VLM-Loc: Localization in Point Cloud Maps via Vision-Language Models
基于视觉-语言模型的点云地图定位
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 VLM-Loc通过视觉-语言模型的空间推理能力，实现了更准确的文本到点云定位，提升了复杂环境中的定位鲁棒性。
Comments CVPR 2026
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 7723 篇
Point Cloud as a Foreign Language for Multi-modal Large Language Model
点云作为多模态大语言模型的外语
机构 * Concordia University（康科迪亚大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 SAGE是首个端到端3D多模态大语言模型，通过轻量级3D分词器直接处理点云，提升3D任务的推理能力与鲁棒性。
Comments Accepted in The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026
PCFEx: Point Cloud Feature Extraction for Graph Neural Networks
PCFEx: 用于图神经网络的点云特征提取
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出PCFEx方法，通过将点云视为图并结合GNN架构，提升3D点云在人体姿态估计和活动识别中的精度。
Comments ©2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works
Journal ref IEEE Internet of Things Journal, vol. 13, no. 4, pp. 5909-5917, 15 Feb.15, 2026
LAHNet: Local Attentive Hashing Network for Point Cloud Registration
LAHNet：用于点云配准的局部注意哈希网络
机构 * Nanjing University of Science and Technology（南京理工大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 LAHNet通过引入局部注意机制和高效窗口化策略，提升点云配准的特征区分性与鲁棒性。
Fast Attention-Based Simplification of LiDAR Point Clouds for Object Detection and Classification
基于快速注意力机制的激光雷达点云简化用于目标检测与分类
机构 * Institute for Computer Science and Control (SZTAKI)（计算机科学与控制研究所） ； School of Information Engineering（信息工程学院） ； Faculty of Technology, Arts, and Culture（技术、艺术与文化学院） ； School of Control Science and Engineering（控制科学与工程学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出一种基于注意力机制的高效激光雷达点云简化方法，通过特征嵌入与注意力采样模块提升目标检测与分类的效率和准确性。
AnyPcc: Compressing Any Point Cloud with a Single Universal Model
AnyPcc: 用单一通用模型压缩任意点云
机构 * SECE, Peking University（北京大学SECE学院） ； Peng Cheng Laboratory（鹏城实验室）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 AnyPcc通过通用上下文模型和实例自适应微调策略，实现高效且鲁棒的点云压缩，适用于各种密度数据。
Comments CVPR 2026
PointSlice: Accurate and Efficient Slice-Based Representation for 3D Object Detection from Point Clouds
PointSlice: 用于点云3D物体检测的准确且高效的基于切片的表示方法
机构 * Zhejiang University（浙江大学） ； Defense Innovation Institute（国防科技创新研究院） ； Tsinghua University（清华大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 PointSlice提出了一种基于切片的点云表示方法，通过引入切片交互网络提升3D物体检测的精度与效率。
Comments Accepted by Pattern Recognition
P-SLCR: Unsupervised Point Cloud Semantic Segmentation via Prototypes Structure Learning and Consistent Reasoning
P-SLCR：通过原型结构学习和一致推理实现无监督点云语义分割
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 P-SLCR通过原型结构学习和一致推理，实现点云语义分割的无监督方法，取得优于全监督方法的性能。
Journal ref AAAI2026
GSeg3D: A High-Precision Grid-Based Algorithm for Safety-Critical Ground Segmentation in LiDAR Point Clouds
GSeg3D：一种高精度基于网格的算法，用于激光雷达点云中的安全关键地面分割
机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.RO
AI总结 GSeg3D提出了一种高精度基于网格的地面分割算法，以满足自动驾驶和机器人在安全关键场景中的高精度需求。
Efficient Point Cloud Processing with High-Dimensional Positional Encoding and Non-Local MLPs
高效点云处理与高维位置编码及非局部MLP
机构 * School of Artificial Intelligence and Robotics, Quanzhou Institute of Industrial Design and Machine Intelligence Innovation, Hunan University（人工智能与机器人学院、泉州工业设计与智能机械创新研究院、湖南大学） ； College of Engineering and Design, Hunan Normal University（工程与设计学院、湖南师范大学） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院、国防科技大学） ； School of Computing and Information Systems, The University of Melbourne（计算与信息学院、墨尔本大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出了一种基于高维位置编码和非局部MLP的点云处理方法，通过两阶段抽象和细化框架提升效率与效果。
Comments Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). Source code is available at https://github.com/zouyanmei/HPENet_v2.git
Token Adaptation via Side Graph Convolution for Efficient Fine-tuning of 3D Point Cloud Transformers
通过侧图卷积实现标记适应以实现3D点云变换器的高效微调
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 STAG通过侧图卷积实现高效微调，减少参数和计算成本，提升3D点云变换器性能。
Comments Accepted to the journal of Machine Vision and Applications
PPC-MT: Parallel Point Cloud Completion with Mamba-Transformer Hybrid Architecture
PPC-MT：基于Mamba-Transformer混合架构的并行点云补全
机构 * Xinjiang University（新疆大学） ； Institute of Semiconductors, Chinese Academy of Sciences（半导体研究所，中国科学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 PPC-MT通过混合Mamba-Transformer架构，提出并行点云补全方法，在效率与重建精度间取得平衡。
Comments Submitted to IEEE TPAMI
Flexible-weighted Chamfer Distance: Enhanced Objective Function for Point Cloud Completion
灵活加权卡姆费距离：点云补全的增强目标函数
机构 * Xinjiang University（新疆大学） ； Institute of Semiconductors, Chinese Academy of Sciences（半导体研究所，中国科学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 FCD通过不对称加权策略提升点云补全的全局结构完整性，显著降低关键指标如DCD和EMD，增强点云的均匀性和结构完整性。
Comments Accepted by IEEE TPAMI 2026. This is the author's version of the work. \c{opyright} 2026 IEEE. Personal use of this material is permitted. Code is available at this https URL [https://github.com/Carroll-Li/FCD]
Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026
BuildAnyPoint: 3D Building Structured Abstraction from Diverse Point Clouds
BuildAnyPoint: 从多样点云构建三维建筑结构抽象
机构 * HKUST(GZ)（香港科技大学（广州）） ； Xi’an Jiaotong University（西安交通大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 BuildAnyPoint通过Loca-DiT框架从多样点云中生成结构化三维建筑抽象，提升重建的表面准确性和分布均匀性。
Comments CVPR 2026
Reflectance Prediction-based Knowledge Distillation for Robust 3D Object Detection in Compressed Point Clouds
基于反射率预测的知识蒸馏的稳健3D物体检测：压缩点云
机构 * School of Electronic Information Engineering, Taiyuan University of Science and Technology（太原科技大学电子信息工程学院） ； School of Mechatronic Engineering and Automation, Shanghai University（上海大学机械电子工程与自动化学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出基于反射率预测的知识蒸馏方法，用于提升压缩点云中3D物体检测的鲁棒性和精度。
Journal ref IEEE Transactions on Image Processing, Vol. 35, pp. 85-97, 2026
HybridINR-PCGC: Hybrid Lossless Point Cloud Geometry Compression Bridging Pretrained Model and Implicit Neural Representation
HybridINR-PCGC: 一种融合预训练模型与隐式神经表示的无损点云几何压缩框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Missouri-Kansas City（密苏里大学-堪萨斯城分校）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 HybridINR-PCGC通过融合预训练模型与隐式神经表示，实现高效无损点云压缩，提升压缩率和编码效率。
Comments 8 pages, 10 figures
UPDA: Unsupervised Progressive Domain Adaptation for No-Reference Point Cloud Quality Assessment
UPDA：无监督渐进领域适应用于无参考点云质量评估
机构 * School of Automation, Nanjing University of Science and Technology（自动化学院，南京理工大学） ； National Key Laboratory of Information Systems Engineering（信息系统工程国家重点实验室） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 UPDA通过无监督渐进领域适应框架提升无参考点云质量评估在跨域场景中的性能。
Comments to be published in IEEE Transactions on Broadcasting
Viewpoint Recommendation for Point Cloud Labeling through Interaction Cost Modeling
通过交互成本建模实现点云标注的视角推荐
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） ； Shanghai Key Laboratory of Data Science, Shanghai（上海数据科学重点实验室）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出通过交互成本建模减少点云标注时间的方法，利用Fitts定律优化视角推荐，提升标注效率。
Comments Accepted to IEEE TVCG
Contextual Range-View Projection for 3D LiDAR Point Clouds
基于上下文的视距投影用于3D激光雷达点云
机构 * School of Innovation, Design and Engineering（创新、设计与工程学院） ； Division of Intelligent Future Technologies（智能未来技术系） ； Mälardalen University（马尔默大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出CAP和CWAP两种机制，通过结合实例中心和类别标签的上下文信息，改进3D激光雷达点云的视距投影，提升实例点保留率和目标类别性能。
Finite-time Stable Pose Estimation on TSE(3) using Point Cloud and Velocity Sensors
基于点云和速度传感器的有限时间稳定姿态估计（TSE(3)）
机构 * Department of Mechanical \& Aerospace Engineering, Syracuse University, Syracuse, NY 13244
专题命中 点云 ：point cloud(title,abstract)；分类 cs.RO
AI总结 本文提出一种基于点云和速度传感器的有限时间稳定姿态估计方法，通过几何力学框架实现鲁棒性，适用于自主车辆。
Comments 17 pages, 8 figures, submitted to Automatica
SNAP: Towards Segmenting Anything in Any Point Cloud
SNAP：在任意点云中实现任意分割
机构 * Northeastern University（东北大学） ； MathWorks
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 SNAP提出一种统一的交互式3D点云分割模型，支持点和文本提示，实现跨领域泛化和高质量分割。
Comments Project Page, https://neu-vi.github.io/SNAP/
Overview and Comparison of AVS Point Cloud Compression Standard
AVS点云压缩标准的概述与比较
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文概述并比较了AVS点云压缩标准，分析了其相关技术和性能表现。
Comments 3 figures, 3 tables
Journal ref APSIPA Transactions on Signal and Information Processing, vol. 14, no. 2, pp.1-33, 2025
Generating Adversarial Events: A Motion-Aware Point Cloud Framework
生成对抗事件：一种运动感知点云框架
机构 * Harbin Institute of Technology（哈尔滨理工大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出MA-ADV框架，通过点云表示生成对抗事件，解决事件表示非可微导致的对抗攻击难题，验证其在安全性和鲁棒性上的优势。
SuperiorGAT: Graph Attention Networks for Sparse LiDAR Point Cloud Reconstruction in Autonomous Systems
SuperiorGAT：用于自动驾驶系统中稀疏LiDAR点云重建的图注意力网络
机构 * Electrical and Computer Engineering, Portland State University（电气与计算机工程系，波特兰州立大学） ； Computational Data Science and Engineering Department, North Carolina A&T State University（计算数据科学与工程系，北卡罗来纳A&T州立大学） ； Electrical and Computer Engineering Department, SUNY Oswego（电气与计算机工程系，SUNY奥威戈）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 SuperiorGAT通过图注意力网络重构稀疏LiDAR点云中的缺失海拔信息，实现更精确的重建与几何一致性，无需增加网络深度或额外硬件。
BADet: Boundary-Aware 3D Object Detection from Point Clouds
BADet: 基于点云的边界感知3D目标检测
机构 * Key Lab of Data Engineering and Knowledge Engineering（数据工程与知识工程重点实验室） ； Renmin University of China（中国人民大学） ； School of Mathematics, Renmin University of China（中国人民大学数学学院） ； Department of Physics, J.K. Institute of Science（科学研究院物理系）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 BADet通过构建局部邻域图和轻量级特征聚合模块，提升基于点云的3D目标检测性能。
Comments The manuscript is accepted by Pattern Recognition on 6 Jan, 2022
Extracting Manifold Information from Point Clouds
从点云中提取流形信息
机构 * University of California, Irvine（加州大学伊维特分校）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出了一种基于核的方法，用于从点云中提取流形信息，通过构造签名函数来估计维度、法线和曲率。
Comments 21 pages, 11 figures, 4 tables
Mapper-GIN: Lightweight Structural Graph Abstraction for Corrupted 3D Point Cloud Classification
Mapper-GIN：轻量级结构图抽象用于腐蚀3D点云分类
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 Mapper-GIN通过区域图抽象和GIN信息传递，在腐蚀环境下实现轻量级3D点云分类的鲁棒性。
LitS: A novel Neighborhood Descriptor for Point Clouds
LitS：一种新的点云邻域描述符
机构 * Centro Singular de Investigación en Tecnoloxías Intelixentes (CiTIUS), Universidade de Santiago de Compostela, Spain（圣地亚哥-德孔波斯特拉大学智能技术研究中心（CiTIUS）） ； Universidade de Santiago de Compostela, Spain（圣地亚哥-德孔波斯特拉大学） ； Departamento de Electrónica e Computación, Universidade de Santiago de Compostela, Spain（圣地亚哥-德孔波斯特拉大学电子与计算系）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 LitS是一种新型点云邻域描述符，通过分段常数函数捕捉局部点排列的细微差别，适用于2D和3D点云分析，具备适应不同数据类型和密度的能力。
PWAVEP: Purifying Imperceptible Adversarial Perturbations in 3D Point Clouds via Spectral Graph Wavelets
PWAVEP: 通过频谱图小波净化3D点云中的不可察觉对抗扰动
机构 * Software College, Northeastern University（东北大学软件学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； Software College, Shenyang University of Technology（沈阳理工大学软件学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 PWAVEP通过频谱图小波技术净化3D点云中的不可察觉对抗扰动，提升准确性和鲁棒性。
Comments Accepted by WWW 2026
LmPT: Conditional Point Transformer for Anatomical Landmark Detection on 3D Point Clouds
LmPT：用于3D点云上解剖标志检测的条件点变换
机构 * Mines Paris - PSL University, Centre for material sciences (MAT)（巴黎 Mines - PSL 大学材料科学中心） ； Mines Paris - PSL University, Centre for mathematical morphology (CMM)（巴黎 Mines - PSL 大学数学形态学中心） ； Mines Paris - PSL University, Centre for material forming (CEMEF)（巴黎 Mines - PSL 大学材料成形中心） ； The National Veterinary School of Alfort (EnvA)（阿尔福国家兽医学校）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 LmPT通过条件点变换实现跨物种的3D点云解剖标志检测，利用同源骨骼提升标注的泛化能力与准确性。
Comments This paper has been accepted at International Symposium on Biomedical Imaging (ISBI) 2026
Journal ref 2026 IEEE International Symposium on Biomedical Imaging (ISBI)
