A Unified Approach for Computing Wasserstein Barycenters of Discrete and Continuous Measures
计算离散和连续测度的Wasserstein均值的统一方法
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种统一的对偶镜像下降算法，用于在Fisher-Rao几何中精确计算Wasserstein均值，能够处理离散和绝对连续输入测度，并在两种情况下保证收敛性。
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
When and How to Canonize: A Generalization Perspective
何时以及如何规范化：从一般化角度出发
机构 * Technion – Israel Institute of Technology（技术学院–以色列理工学院）
专题命中 点云 ：point cloud(abstract)
AI总结 本文从一般化角度分析了规范化的理论属性，提出通过覆盖数上界分析规范化的泛化误差，建立了规范化的泛化误差层次，并证明了Hilbert曲线规范化的有效性。
RelFlexformer: Efficient Attention 3D-Transformers for Integrable Relative Positional Encodings
RelFlexformer: 高效的注意力3D-Transformer用于可积分的相对位置编码
机构 * Seoul National University（首尔国立大学） ； Independent（独立） ； Google Research（谷歌研究） ； Google DeepMind（谷歌DeepMind） ； Columbia University（哥伦比亚大学）
专题命中 点云 ：point cloud(abstract)
AI总结 RelFlexformer引入了基于任意可积分调制函数f的通用3D相对位置编码方法，实现O(L log L)复杂度的高效注意力计算，适用于非结构化异质场景中的点云建模。
The Wittgensteinian Representation Hypothesis: Is Language the Attractor of Multimodal Convergence?
维特根斯坦表示假说：语言是否是多模态收敛的吸引子？
机构 * Central South University（中南大学） ； Huazhong University of Science and Technology（华中科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团）
专题命中 点云 ：point cloud(abstract)
AI总结 研究探讨了为何不同模态的神经网络收敛于共享表示，发现语言模态对其他模态有显著方向性吸引，提出维特根斯坦表示假说。
Comments 22 pages, 11 figures, 6 tables
TSNN: A Non-parametric and Interpretable Framework for Traffic Time Series Forecasting
TSNN：一种非参数且可解释的交通时间序列预测框架
机构 * Faculty of Applied Sciences, Macao Polytechnic University（应用科学学院，澳门理工学院） ； Amazon Web Services, Inc.（亚马逊网络服务公司） ； Macao Polytechnic University（澳门理工学院）
专题命中 点云 ：point cloud(abstract)
AI总结 TSNN通过解耦时间序列提升预测精度，采用非参数方法保持模型简洁，实验显示其在四个真实交通数据集上表现优异，且能可视化解耦过程和模型可解释性。
Comments Accepted by IEEE Transactions on Knowledge and Data Engineering
Generalized Wasserstein Flow Matching: Transport Plans, Everywhere, All at Once
广义Wasserstein流匹配：运输计划，处处，一次完成
机构 * Institut für Mathematik, Technische Universität Berlin, Germany（数学研究所，柏林技术大学，德国）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出广义Wasserstein流匹配方法，通过耦合外层和内层运输计划扩展流匹配框架，结合切线和线性Wasserstein距离降低计算成本，实现概率测度空间中的生成建模。
Embedding Dimension Lower Bounds for Universality of Deep Sets and Janossy Pooling
深度集合和Janossy池化通用性的嵌入维数下界
机构 * Department of Mathematics（数学系） ； Texas A&M University（德克萨斯大学）
专题命中 点云 ：point cloud(abstract)
AI总结 研究深度集合和Janossy池化架构的通用性，确定嵌入维数下界以保证其通用性，为Deep Sets提供最小维数，对k-ary Janossy池化证明首次非平凡下界。
Topology-Enhanced Alignment for Large Language Models: Trajectory Topology Loss and Topological Preference Optimization
基于拓扑的大型语言模型对齐：轨迹拓扑损失与拓扑偏好优化
机构 * School of Computing and Intelligent Innovation, Fudan University（复旦大学计算与智能创新学院） ； School of Economics and Management, Tongji University（同济大学经济与管理学院） ； College of Information Technology, Shanghai Ocean University（上海海洋大学信息学院）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出基于拓扑的对齐框架，通过轨迹拓扑损失和拓扑偏好优化提升大型语言模型的对齐性能，实验表明其在自动偏好指标和LLM判断评估中优于传统方法。
Comments Accepted to ACL 2026. 15 pages
Topological Signatures of Grokking
Grokking 的拓扑特征
机构 * Imperial College London（帝国学院伦敦） ； Queen Mary University of London（女王玛丽大学伦敦） ； University of Fribourg（弗里堡大学）
专题命中 点云 ：point cloud(abstract)
AI总结 通过拓扑学视角研究Grokking现象，利用持久同调分析嵌入矩阵的点云，发现H1同调的持久性显著增加，揭示了任务的循环结构。持久同调为表示学习提供了统一的几何和拓扑描述，且与泛化而非记忆相关。
Comments 19 pages, 14 figures, 2 tables
HyQuRP: Hybrid quantum-classical neural network with rotational and permutational equivariance
HyQuRP：具有旋转和置换等价性的混合量子-经典神经网络
机构 * School of Integrated Technology, Yonsei University, Seoul 03722, Korea（整合技术学院，延世大学，首尔03722，韩国） ； Department of Quantum Information, Yonsei University, Seoul 03722, Korea（量子信息系，延世大学，首尔03722，韩国）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出HyQuRP，一种具有旋转和置换等价性的混合量子-经典神经网络，通过组表示理论分析门空间维度，实验证明其在稀疏点云分类中优于经典和量子基线模型。
Comments 12+41 pages; 1 figure
Fast Log-Domain Sinkhorn Optimal Transport with Warp-Level GPU Reductions
快速对数域Sinkhorn最优传输与 warp 级 GPU 减少
机构 * ATLAS AI Lab（ATLAS人工智能实验室）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出FastSinkhorn，通过warp级shuffle减少和共享内存分块实现高效GPU利用，解决小正则化参数下的数值不稳定性问题，实现12倍速度提升。
Comments 14 pages, 7 figures, code at https://github.com/xiao98/Fast-Sinkhorn-CUDA
LiDAR-based Dynamic Blockage Prediction: A Data-driven Approach for Learning Interactive Bayesian Models
基于LiDAR的动态遮挡预测：一种数据驱动的方法用于学习交互式贝叶斯模型
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出了一种数据驱动方法，用于学习交互式通用动态贝叶斯网络模型，以从基于时间序列的3D点云感知预测未来LiDAR传感器遮挡。通过训练不同车辆在正常和遮挡情况下的GDBN模型，并利用高阶词汇进行多车辆交互，提出交互式马尔可夫跳跃粒子滤波器以推断遮挡并检测异常。
Comments 2025 IEEE International Workshop on Technologies for Defense and Security (TechDefense), Rome, Italy
Calibrated Persistent Homology Tests for High-dimensional Collapse Detection
校准的持续同调测试用于高维坍缩检测
专题命中 点云 ：point cloud(abstract)
AI总结 研究高维点云中坍缩检测，提出基于持续同调的测试统计量，通过校准非坍缩参考模型来评估不同坍缩机制的效力。
Comments Accepted at CG Week 2026
Antimodes and Graphical Anomaly Exploration via Adaptive Depth Quantile Functions
反模态与通过自适应深度分位函数的图形异常探索
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出了一种新颖的异常检测方法，基于深度分位函数的扩展，在欧几里得和非欧几里得情况下均表现出竞争力，通过可视化分析提升异常检测性能。
Comments 24 pages, 13 figures
Explainable AI for Jet Tagging: A Comparative Study of GNNExplainer, GNNShap, and GradCAM for Jet Tagging in the Lund Jet Plane
可解释的AI用于喷注标记：GNNExplainer、GNNShap和GradCAM在Lund喷注平面中喷注标记的比较研究
机构 * Department of Physics, Indian Institute of Technology, Kanpur Uttar-Pradesh-208016, India（印度理工学院坎浦尔分校物理系）
专题命中 点云 ：point cloud(abstract)
AI总结 本文比较了GNNExplainer、GNNShap和GradCAM在Lund喷注平面中喷注标记的性能，通过蒙特卡洛真实解释掩码和物理指导评估框架，揭示了非微扰与微扰区域的解释质量变化，并量化了解释器分配的节点重要性与经典喷注子结构观测量的相关性。
Comments 25 pages, 9 figures. Comments are welcome
Intensity-guided pose-free multiview fusion for single photon sensing
基于强度的无姿态多视角融合单光子传感
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种无姿态多视角融合框架，通过结合物理感知预处理、几何-强度网格特征聚合、全局匹配和局部歧义消除，实现单光子传感的多视角配准，提升了在极端环境下的点云重建一致性。
Target-depth sensing with metasurface-encoder integrated optoelectronic neural network
基于元表面编码器的光学电子神经网络深度传感
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种集成元表面编码器的光学电子神经网络，通过双螺旋点扩散函数将3D信息压缩为2D图像，利用轻量级阴影ResNet网络实现目标分类和深度估计，实现实时目标跟踪。
Multi-FEAT: Multi-Feature Edge Alignment for Targetless Camera-LiDAR Calibration
多特征边缘对齐：无目标相机-激光雷达校准
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出Multi-FEAT方法，通过将3D激光雷达点云投影到2D全景图，并利用多种激光雷达特征信息补充稀疏边界，结合相机边缘提取和特征匹配函数优化校准参数，实验表明其在KITTI数据集上优于现有无目标校准方法。
Neural Operator Representation of Granular Micromechanics-based Failure Envelope
基于颗粒微力学的失效包络的神经算子表示
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种可微神经算子，用于学习微结构配置到失效包络的映射，实现高效正向预测和逆向识别，同时通过物理指导训练策略保证包络的凸性，减少计算成本。
Topological analysis of hemodynamic response to cardiac resynchronization therapy
心室再同步治疗对血流动力学反应的拓扑分析
专题命中 点云 ：point cloud(abstract)
AI总结 本研究利用拓扑数据分析中的Mapper算法，结合新型量化指标，比较左心室心外膜与心内膜起搏对非缺血性心肌病模型的影响，揭示不同心区起搏的血流动力学差异。
Comments 12 pages, with 2 figures, plus supplementary material (4 pages, 2 figures)
HyperLISTA-ABT: An Ultra-light Unfolded Network for Accurate Multi-component Differential Tomographic SAR Inversion
HyperLISTA-ABT：一种超轻展开网络用于准确的多成分差分雷达成像反演
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出HyperLISTA-ABT算法，通过分析方法确定权重，实现超轻量级模型，提升计算效率并保持性能，实验证明其在4D点云重建中表现优异。
Paradigm Shift from Statistical Channel Modeling to Digital Twin Prediction: An Environment-Generalizable ChannelLM for 6G AI-enabled Air Interface
从统计信道建模到数字孪生预测的范式转变：一种适用于6G AI赋能空气接口的环境通用化信道LM
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种环境通用化的信道LM驱动的数字孪生架构，通过动态物体检测和多模态对齐实现高精度环境重建，结合物理可解释的特征提取和信道LM核心，实现多任务信道预测，实验表明在未见过的环境中，信道状态信息预测误差降低4.23 dB，端到端推理延迟仅70毫秒。
Comments 16 pages, 12 figures, Submitted to Nature Partner Journals Wireless Technology
Adaptive Canonicalization with Application to Invariant Anisotropic Geometric Networks
自适应规范化解析及其在不变各向异性几何网络中的应用
机构 * Technical University of Munich, School of Computation, Information and Technology（慕尼黑技术大学，计算、信息与技术学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Technion - Israel Institute of Technology, Faculty of Mathematics（技术学院-以色列理工学院，数学学院）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出自适应规范化解析，通过输入和网络共同决定规范形式，解决谱图神经网络的本征基模糊性和点云旋转对称性问题，实验表明其优于数据增强、标准规范化解析和等变架构。
Towards an Optimal Bound for the Interleaving Distance on Mapper Graphs
迈向mapper图上交织距离的最优界限
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出首个用于boundingmapper图上交织距离的框架，通过整数线性规划确定n-交织的存在性，并构造最小损失的assignment，用于分类任务。
Comments Reformulated the problem into both a binary problem and a loss computation problem
Topological Complexity and Phase Space Stability: A Persistent Homology Approach to Cryptocurrency Risk
拓扑复杂性与相空间稳定性：基于持续同调的加密货币风险分析
专题命中 点云 ：point cloud(abstract)
AI总结 本文利用拓扑数据分析方法，通过相空间稳定性量化加密货币风险，引入持续同调群和拓扑持续性规范，提供一种鲁棒于高频噪声的坐标无关风险评估指标。
Geodesics of Quantum Feature Maps on the Space of Quantum Operators
量子特征映射在量子算子空间中的测地线
专题命中 点云 ：point cloud(abstract)
AI总结 本文研究量子算子空间中量子特征映射诱导子空间的几何结构，推导出曲率、体积形式等几何量的解析公式，揭示数据几何对量子电路的影响。
k-Maximum Inner Product Attention for Graph Transformers and the Expressive Power of GraphGPS
机构 * Stanford University（斯坦福大学） ； University of Oxford（牛津大学）
专题命中 点云 ：point cloud(abstract)
Comments Accepted at the ICLR 2026 GRaM Workshop. 9 pages, 9 figures, 16 tables; 30 pages of supplementary material
Learned Elevation Models as a Lightweight Alternative to LiDAR for Radio Environment Map Estimation
学习的高程模型作为LiDAR的轻量级替代方案用于无线电环境图估计
机构 * Department of Communication Systems, Jožef Stefan Institute（Jožef Stefan研究所通信系统系）
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出一种两阶段框架，利用卫星RGB图像学习高程模型，替代传统LiDAR数据，提升无线电环境图估计的精度和效率。
Comments 6 pages, 3 figures, 3 tables Submitted to PIMRC 2026
Activity Recognition Using mm-Wave Radar and Deep Learning: Prayer Tracker Case Study
利用毫米波雷达和深度学习进行活动识别：祈祷跟踪案例研究
专题命中 点云 ：point cloud(abstract)
AI总结 本文提出基于毫米波雷达的隐私保护活动识别框架，通过点云信息与深度学习结合，实现高精度的祈祷跟踪与定位，验证了ResNet在未知数据上的95.4%准确率。
Bures--Kuratowski metrics and simplicial complexes for completely bounded maps
Bures-Kuratowski度量与完全有界映射的单纯复形
专题命中 点云 ：point cloud(abstract)
AI总结 研究Bures-Kuratowski度量在完全有界映射上的应用，结合Kuratowski嵌入与正则表示Hausdorff坐标，提出度量的l^p楔分解方法，并探讨其在单纯复形中的几何计算与同调特征。
Comments 4 figures
