断。
Comments 7 pages, 4 figures
Community detection in subject-subject networks from psychometrics data
心理测量学数据中主体-主体网络的社区检测
专题命中 点云 ：point cloud(abstract)
AI总结 针对心理测量数据中潜在类别分析的局限性，提出基于主体相似性网络的社区检测方法，通过因子得分空间和修正零模型抑制结构伪影，并利用四种互补指标评估社区显著性。
Comments 30 pages, 15 figures
Measure-to-measure Regression with Transformers
基于Transformer的测度到测度回归
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所） ； MIT（麻省理工学院） ； The Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所）
专题命中 点云 ：point cloud(abstract)
AI总结 针对概率测度之间的映射学习问题，提出利用Transformer的测度依赖和平均场结构，实现静态和动态两种非线性测度到测度回归方法，并在合成实验、粒子系统和癌症治疗反应预测中验证其泛化能力。
A Closed-Form Persistence-Landmark Pipeline for Certified Point-Cloud and Graph Classification
一种用于认证点云和图分类的闭式持久性-地标管道
机构 * Data Science, George Washington University, USA（乔治华盛顿大学数据科学系） ； Department of Mathematical Sciences, Montana Technological University, USA（蒙塔纳技术大学数学科学系） ； Faculty of Computer and Information Science, University of Ljubljana, Institute IMFM, Slovenia（卢布尔雅那大学计算机与信息科学系，IMFM研究所，斯洛文尼亚） ； Biostatistics and Bioinformatics, George Washington University, USA（乔治华盛顿大学生物统计学与生物信息学系）
专题命中 点云 ：point cloud(abstract)
AI总结 提出PLACE管道，通过闭式公式从持久同调签名中分类点云和图，无需学习权重或校准，提供基于间隔的过量风险率、描述符选择规则和每个预测的认证。
Comments TMLR submission, https://openreview.net/forum?id=4kZxNlE5Ve. v2: variance-aware Pinelis-Bernstein certificate (radius iii) fires on 8/12 benchmarks (v1: not operational); MUTAG: empirical and population NC rules agree on 940/940 predictions. Matching-free nu-coherence replaces non-interference. Le Cam lower bound (Thm 3.2) recast PD-native, matching regime m<~R/D explicit
Geometric Flow Matching for Molecular Conformation Generation via Manifold Decomposition
基于流形分解的几何流匹配分子构象生成
机构 * The Hong Kong Polytechnic University（香港理工大学）
专题命中 点云 ：point cloud(abstract)
AI总结 提出GO-Flow方法，通过将生成过程分解为平移、旋转和构象三个物理子空间，利用流形上的最优传输和测地流，解决现有方法忽略分子几何层次结构的问题，实现高质量、高效率的分子构象生成。
UniField: RBF-Guided Electron Density Fusion for Enhanced Molecular Representations
UniField: RBF引导的电子密度融合用于增强分子表示
专题命中 点云 ：point cloud(abstract)
AI总结 提出UniField，一种SE(3)-等变多模态架构，通过融合离散拓扑图与连续电子密度场，在多个基准上取得最先进性能。
Swarical: An Integrated Hierarchical Approach to Localizing Flying Light Specks
Swarical：一种集成层次化方法用于定位飞行光点
专题命中 点云 ：point cloud(abstract)
AI总结 提出一种基于群体智能的层次化定位技术Swarical，通过异构传感器配置和点云转换，使微型无人机FLS能高精度高效定位并照亮复杂2D/3D形状，相比现有技术速度提升2倍以上。
Comments Appeared in proceedings of the 32nd ACM International Conference on Multimedia (MM '24), October 28-November 1, 2024, Melbourne, VIC, Australia. ACM, New York, NY, USA, 9 pages. Source code available at: https://github.com/flyinglightspeck/Swarical. See https://youtu.be/NHMGT-Pjy-A for a demonstration
Any-Dimensional Invariant Universality
任意维不变泛化性
机构 * Department of Applied Mathematics and Statistics, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系） ； Department of Computing and Mathematical Sciences, Caltech（加州理工学院计算与数学科学系）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种系统方法，通过将任意维函数映射到无限维极限空间中的唯一函数，建立任意维模型的泛化性，并证明现有架构的非泛化性及简单修改可恢复泛化性。
IKNO: Infinite-order Kernel Neural Operators
IKNO：无限阶核神经算子
机构 * Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research(CFAR), Agency for Science, Technology and Research (A*STAR)（前沿人工智能研究中心（CFAR），科技研究局（A*STAR））
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出IKNO，一种通过无限阶核积分构建的神经算子，解决了传统模型因依赖一阶核积分而限制表达能力的问题，通过两种互补的构造方法实现了高效的全局信息聚合，并在多个基准数据集上取得了SOTA精度。
Bifunction and Interlevel Delaunay Trifiltrations
双函数与互级Delaunay三滤波
专题命中 点云 ：point cloud(abstract)
AI总结 本文研究了基于实值函数的点云的三参数Delaunay滤波，提出了一种计算方法并实现了该算法，展示了其在三维空间中处理数千个点的能力。
Comments 37 pages, 7 figures. Full version of a paper to appear in the Proceedings of the 42nd International Symposium on Computational geometry (SoCG 2026)
Multimodal-NF: A Wireless Dataset for Near-Field Low-Altitude Sensing and Communications
Multimodal-NF: 一种用于近场低空传感与通信的无线数据集
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出Multimodal-NF数据集，用于近场低空极端大规模多输入多输出系统，通过融合多种模态数据提升无线传感与通信任务的性能。
WorldString: Actionable World Representation
WorldString: 可行动态世界表征
机构 * CalTech（加州理工学院） ； UC San Diego（南加州大学） ； Tsinghua University - IEI Lab（清华大学-IEI实验室） ； NVIDIA（英伟达）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出WorldString，一种能够通过点云或RGB-D视频流直接学习现实物体状态流形的神经架构，为构建可行动态世界模型提供基础构建块。
Diffusion Processes on Implicit Manifolds
隐式流形上的扩散过程
机构 * Signal Processing Laboratory 2（信号处理实验室2） ； Institute of Artificial Intelligence（人工智能研究所） ； EPFL（瑞士联邦理工学院） ； Medical University of Vienna（维也纳医学大学）
专题命中 点云 ：point cloud(abstract)
AI总结 本文研究如何仅使用点云样本在数据流形上构建扩散过程，提出隐式流形估值扩散（IMDs）方法，通过近似扩散过程的无穷小生成元和carré-du-champ来定义高维空间中的随机微分方程，实现流形内在过程的外推，并通过实验验证其在数据流形上的约束性和探索性。
Comments Comments are more than welcome!
Geometric local parameterization for solving Hele-Shaw problems with surface tension
具有表面张力的Hele-Shaw问题的几何局部参数化
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出了一种新的计算框架，用于求解具有表面张力的二维Hele-Shaw自由边界问题。通过点云表示移动边界，消除了全局参数化的需要。利用广义移动最小二乘法（GMLS）构建局部几何图表，能够从点云数据中高阶近似曲率等几何量。该局部参数化系统地用于离散边界积分方程，包括奇异积分的解析公式。提供了所提出空间离散化的严格收敛分析，建立了在某些条件下的一致性和稳定性。所得误差界以移动边界上均匀采样点云数据的大小、边界的光滑性和数值求积规则的阶数来表示。数值实验验证了理论发现，展示了高阶空间收敛性和预期的时间收敛速率。通过模拟复杂初始形状的仿真进一步展示了方法的有效性，包括由各向异性表面张力驱动的界面，这些界面在表面张力的影响下正确演变为圆形平衡状态，突显了该方法在复杂几何依赖界面动力学中的通用性。
Comments 23 pages, 6 figures
Higgs Physics with the XFEL Compton $\boldsymbol{γγ}$ Collider Concept at $\boldsymbol{\sqrt{s}=125}$ GeV
利用XFEL康普顿γγ对撞机概念在√s=125 GeV处研究希格斯物理
专题命中 点云 ：point cloud(abstract)
AI总结 本文研究了在√s=125 GeV的γγ碰撞中利用XFEL康普顿对撞机概念进行单个希格斯玻色子产生，通过结合新的基于集合变换器的深度学习框架和遗传算法优化器，实现了对希格斯玻色子不同衰变模式的高灵敏度分析，展示了该对撞机在高精度探测希格斯领域和新物理发现方面的潜力。
NOFE - Neural Operator Function Embedding
NOFE - 神经操作函数嵌入
机构 * David S. Hippocampus Department of Computer Science Cranberry-Lemon University（David S. Hippocampus 计算机科学系 Cranberry-Lemon 大学） ； UiT The Arctic University of Norway（UiT 北极大学） ； Norwegian Computing Center（挪威计算中心） ； University of South Brittany（南布列塔尼大学） ； University of Copenhagen（哥本哈根大学）
专题命中 点云 ：point cloud(abstract)
AI总结 NOFE是一种面向连续域的降维框架，通过图核操作学习函数到函数的映射，实现无网格评估，优于传统方法在局部结构保持和鲁棒采样方面表现。
Comments 21 pages, 11 figures, 12 tables
Spatially Aware Linear Transformer (SAL-T) for Particle Jet Tagging
具有空间意识的线性变换器（SAL-T）用于粒子喷注标记
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Fermi National Accelerator Laboratory（费米国家加速器实验室）
专题命中 点云 ：point cloud(abstract)
AI总结 SAL-T通过空间感知分区和卷积层提升喷注分类性能，在资源消耗和延迟方面优于标准linformer。
Neural Point-Forms
神经点形
机构 * NVIDIA ； University of Oxford（牛津大学） ； Max Planck Institute for Mathematics in the Sciences（马克斯·普朗克数学研究所） ； Department of Mathematical Sciences（数学科学系） ； Chalmers University of Technology and University of Gothenburg（查尔姆斯理工大学和哥德堡大学） ； School of Engineering and Applied Sciences（工程与应用科学学院） ； Max Planck Institute of Molecular Cell Biology and Genetics（马克斯·普朗克分子细胞生物学与遗传学研究所）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出神经点形（NPFs），通过扩散几何中的拉普拉斯技术，构建点云的可学习几何特征，用于比较微分形式，并在合成和生物相关实验中展示其在处理采样密度、流形结构和群体几何时的优势。
A Multi-Modal Intelligent U2V Channel Model for 6G Sensing-Communication Integration
一种面向6G感知通信一体化的多模智能U2V信道模型
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种基于三维散射体预测的新型U2V信道模型，通过构建宽车道场景下的高保真混合感知通信集成U2V仿真数据集，设计了3D-SPADE算法，利用LiDAR点云准确预测散射体分布，提升了动态U2V场景的建模精度与计算效率。
scShapeBench: Discovering geometry from high dimensional scRNAseq data
scShapeBench: 从高维scRNAseq数据中发现几何结构
机构 * Yale University（耶鲁大学） ； Mila / Université de Montréal（Mila / 蒙特利尔大学） ； Garvan Institute of Medical Research（Garvan医学研究机构） ； School of Biomedical Sciences, University of New South Wales（新南威尔士大学生物医学科学学院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 点云 ：point cloud(abstract)
AI总结 scShapeBench通过合成和专家标注的单细胞数据集，提供高维数据形状检测的基准，结合扩散几何提取Reeb图，改进拓扑-aware评估指标，优于PAGA和Mapper。
PointNeRT: A Physics Aware Neural Ray Tracing Surrogate for Propagation Channel Modeling
PointNeRT：一种物理感知的神经射线追踪替代模型用于传播信道建模
专题命中 点云 ：point cloud(abstract)
AI总结 PointNeRT通过点云输入高效重建多径传播，无需显式构建网格模型或手动定义电磁交互规则，实现物理约束下的多径预测与功率衰减建模。
