3D 视觉

Direct Estimation of Tree Volume and Aboveground Biomass Using Deep Regression with Synthetic Lidar Data

利用合成激光雷达数据进行树体积和地上生物量的直接估计

Habib Pourdelan, Zhengkang Xiang, Hugh Stewart, Cam Nicholson, Martin Tomko, Kourosh Khoshelham

机构 * The University of Melbourne（墨尔本大学） ； Private Forestry Service Victoria（维多利亚私人林业服务） ； Nicon Rural Services（Nicon乡村服务） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本研究提出利用合成激光雷达数据训练深度回归网络，直接估算森林体积和地上生物量，相较传统方法更准确高效。

Finding the Homology of Manifolds using Ellipsoids

使用椭球体寻找流形的同调

Sara Kalisnik, Davorin Lesnik

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出利用椭球体而非球体来计算流形的同调，从而降低样本密度要求并改进持续同调的构造方法。

Geometric and Probabilistic Limit Theorems in Topological Data Analysis

几何与概率极限定理在拓扑数据分析中的应用

Sara Kalisnik, Christian Lehn, Vlada Limic

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种分析随机有限点云的概率框架，证明了条形码在点数趋于无穷时的收敛性，并探讨了在紧致流形上均匀采样的定量收敛问题。

Optimal alignment of Lorentz orientation and generalization to matrix Lie groups

洛伦兹取向的最优对齐及其对矩阵李群的推广

Congzhou M Sha

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出两种方法解决四向量在不同参考系间的最优洛伦兹变换问题，并推广到其他矩阵李群的向量对齐

Comments 10 pages, 2 figures

MNO: Multiscale Neural Operator for 3D Computational Fluid Dynamics

MNO：用于三维计算流体动力学的多尺度神经算子

Qinxuan Wang, Chuang Wang, Mingyu Zhang, Jingwei Sun, Peipei Yang, Shuo Tang, Shiming Xiang

机构 * School of Artifcial Intelligence, University of Chinese Academy of Sciences, Beijing 100049, China（人工智能学院，中国科学院大学，北京） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 MNO通过多尺度架构在三维非结构化点云上实现高效计算流体动力学模拟，显著提升预测精度。

Point-DeepONet: Predicting Nonlinear Fields on Non-Parametric Geometries under Variable Load Conditions

点-深度ONet：在非参数几何上预测非线性场，以应对变量载荷条件

Jangseop Park, Namwoo Kang

机构 * Cho Chun Shik Graduate School of Mobility, Korea Advanced Institute of Science and Technology（Cho Chun Shik 移动研究生院，韩国科学技术院） ； Narnia Labs（Narnia 实验室） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 Point-DeepONet通过整合PointNet与DeepONet框架，高效预测非参数几何和变量载荷下的物理响应场，实现比传统有限元分析快400倍的高保真结构分析。

Comments Accepted for publication in Neural Networks. 17 pages, 17 figures

Journal ref Neural Networks, 198 (2026) 108560

Estimation of Conformal Metrics

conformal metrics 的估计

Jérôme Taupin

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种基于点云的 conformal metric 估计方法，利用正则性假设和 Ahlfors 正则性条件，实现了高效的收敛速率和转换结果。

Topological Percolation in Urban Dengue Transmission: A Multi-Scale Analysis of Spatial Connectivity

城市登革热传播中的拓扑渗透：空间连通性的多尺度分析

Marcílio Ferreira dos Santos, Cleiton de Lima Ricardo

专题命中 点云 ：point cloud(abstract)

AI总结 本文通过拓扑数据分析研究了里约热内卢市登革热传播的空间连通性，揭示了时间异质性和临界渗透阈值对传播模式的影响。

Comments 12 pages, 4 figures

A Resolution Independent Neural Operator

独立于分辨率的神经算子

Bahador Bahmani, Somdatta Goswami, Ioannis G. Kevrekidis, Michael D. Shields

机构 * Hopkins Extreme Materials Institute（霍普金斯极端材料研究所） ； Dept. of Civil and Systems Engineering（土木与系统工程系） ； Johns Hopkins University（约翰·霍普金斯大学） ； Dept. of Chemical and Biomolecular Engineering（化学与生物分子工程系） ； Dept. of Applied Mathematics and Statistics（应用数学与统计学系） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种独立于分辨率的神经算子架构RINO，通过自适应学习连续基函数，实现对任意采样输入输出函数的高效处理。

Journal ref Journal of Computational Physics, 539, 2025, 114233

Secure AI-Driven Super-Resolution for Real-Time Mixed Reality Applications

安全的人工智能驱动超分辨率用于实时混合现实应用

Mohammad Waquas Usmani, Sankalpa Timilsina, Michael Zink, Susmit Shannigrahi

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Tennessee Technological University（田纳西科技技术大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种安全的人工智能驱动超分辨率方法，用于降低混合现实应用中的带宽和延迟，通过下采样和部分加密减少数据传输，并利用机器学习模型高效重建高分辨率点云。

On Transferring Transferability: Towards a Theory for Size Generalization

关于转移的转移：迈向大小泛化理论

Eitan Levin, Yuxin Ma, Mateo Díaz, Soledad Villar

机构 * Department of Computing and Mathematical Sciences, Caltech（加州理工学院计算与数学科学系） ； Department of Applied Mathematics and Statistics and the Mathematical Institute for Data Science, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系及数据科学数学研究所） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种通用框架，用于研究不同维度间的转移性，并通过理论分析和实验验证了大小泛化的能力。

Comments 75 pages, 10 figures, closest to version to be published in NeurIPS

Sample Complexity Bounds for Estimating Probability Divergences under Invariances

在不变性下估计概率分歧的样本复杂度界限

Behrooz Tahmasebi, Stefanie Jegelka

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； TU Munich（慕尼黑工业大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文研究了在不变性下估计概率分歧的样本复杂度，发现群不变性可减少样本复杂度并提高收敛率。

Comments ICML 2024

Journal ref International Conference on Machine Learning (ICML) 2024

Exploration of Radar-based Obstacle Visualizations to Support Safety and Presence in Camera-Free Outdoor VR

雷达基于的障碍可视化探索以支持无摄像头户外VR中的安全与存在

Avinash Ajit Nargund, Andrew L. Huard, Tobias Höllerer, Misha Sra

专题命中 点云 ：point cloud(abstract)

AI总结 本研究探索了雷达基于的障碍可视化技术，通过三种不同方法比较，发现其在户外VR中平衡沉浸、安全与隐私方面存在不同效果和局限。

The Flood Complex: Large-Scale Persistent Homology on Millions of Points

洪水复杂性：在数百万点上的大规模持久同调

Florian Graf, Paolo Pellizzoni, Martin Uray, Stefan Huber, Roland Kwitt

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出洪水复形，用于高效计算大规模点云的持久同调，适用于下游机器学习任务，尤其在处理复杂几何或拓扑结构时表现更优。

CaloHadronic: a diffusion model for the generation of hadronic showers

CaloHadronic: 一种用于产生强子 shower 的扩散模型

Thorsten Buss, Frank Gaede, Gregor Kasieczka, Anatolii Korol, Katja Krüger, Peter McKeown, Martina Mozzanica

机构 * Institute for Experimental Physics, Universität Hamburg（汉堡大学实验物理研究所） ； CERN（欧洲核子研究中心） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 CaloHadronic 提出了一种基于 transformer 的扩散模型，用于在高度粒状成像 calorimeter 系统中生成电磁和强子 shower，通过注意力机制提升模拟精度和效率。

Journal ref Journal of Instrumentation, Volume 21, January 2026, P01042

Parametric vector flows for registration fields in bounded domains with applications to nonlinear interpolation of shock-dominated flows

参数流场用于有界域中的注册场，应用于非线性插值的激波主导流

Jon Labatut, Jean-Baptiste Chapelier, Angelo Iollo, Tommaso Taddei

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种基于参数流场的注册方法，用于在有界域中进行非线性插值，以提高激波主导流场的精度。

Point transformer for protein structural heterogeneity analysis using CryoEM

利用冷冻电镜分析蛋白质结构异质性的点变换器

Muyuan Chen, Muchen Li, Renjie Liao

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出Point Transformer用于分析冷冻电镜数据中的蛋白质结构异质性，提升异质性分析性能并实现更直观的动力学表征。

A Multi-Modal Fusion Platform for Joint Environment Sensing and Channel Sounding in Highly Dynamic Scenarios

一种多模态融合平台，用于高动态场景中的联合环境感知与信道探测

Xuejian Zhang, Ruisi He, Mi Yang, Zhengyu Zhang, Ziyi Qi

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出一种多模态融合平台，用于高动态场景中联合环境感知与信道探测，支持多频段多天线测量和高精度环境感知。

Reducing Simulation Dependence in Neutrino Telescopes with Masked Point Transformers

在中微子望远镜中减少模拟依赖性：基于掩码点变换器的方法

Felix J. Yu, Nicholas Kamp, Carlos A. Argüelles

机构 * Department of Physics \& Laboratory of Particle Physics ； Cosmology, Harvard University, Cambridge, MA, USA 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种基于点云变换器和掩码自动编码器的自监督学习方法，用于减少中微子望远镜对模拟数据的依赖，从而提升事件重建和分类的准确性。

Comments 8 pages, 3 figures, presented at the 39th International Cosmic Ray Conference (ICRC2025)

SGCP: A Self-Organized Game-Theoretic Framework For Collaborative Perception

SGCP：一种自组织博弈论框架用于协作感知

Zechuan Gong, Hui Zhang, Yuquan Yang, Wenyu Lu

专题命中 点云 ：point cloud(abstract)

AI总结 SGCP通过自组织博弈框架实现车辆协作感知，提升自动驾驶的安全性和感知精度。

AllShowers: One model for all calorimeter showers

AllShowers: 一个用于所有 calorimeter shower 的模型

Thorsten Buss, Henry Day-Hall, Frank Gaede, Gregor Kasieczka, Katja Krüger

机构 * Institut für Experimentalphysik, Universität Hamburg（实验物理研究所，汉堡大学） ； Deutsches Elektronen-Synchrotron DESY（德国电子同步辐射实验室DESY） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 AllShowers是一种统一的生成模型，能够高效模拟多种粒子类型的calorimeter shower，提升碰撞实验中探测器模拟的保真度和效率。

OmniMol: Transferring Particle Physics Knowledge to Molecular Dynamics with Point-Edge Transformers

OmniMol：通过点边变换将粒子物理知识转移到分子动力学中

Ibrahim Elsharkawy, Vinicius Mikuni, Wahid Bhimji, Benjamin Nachman

专题命中 点云 ：point cloud(abstract)

AI总结 OmniMol通过点边变换将粒子物理知识应用于分子动力学，实现高效的分子互作用建模与高精度预测。

Comments 8 pages, 10 figures

Topology meets Machine Learning: An Introduction using the Euler Characteristic Transform

拓扑与机器学习的交汇：通过欧拉特征变换进行介绍

Bastian Rieck

机构 * Department of Computer Science, University of Fribourg, Switzerland（计算机科学系，弗里堡大学，瑞士） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文介绍通过欧拉特征变换将拓扑概念应用于机器学习，提升点云、图和网格分析的模型效率，并展望未来拓扑在神经网络学习和分析中的应用。

Journal ref Notices Amer. Math. Soc. 72 (2025), no. 7, 719--727

Persistent Homology via Ellipsoids

通过椭球体进行持久同调

Niklas Canova, Sara Kališnik, Aaron Moser, Bastian Rieck, Ana Žegarac

机构 * ETH Zurich（苏黎世联邦理工学院） ； Pennsylvania State University（宾夕法尼亚州立大学） ； MIT（麻省理工学院） ； University of Fribourg（弗里堡大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种基于椭球体的Rips型复形，用于改进拓扑数据分析中的持久同调计算，通过主成分分析估计切线空间并验证其在分类任务中的优越性。

REAMP: A Stochastic Resonance Approach for Multi-Change Point Detection in High-Dimensional Data

REAMP: 一种用于高维数据多变化点检测的随机共振方法

Xiaoping Shi, Baisuo Jin, Xianhui Liu, Qiong Li

专题命中 点云 ：point cloud(abstract)

AI总结 REAMP通过结合最优传输理论和随机共振原理，有效检测高维数据中的多变化点，尤其在同时存在均值和方差变化的场景中表现优异。

Comments 15 pages, 5 figures

Autofocus Method for Human-Body Imaging under Respiratory Motion Using Synthetic Aperture Radar

用于呼吸运动下人体成像的自动聚焦方法：合成孔径雷达

Masaya Kato, Takuya Sakamoto

专题命中 点云 ：point cloud(abstract)

AI总结 本研究提出一种用于呼吸运动下人体合成孔径雷达成像的自动聚焦方法，通过分离回波和估计相位误差提升图像质量。

Comments 8 pages, 7 figures, and 3 tables. This work is going to be submitted to the IEEE for possible publication

From Small to Large: Generalization Bounds for Transformers on Variable-Size Inputs

从小到大：变换器在可变大小输入上的泛化界限

Anastasiia Alokhina, Pan Li

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种理论框架，用于分析变换器在可变大小输入上的泛化界限，通过采样密度和数据流形的内在维数确定误差界，并通过实验验证了理论的准确性。

Structured Matching via Cost-Regularized Unbalanced Optimal Transport

通过成本正则化的不平衡最优传输实现结构匹配

Emanuele Pardini, Katerina Papagiannouli

机构 * University of Pisa（比萨大学） 纠错

专题命中 点云 ：point cloud(abstract)

AI总结 本文提出了一种成本正则化的不平衡最优传输框架，用于在异质空间中匹配测度，提升了单细胞组学数据的对齐效果。

A Comprehensive Database of Leaf Temperature, Water, and CO 2 Fluxes in Young Oil Palm Plants Across Diverse Climate Scenarios

全面的年轻油棕植物叶温度、水分和CO2通量数据库，在多样的气候情景下

Raphael Perez, Valentin Torrelli, Sandrine Roques, Sébastien Devidal, Clément Piel, Damien Landais, Merlin Ramel, Thomas Arsouze, Julien Lamour, Jean-Pierre Caliman, Rémi Vezy

专题命中 点云 ：point cloud(abstract)

AI总结 本研究提供了一个全面的油棕植物叶温度、水分和CO2通量数据库，用于评估FSPM模型的准确性，促进生物物理模型的基准测试和改进。

Comments Data and code availability: The raw data and scripts used to generate the final database are detailed and accessible on Zenodo (Vezy et al., 2025), the code is also accessible via a Github repository (https://github.com/PalmStudio/Biophysics\_database\_palm), and we also provide a companion website (https://palmstudio.github.io/Biophysics\_database\_palm) showing how computations were made and the main results. The code to trigger the FLIR camera and for logging the precision scale data is also available on dedicated Zenodo repositories (Vezy, 2025a, 2025b)

Topology-Informed Jet Tagging using Persistent Homology

利用持久同调的拓扑感知喷注标记

Saurav Mittal

专题命中 点云 ：point cloud(abstract)

AI总结 利用持久同调分析喷注的拓扑特征，通过持久图像输入神经网络实现夸克-胶子喷注分类，揭示环状结构对喷注子结构的判别作用。

Comments 4 pages