A Systematic Approach for Cross-source Point Cloud Registration by Preserving Macro and Micro Structures
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
Comments Cross-source point cloud registration
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 7740 篇
Test Time Adaptation Methods for Point Cloud Registration in Laparoscopic Surgery
腹腔镜手术中点云配准的测试时自适应方法
机构 * ETS Montreal（蒙特利尔理工学院） ； LIVIA（LIVIA实验室）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 该研究针对腹腔镜手术中点云配准的域偏移问题，修改三类测试时自适应方法适配三维配准，经实验验证输入自适应是低延迟且误差降低效果稳定的最优方案。
SelectAnyTree: A Promptable Instance Segmentation Model for 3D Forest LiDAR Point Clouds
SelectAnyTree: 一种用于3D森林LiDAR点云的可提示实例分割模型
机构 * Nagoya University（名古屋大学） ； RIKEN（理化学研究所） ； University of Freiburg（弗莱堡大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Twente（特温特大学） ； KC Machine Learning Lab（KC机器学习实验室） ； Hanoi University of Science and Technology（河内科技大学） ； Ritsumeikan University（立命馆大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 提出SelectAnyTree模型，通过点击提示和树冠高度模型引导的首次提示，实现3D森林点云中任意单木的实例分割，在交互和实例级别上优于现有方法。
Joint-Embedding Prediction of Masked Point Tubes for Self-Supervised Learning on 4D Point Cloud Videos
面向四维点云视频的掩码点管联合嵌入预测自监督学习
机构 * National Taiwan University（台湾大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 该研究针对四维点云视频自监督学习的挑战，提出JEPA风格框架结合Sketched Isotropic Gaussian Regularization，通过掩码时空区域的潜在点管预测学习表示，在动作和手势识别任务中取得良好效果。
Comments 13 pages, 4 figures; supplementary material included
FlashReg: GPU-Accelerated 3-Clique Point Cloud Registration for Real-Time Correspondence-to-Pose Estimation
FlashReg：用于实时对应关系到位姿估计的GPU加速3-团点云配准算法
机构 * School of Computing（计算机学院） ； Institute of Science Tokyo（东京科学大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 FlashReg是面向GPU的点云配准算法，通过优化图构建与3-团搜索，在保持相当召回率的同时降低延迟、减少内存占用，适用于车载感知的高吞吐量配准后端。
Comments 12 pages
3D Point Cloud from Close-Range Photogrammetry for Defect Characterisation of Rubberised Concrete
用于橡胶混凝土缺陷表征的近程摄影测量生成三维点云
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本研究针对橡胶混凝土调整近程摄影测量工作流程，结合SfM、MVS算法及RGB引导裂纹提取方法，生成亚毫米级分辨率三维模型，可替代激光雷达用于实验室样本表面检查与变形监测，为后续研究建立几何基准。
Comments 8 pages, 10 figures. Published in the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXV ISPRS Congress 2026, Toronto, Canada
Journal ref Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLIX-B2-2026, 1251-1258, 2026
PCQA-R1: Advancing Generalized 3D Point Cloud Quality Assessment with Reinforcement Learning
PCQA-R1：基于强化学习的通用三维点云质量评估方法
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出首个用于三维点云质量评估的强化学习LMM PCQA-R1，基于GRPO策略构建PCQA-CoT数据集并引入高斯 proximity 奖励，在跨数据集泛化和域内准确率上表现优异。
COSTA: A Cluster-Centric Paradigm for Annotation-Free Open-Set Semantic Segmentation of Aerial Point Clouds with Domain Shifts
COSTA：面向存在域偏移的航拍点云无标注开放集语义分割的以聚类为中心范式
机构 * Fujian Institute of Research on the Structure of Matter, Chinese Academy of Sciences（中国科学院福建物质结构研究所） ； Institute of Urban Environment, Chinese Academy of Sciences（中国科学院城市环境研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Resource and Environmental Sciences, Wuhan University（武汉大学资源与环境科学学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 COSTA提出以聚类为中心的范式，无需额外训练即可在推理阶段将预训练航拍点云分割模型适配到偏移目标域，在三个基准上实现按需分割，mIoU达70.09%。
ForestMamba: Sparse Mamba with Geometry-guided Queries for 3D Forest Point Cloud Segmentation
ForestMamba: 基于几何引导查询的稀疏Mamba用于3D森林点云分割
机构 * Nagoya University（名古屋大学） ； RIKEN Seika（日本理化学研究所Seika研究中心） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Twente（埃因霍温理工大学） ； Ritsumeikan University（立命馆大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 提出ForestMamba方法，通过稀疏编码器、几何引导查询初始化和Mamba查询解码器，实现高效且结构感知的森林点云分割，在七个森林区域上优于现有方法，推理速度提升3倍，GPU内存降低2.3倍。
Comments 37th British Machine Vision Conference (BMVC 2026)
Investigating Vision-Language Model for Point Cloud-based Vehicle Classification
机构 * City College of New York（纽约城市学院）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
Comments 5 pages,3 figures, 1 table, CVPR DriveX workshop
Journal ref DriveX Workshop at IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
SUMI: Scalable Unified Model for 3D Point Cloud Inference
SUMI：用于三维点云推理的可扩展统一模型
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对点云补全由粗到精范式中局部细节重构不足的问题，提出扩散增强细化模块SUMI，可集成到现有模型，在多个基准数据集上实现性能提升。
PCT-Prompt: A Prompt-Guided Transformer Framework for Dense Prediction Tasks in Point Clouds
PCT-Prompt：用于点云密集预测任务的提示引导Transformer框架
机构 * China University of Geosciences（中国地质大学） ； Li Auto Inc（理想汽车）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 PCT-Prompt是一种提示引导Transformer框架，通过引入提示引导特征分支和提示丢弃机制，提升了标准Transformer在点云密集预测任务中的适应性，在多个公开数据集上取得了优异性能。
ProjFormer: Point Cloud Completion via Geometric-Projective Transformer and Cross-Modal Semantic Constraints
ProjFormer：基于几何投影Transformer与跨模态语义约束的点云补全
机构 * Hunan University（湖南大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对现有点云补全方法几何一致性与适应性不足的问题，提出ProjFormer跨模态框架，通过投影引导视图注意力模块与几何感知路由网络实现高效特征聚合与融合，在轻量级设计下取得了具竞争力的补全性能。
Comments Accepted by ACM Multimedia 2026. 10 pages, 6 figures, 5 tables
IRGNN: Efficient Invariant Radar Graph Neural Network for Radar Point Cloud Object Detection
IRGNN：用于雷达点云目标检测的高效不变雷达图神经网络
机构 * China Agricultural University（中国农业大学） ； Tsinghua University（清华大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对雷达点云稀疏无序、信息不足难以适配现有激光雷达方法的问题，提出IRGNN，通过不变特征设计、改进MPNN及任务头实现目标检测，在RadarScenes数据集上性能更优且推理效率更高。
Comments Accepted at ICONIP 2026
Boundary-Enhanced Segmentation of Pig Point Clouds in Commercial Housing Environments
商业养殖环境下猪只点云的边界增强分割
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对商业猪舍中猪只点云分割的边界模糊等问题，采用Octree Transformer骨干网络，结合软距离边界伪标签与双向跨边界语义模块，提升分割性能，为精准畜牧养殖提供可靠输入。
Comments 24 pages,9 figures, 5 tables
Sign Language Recognition Using Original and Synthetic Depth Image Based Point Cloud Data Models
基于原始和合成深度图像的点云数据模型的手语识别
机构 * Erzurum Technical University（埃尔祖鲁姆技术大学） ； Trabzon University（特拉布宗大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 该研究利用Depth Anything V2生成合成深度图像，结合三个手语数据集，采用PointNet等模型对比原始与合成深度图像点云的手语识别性能，发现多数模型中原始数据性能更优，部分模型合成数据更优。
Damage Classification for 3D Point Cloud Data via 3D Data Analysis and Vision Foundation Model-based 2D Projections
基于三维数据分析与视觉基础模型二维投影的三维点云数据损伤分类
机构 * City College of New York（纽约城市学院） ； Air Force Research Lab（空军研究实验室）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本研究针对三维点云损伤分类的挑战，提出3PDA与2PDA两种算法，2PDA准确率略低但计算成本大幅降低且泛化性更强，为相关任务提供了高效替代方案。
PointCHR: Point Cloud Analysis via Curvature-Aware Hyperbolic Rectification
PointCHR：通过曲率感知双曲整流进行点云分析
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对三维点云中高曲率区域难以解析的问题，提出PointCHR方法，利用双曲流形指数体积膨胀特性，通过曲率引导径向整流机制，有效缓解表示拥挤问题，提升主干网络捕捉细节能力，在多基准测试中达最优性能。
Journal ref Proceedings of the 43 rd International Conference on Machine Learning,2026
Synthetic LiDAR Data Generation and Deterministic Downsampling for Point Cloud Classification on the Edge
面向边缘设备点云分类的合成激光雷达数据生成与确定性下采样
机构 * Chemnitz University of Technology（开姆尼茨工业大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.RO
AI总结 本文针对三维深度学习框架在边缘设备部署的瓶颈，提出适配树莓派5的硬件受限工作流，通过合成LiDAR数据集和特征驱动的CPL层，实现边缘端50 FPS推理与88.36%分类准确率，验证了边缘实时三维感知的可行性。
CloudDiffusion: Diffusion-Based Scene Completion in the Point Cloud Domain
PointDiffusion: 点云领域的基于扩散的场景补全
机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院智能空间机器人实验室）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 提出多令牌高斯VAE和锚点ICP地面真值精化，实现单步扩散场景补全，在SemanticKITTI上平方倒角距离降低16倍，推理延迟降低25-143倍。
PathCover: A Fast Convex Decomposition along a Path via Randomized Iterative Space Partitioning (RISP) on Point Clouds
PathCover：基于点云的随机迭代空间划分（RISP）沿路径的快速凸分解
机构 * University of Delaware（特拉华大学） ； Athena Research Center（雅典娜研究中心） ； National Technical University of Athens（雅典国家技术大学） ； HERON–Center of Excellence in Robotics（赫伦机器人卓越中心）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.RO
AI总结 PathCover是基于点云的快速凸分解框架，采用RISP算法，可高效生成无障碍物多面体，速度较现有方法提升一个数量级，经仿真与实机验证适用于机器人导航。
Comments 13 pages, 5 figures
Hierarchical Flow Matching for 3D Point Cloud Generation
用于三维点云生成的分层流匹配
机构 * Shandong Normal University（山东师范大学） ； University of Macau（澳门大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对现有三维点云生成方法的缺陷，提出分层流匹配（HFM），将流匹配扩展为双级结构，在ShapeNet等基准上实现了有竞争力的生成性能。
An Enhanced Geometric-Spectral Feature Learning Framework for Airborne Multispectral Point Cloud Classification
一种增强的几何-光谱特征学习框架用于机载多光谱点云分类
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对机载多光谱点云高维异构、样本不平衡和类间光谱相似问题，提出基于注意力的双流特征融合框架，结合残差注意力融合块和联合损失函数，实现高精度地物分类。
Comments Revised V1
Learning Biomechanically Plausible Human Motion from Sparse Radar Point Clouds
从稀疏雷达点云学习符合生物力学原理的人体运动
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本研究构建整合全身骨骼模型的端到端雷达姿态估计框架，在11名康复训练受试者的交叉验证中实现多项精准指标，证明从低成本雷达恢复生物力学描述符的可行性，为临床运动分析奠定基础。
Learning to Tessellate: Point Cloud Generation via Recursive Spectral Partitioning
学习镶嵌：通过递归谱划分生成点云
机构 * South China University of Technology（华南理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； City University of Hong Kong（香港城市大学） ； Singapore Management University（新加坡管理大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 该研究提出自回归框架PointRSP，通过拓扑保留的递归谱划分实现点云生成，引入拓扑感知划分自编码器与双流级联生成器，在生成质量、多样性及复杂3D拓扑泛化上达最优性能。
Comments Accepted by ECCV2026, project page: https://huggingface.co/Mo-nan/PointRSP
Two Steps Are All You Need: Efficient 3D Point Cloud Anomaly Detection with Consistency Models
两步即可：基于一致性模型的高效3D点云异常检测
机构 * R.V. College of Engineering（R.V. 工程学院） ； Technical University of Applied Sciences Würzburg-Schweinfurt（Würzburg-Schweinfurt 应用科学大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本文提出基于一致性学习的重建异常检测方法，通过简化推理过程提升效率，实现低延迟的3D点云异常检测，适用于资源受限设备。
Comments Accepted to CVPR 2026, at the 9th Workshop on Efficient Deep Learning for Computer Vision (ECV). To be published in the IEEE/CVF CVPR 2026 Workshop Proceedings
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 3479-3487
On the Efficacy of Self-Supervised Point Cloud Encoders for Efficient 3D Large Language Models
自监督点云编码器在高效3D大语言模型中的效能研究
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 该研究探究低成本自监督点云编码器能否替代昂贵多模态编码器用于3D-LLM，经实验发现其与架构存在强交互，为高性价比3D-LLM设计提供指南。
Comments 14 pages, 3 figures. This work has been previously released as a preprint on ChinaXiv (No. ChinaXiv:202607.00167, DOI: 10.12074/202607.00167)
Parameter-Efficient Fine-Tuning for Spiking Point Cloud Models
用于脉冲点云模型的参数高效微调
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 针对脉冲点云模型全微调开销大、亚阈值信息被抑制的问题，提出首个参数高效微调框架SpikePEFT，通过IDT和SSDA技术，在仅更新约5%参数的情况下，在多个基准上取得优异分类准确率，同时保持SNN的节能特性。
Point2Radio: A Foundation Model for Cross-Scene Radio Fields from Material-Aware Point Clouds
Point2Radio：面向材料感知点云的跨场景无线电场基础模型
机构 * Hong Kong University of Science and Technology（香港科技大学）
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 Point2Radio是从多环境学习可迁移传播先验的基础模型，基于材料感知点云实现跨场景无线电场预测，在路径增益预测上较UNet基线误差降76.7%，轻量微调可提升环境适应性。
Long-Tailed 3D Point Cloud Dataset Distillation
长尾3D点云数据集蒸馏
专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV
AI总结 本研究针对长尾3D点云数据集蒸馏问题，提出含自适应合成预算分配与3D长尾分布匹配模块的框架，在ShapeNet55上使分类准确率较SOTA提升7.0个百分点。
