3D 视觉

FPSGen: Flexible Point Cloud Scene Generation with BEV-Supported Transport Flows

FPSGen：基于鸟瞰图支持的传输流的灵活点云场景生成

Wenzhe He, Meng Wang, JiaWei Qian, Jinfeng Xu, Ying Liu, Ruihui Li

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 FPSGen是一种不依赖部分扫描结果的灵活点云场景生成框架，通过BEV先验构建点源与路径拉直传输方案，在SemanticKITTI补全和KITTI-360无条件生成任务上达到先进性能。

Comments 34 pages, 16 figures

LiDARDraft: Generating LiDAR Point Cloud from Versatile Inputs

LiDARDraft: 从多样化输入生成LiDAR点云

Haiyun Wei, Fan Lu, Yunwei Zhu, Zehan Zheng, Weiyi Xue, Lin Shao, Xudong Zhang, Ya Wu, Guang Chen

机构 * TongjiUniversity（同济大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 LiDARDraft通过3D布局桥梁实现从多样化输入生成可控的LiDAR点云，支持自动驾驶环境的创建。

SHReg: Strictly Rotation-Equivariant Point Cloud Registration via Spherical Harmonics

SHReg：通过球谐函数实现严格旋转等变的点云配准

Chongjian Wang, Junjie Gao

机构 * College of Mathematics and Systems Science, Shandong University of Science and Technology（山东科技大学数学与系统科学学院） ； School of Artificial Intelligence, Shandong Women’s University（山东女子学院人工智能学院） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究提出基于$SO(3)$表示理论的SHReg框架，将局部几何特征表示为$SO(3)$不可约表示，基于球谐函数等变主干联合学习旋转不变描述符与等变特征，减少对大规模假设采样依赖，在点云配准精度上优于现有方法。

Extrusion Segmentation Strategy to improve CAD Reconstruction from Point Cloud

挤压分割策略以提升点云的CAD重建

Said Harb, Mehdi Maboudi, Markus Gerke

机构 * Institute of Geodesy and Photogrammetry（测绘院） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出一种挤压分割策略，通过将点云分割为独立的挤压部分，提高CAD重建的泛化能力和鲁棒性，从而提升深度学习模型的重建性能。

Comments Conference: ISPRS Toronto 2026

PC2Model: ISPRS benchmark on 3D point cloud to model registration

PC2Model：ISPRS基准在点云到模型配准

Mehdi Maboudi, Said Harb, Jackson Ferrao, Kourosh Khoshelham, Yelda Turkan, Karam Mawas

机构 * 1 Institute of Geodesy 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出PC2Model基准，通过结合模拟点云与真实扫描数据，解决点云到模型配准中的稀疏性、噪声等问题，提升跨领域模型泛化能力。

Comments ISPRS Congress 2026, Toronto

DM3D: Dynamic Mamba via Offset-Guided Feature Resampling for Point Cloud Understanding

DM3D：通过偏移引导的可微扫描实现点云理解的可变形Mamba

Bin Liu, Chunyang Wang, Xuelian Liu, Xuemei Li, Ge Zhang

机构 * Xi'an Key Laboratory of Active Photoelectric Imaging Detection Technology（西安市主动光电成像探测技术重点实验室） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 DM3D提出了一种可变形Mamba架构，通过偏移引导的可微扫描机制实现点云的结构自适应序列化，结合可变形空间采样和可微重新排序，提升点云理解性能。

Loss Landscape Topology Reveals Why Simple Baselines are Competitive at 3D Point Cloud Segmentation Under Class Imbalance

损失景观拓扑揭示了为什么简单基线在类不平衡下的3D点云分割中具有竞争力

Antonis Savva, Christos Kyrkou, Theocharis Theocharides

机构 * KIOS Research and Innovation Center of Excellence（KIOS卓越研究与创新中心） ； University of Cyprus（塞浦路斯大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究3D点云分割类不平衡问题，系统评估11种方法，发现标准交叉熵表现有竞争力。通过多方面分析揭示不平衡严重程度对拓扑结构的影响，为2D有效技术难转移至3D分割提供机理解释，给出实用指导。

Comments 21 pages, 7 figures, International Conference on Pattern Recognition (ICPR) 2026

Journal ref In: De Marsico, M., et al. Pattern Recognition. ICPR 2026. Lecture Notes in Computer Science, vol 16817. Springer, Cham

PointQ-Bench: Benchmarking Diagnostic and Interpretable Point Cloud Quality Assessment

PointQ-Bench：诊断性和可解释的点云质量评估基准

Duanchu Wang, Cheng Li, Junjie Yang, Jing Huang, Zihang Cheng, Zhi Gao, Bohong Zhu, Di Wang

机构 * Xi’an Jiaotong University（西安交通大学） ； Xidian University（西安电子科技大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Ningxia University（宁夏大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 提出PointQ-Bench基准，通过异常感知、缺陷诊断、可用性分级和开放式质量报告任务，将点云质量评估从标量评分扩展到全面质量理解，并揭示当前模型在感知与诊断之间的差距。

Point-Selection Fine-Tuning Framework for Robust Point Cloud Classification

用于鲁棒点云分类的点选择微调框架

Da Li, Chang Ma, Dongfu Yin

机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (Shenzhen)（广东省人工智能与数字经济实验室（深圳）） ； Shenzhen University（深圳大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究针对噪声和损坏点降低点云识别性能的问题，提出PSFT点选择微调框架，通过估计点影响、生成提示令牌、附加特征过滤器等操作，在保持参数高效的同时提高鲁棒性，实验证明其有效性。

SemICP: Semantic Non-Rigid Point Cloud Registration with Elastic Energy Regularization

SemICP：基于弹性能量正则化的语义非刚性点云配准

Wanwen Chen, Qi Zeng, Carson Studders, Zongze Li, Jamie J. Y. Kwon, Tara Kemper, Emily H. T. Pang, Eitan Prisman, Septimiu E. Salcudean

机构 * Department of Electrical and Computer Engineering, University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） ； Faculty of Medicine, University of British Columbia（医学院，不列颠哥伦比亚大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究针对计算机辅助干预中点云配准问题，提出SemICP框架，结合语义信息点匹配与变形正则化，经多数据集测试，相比其他方法降低多种距离误差，结合AI分割后为多模态配准提供有效管道。

TransDex: Pre-training Visuo-Tactile Policy with Point Cloud Reconstruction for Dexterous Manipulation of Transparent Objects

TransDex：基于点云重建的视觉-触觉政策预训练用于透明物体的精细操作

Fengguan Li, Yifan Ma, Chen Qian, Wentao Rao, Weiwei Shang

专题命中 点云 ：point cloud(title,abstract)；分类 cs.RO

AI总结 TransDex通过点云重建预训练实现视觉-触觉融合政策，解决透明物体操作中的自遮挡和深度噪声问题，提升真实机器人系统中精细操作性能。

Comments Project page: https://transdex.github.io/

PI3DETR: Parametric Instance Detection of 3D Point Cloud Edges With a Geometry-Aware 3DETR

PI3DETR：基于几何感知的3D点云边缘参数实例检测

Fabio F. Oberweger, Michael Schwingshackl, Vanessa Staderini

机构 * AIT Austrian Institute of Technology Center for Vision, Automation & Control（奥地利技术研究院视觉、自动化与控制中心） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 PI3DETR通过几何感知的匹配策略和专用损失函数，实现对多种参数化曲线的统一检测，提升3D点云边缘检测的鲁棒性和实用性。

Cross-Coordinate Correspondence Pruning for Image-to-Point Cloud Registration

用于图像到点云配准的交叉坐标对应关系修剪

Xin Liu, Rong Qin, Huipeng Lin, Leizhi Shu, Jin Wu, Chi-Man Vong, Liang Lin, Jufeng Yang

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究图像到点云配准问题，提出交叉坐标对应关系修剪（CCP）策略，通过投影统一坐标、轻量级网络预测内点置信度及多密度点集成策略，提升配准精度，性能比现有方法至少高8.6%。

Physics-Driven Local-Whole Elastic Deformation Modeling for Point Cloud Representation Learning

基于物理的局部-整体弹性变形建模用于点云表示学习

Zhongyu Chen, Rong Zhao, Xie Han, Xindong Guo, Song Wang, Zherui Qiao

机构 * School of Computer Science and Technology, North University of China,Shanxi Provincial Key Laboratory of Machine Vision and Virtual Reality（计算机科学与技术学院，北中国大学，山西省机器视觉与虚拟现实重点实验室） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出基于物理的局部-整体弹性变形建模方法，结合数据驱动与物理机制，提升点云表示的结构建模能力和下游任务的泛化性。

Journal ref Expert Systems with Applications 332 (2027) 133448

Depth-Semantic Alignment and Affinity-Guided Fusion for Structured Radar Point Cloud Generation

深度语义对齐与亲和力引导融合的结构化雷达点云生成

Amjad Hussain, Wenjie Liu, Yuchen Tan, Fuyuan Ai, Zecheng Li, Chunyi Song, Xin Qiu

机构 * Zhejiang University（浙江大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 针对毫米波雷达点云稀疏、噪声大、结构不完整的问题，提出基于视觉-雷达融合的多模态点云生成方法，利用图像语义约束和稀疏补全策略提升点云质量，并在检测跟踪任务中验证有效性。

DINE: Distance Is Not Enough -- Learning Global Deformation Priors for Robust Soft-Tissue Point Cloud Registration

DINE：距离并不够——学习用于鲁棒软组织点云配准的全局变形先验

Sara Monji-Azad, Rohit Beer, Marvin Kinz, Claudia Scherl, Jürgen Hesser

机构 * Mannheim Institute for Intelligent Systems in Medicine (MIISM), Medical Faculty Mannheim, Heidelberg University（曼海姆医学智能系统研究所（MIISM），海德堡大学曼海姆医学院） ； Department of Radiation Oncology, Brigham and Women’s Hospital, Dana-Farber Cancer Institute, Harvard Medical School（布莱根妇女医院放射肿瘤学系，达纳-法伯癌症研究所，哈佛医学院） ； Department of Otorhinolaryngology, Head and Neck Surgery, University Medical Center Mannheim, Medical Faculty Mannheim, Heidelberg University（海德堡大学曼海姆医学院曼海姆大学医学中心耳鼻咽喉头颈外科） ； Department of Otolaryngology, Head and Neck Surgery, Campus Klinikum Bielefeld Mitte, University Hospital OWL of Bielefeld University（比勒费尔德大学OWL大学医院比勒费尔德市中心校区耳鼻咽喉头颈外科） ； Interdisciplinary Center for Scientific Computing (IWR), Heidelberg University（海德堡大学跨学科科学计算中心（IWR）） ； Central Institute for Computer Engineering (ZITI), Heidelberg University（海德堡大学中央计算机工程研究所（ZITI）） ； CZS Heidelberg Center for Model-Based AI, Heidelberg University（海德堡大学CZS基于模型的人工智能中心） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究针对软组织点云配准中对应估计难题，提出DINE框架，通过学习统计先验增强基于距离的配准，应用于两个主干并采用两阶段策略，实验表明其能降低平均倒角距离，提高对变形和噪声的鲁棒性，凸显全局变形合理性的重要性。

ProtoPointNet: Prototype-Based Interpretable Classification of 3D Dental Point Clouds with Verifiable Spatial Activations

ProtoPointNet：基于原型的具有可验证空间激活的3D牙齿点云可解释分类

George V. Jose, Thao Liang Chiam, Toby Hughes, Dilan Patel, Alan Brook, Lyle J. Palmer, Nikhil Cherian Kurian

机构 * Adelaide Dental School, Adelaide University（阿德莱德牙科学院，阿德莱德大学） ； Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学） ； School of Public Health, Adelaide University（阿德莱德大学公共卫生学院） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究针对3D牙齿点云分类，提出ProtoPointNet模型，结合局部表面几何等特征编码点，通过共享主干学习特定轴原型头，用辅助监督等训练，在Bits2Bites上取得较好结果，其激活定位合理，为牙齿表面对分析提供新的可解释方法。

Comments 2 Figures, 2 Tables

ACZ-GSeg: Adaptive Concentric Zone-based Two-stage Ground Segmentation for LiDAR Point Clouds

ACZ-GSeg：基于自适应同心区域的激光雷达点云两阶段地面分割

Ge Zhang Chunyang Wang Bin Liu

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 针对复杂道路场景中地面分割难题，提出基于自适应同心区域模型的两阶段地面分割方法，构建模型确定扇区数量，粗、细分割阶段分别采用不同约束提取和细化地面点，实验证明该方法能适应点云分布特征，提高分割稳定性。

White Aggregation and Restoration for Few-shot 3D Point Cloud Semantic Segmentation

用于少样本3D点云语义分割的白色聚合与恢复

Jiyun Im, SuBeen Lee, Miso Lee, Jae-Pil Heo

机构 * Sungkyunkwan University（全州大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究少样本3D点云语义分割，针对现有方法问题，提出基于注意力机制的白色聚合与恢复模块（WARM），解决分布差距，生成有效原型，在多个数据集上取得良好性能，证明其在确定性原型生成中的有效性。

Comments Accepted to ECCV 2026. 22 pages, 6 figures

Pillar-Voxel Fusion Network for 3D Object Detection in Airborne Hyperspectral Point Clouds

用于空中超光谱点云中3D目标检测的柱体-体素融合网络

Yanze Jiang, Yanfeng Gu, Xian Li

机构 * School of Electronics and Information Engineering, Harbin Institute of Technology（电子与信息工程学院，哈尔滨工业大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出PiV-AHPC网络，通过柱体-体素双分支编码器和多级特征融合机制，有效解决空中超光谱点云中3D目标检测的几何-光谱失真问题，实现高精度检测与泛化能力。

Journal ref Sci China Inf Sci, 2026, 69(1): 112301

LPRnet: A self-supervised registration network for LiDAR and photogrammetric point clouds

LPRnet：一种用于激光雷达和摄影测量点云的自监督注册网络

Chen Wang, Yanfeng Gu, Xian Li

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 LPRnet通过自监督学习和多尺度训练策略，有效整合异构激光雷达与摄影测量点云，提升注册精度与鲁棒性。

Comments 12 pages, 9 figures, 5 tables

Journal ref IEEE Trans. Geosci. Remote Sens. 63 (2025) 1-12

Self-Supervised Pretraining Improves Cross-Site and Cross-Scale Robustness of Point Cloud Leaf-Wood Segmentation

自监督预训练提高点云树叶-木材分割的跨站点和跨尺度鲁棒性

Heeju Mun, Tackang Yang, Yunsoo Nam, Changhyun Choi

机构 * Department of Landscape Architecture and Rural Systems Engineering, Seoul National University, Seoul, South Korea（景观建筑与乡村系统工程系，首尔国立大学，首尔，韩国） ； Interdisciplinary Program in Landscape Architecture, Seoul National University, South Korea（景观建筑跨学科项目，首尔国立大学，韩国） ； Integrated Major in Smart City Global Convergence, Seoul National University, Seoul, Republic of Korea（智能城市全球融合整合专业，首尔国立大学，首尔，韩国） ； Research Institute of Agriculture and Life Sciences, Seoul National University, Seoul, Republic of Korea（农业与生命科学研究院，首尔国立大学，首尔，韩国） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究树木点云树叶-木材分割方法跨森林类型和地点准确性差异问题，采用自监督预训练Point-M2AE并结合递归体素细分，提升了分割精度，在跨站点和跨尺度上表现良好，还改善了下游木材体积估计的性能。

Comments 30 pages, 10 figures

Rail Track Extraction from Rasterized Classified Point Clouds Using a Full-Resolution, Fully Convolutional Recurrent Neural Network

使用全分辨率全卷积递归神经网络从光栅化分类点云提取铁轨

Alexander Gribov, Jie Chang

机构 * Esri（环境系统研究所公司） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 介绍利用全卷积递归神经网络从分类3D点云提取铁轨的新方法，先光栅化点，经神经网络、形态学操作、平滑处理等步骤，用动态时间规整算法找中心线，人工干预少，实验验证了该方法提取铁轨的有效性。

Comments 15 pages, 8 figures, 1 table

Assessing the Operational Impact of Poisoning Attacks over Augmented 3D Point Cloud Public Datasets for Connected and Autonomous Vehicles

评估针对联网和自动驾驶车辆的增强型3D点云公共数据集的中毒攻击的操作影响

Marwan Lazrag, Badis Hammi, Lorena Gonzalez-Manzano, Joaquin Garcia-Alfaro

机构 * SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris（SAMOVAR， Télécom SudParis， Institut Polytechnique de Paris） ； Universidad Carlos III de Madrid 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 探讨针对联网和自动驾驶车辆增强型3D点云公共数据集的中毒攻击影响，以生成对抗网络技术为例评估增强中毒数据集效果，验证中毒能规避增强技术净化特性及在增强数据集上的传播与干扰，且实验材料公开。

Comments Accepted for presentation at SECRYPT 2026

NumGrad-Pull: Numerical Gradient Guided Tri-plane Representation for Surface Reconstruction from Point Clouds

NumGrad-Pull：用于从点云进行表面重建的数值梯度引导三平面表示

Ruikai Cui, Binzhu Xie, Shi Qiu, Jiawei Liu, Saeed Anwar, Nick Barnes

机构 * School of Computing, The Australian National University（澳大利亚国立大学计算机学院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Department of Computer Science & Software Engineering, the University of Western Australia（西澳大学计算机科学与软件工程系） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文针对从点云重建连续曲面的挑战，提出NumGrad-Pull方法，利用三平面结构、数值梯度、渐进平面扩展和数据采样策略，集成到统一框架，有效应对学习SDF的局部性和稀疏性问题，实验验证了方法的有效性和鲁棒性。

Comments Accepted in IEEE TVCG

MAGE: View-guided Point Cloud Completion with Efficient Modality Alignment and Adaptive Geometry Enhancement

MAGE：基于视图引导的点云补全，具有高效模态对齐和自适应几何增强

Weize Quan, Zhengwei Wu, Kai Wang, Dong-Ming Yan

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS研究室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； GIPSA-lab, Univ. Grenoble Alpes, CNRS, Grenoble INP（格勒诺布尔大学GIPSA实验室，法国国家科学研究中心，格勒诺布尔国立综合理工学院） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 提出统一几何感知框架，集成高效模态对齐与自适应几何增强，解决视图引导点云补全的跨模态几何不一致问题，含几何感知模态对齐等模块，实验证明性能优于现有方法。

Industrial3D: A Water-Treatment TLS Point Cloud Dataset and Cross-Paradigm Benchmark for MEP Scene Understanding

Industrial3D: 一个用于工业基础设施的地面激光雷达点云数据集和跨范式基准

Chao Yin, Hongzhe Yue, Qing Han, Difeng Hu, Zhenyu Liang, Fangzhou Lin, Bing Sun, Boyu Wang, Mingkai Li, Wei Yao, Jack C. P. Cheng

机构 * Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科技大学土木与环境工程系） ； Guangzhou Institute of Geography, Guangdong Academy of Sciences（广东省科学院广州地理研究所） ； School of Civil Engineering, Southeast University（东南大学土木工程学院） ； College of Geography and Tourism, Hengyang Normal University（衡阳师范学院地理与旅游学院） ； Department of Architecture and Civil Engineering, City University of Hong Kong（香港城市大学建筑与土木工程系） ； S.M.A.R.T. Construction Research Group, New York University Abu Dhabi（纽约大学阿布扎比分校S.M.A.R.T.建筑研究组） ； Department of the Built Environment, National University of Singapore（新加坡国立大学建筑环境系） ； Spatial Intelligence and Urban Computing, Institute of Urban Environment, Chinese Academy of Sciences（中国科学院城市环境研究所空间智能与城市计算） ； State Key Lab of Ecological Security of Regions and Cities, Institute of Urban Environment, Chinese Academy of Sciences（中国科学院城市环境研究所区域与城市生态安全国家重点实验室） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 本文提出Industrial3D数据集，包含6.12亿个高精度标注点云，用于解决工业设施中密集点云的语义理解难题，并建立首个跨范式基准，揭示了工业TLS数据中统计稀有性和几何模糊性带来的领域迁移挑战。

Comments 52 pages, 8 figure, 14 tables

Journal ref 2026, under review

Utonia: Toward One Encoder for All Point Clouds

Utonia：迈向适用于所有点云的单一编码器

Yujia Zhang, Xiaoyang Wu, Yunhan Yang, Xianzhe Fan, Han Li, Yuechen Zhang, Zehao Huang, Naiyan Wang, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Xiaomi（小米） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 研究旨在训练跨多领域的单自监督点变压器编码器Utonia，其能学习一致表征空间实现跨域转移，统一各领域点云，提升感知能力，还对具身和多模态推理有益，有望成为稀疏3D数据基础模型。

Comments produced by Pointcept, project page: https://pointcept.github.io/Utonia

Journal ref International Conference on Machine Learning 2026

Resolving Primitive-Sharing Ambiguity in Long-Tailed TLS-Based Industrial MEP Point Cloud Segmentation via Spatial Context Constraints

通过空间上下文约束解决基于长尾巴TLS的工业MEP点云分割中的原始共享模糊性

Chao Yin, Qing Han, Zhiwei Hou, Yue Liu, Anjin Dai, Hongda Hu, Ji Yang, Wei Yao

机构 * Chao Yin, Qing Han, Zhiwei Hou, Yue Liu, Anjin Dai, Hongda Hu, Ji Yang, Wei Yao（未知） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 针对基于地面激光扫描的工业MEP点云分割中安全关键组件易误分类问题，提出利用邻域预测一致性的空间上下文约束，扩展类平衡损失，提升尾类性能并保持头类精度。

Comments 46 pages, 11 figures, 5 tables

SuperFlex: Deformable Superquadrics for Point Cloud Decomposition

SuperFlex: 用于点云分解的可变形超二次曲面

Gabriel Tavernini, Elisabetta Fedele, Tiago Novello, Leonidas Guibas, Marc Pollefeys, Francis Engelmann

机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； IMPA（巴西国家纯数学与应用数学研究所） ； USI Lugano（卢加诺大学） 纠错

专题命中 点云 ：point cloud(title,abstract)；分类 cs.CV

AI总结 提出SuperFlex框架，通过新损失函数、弯曲和锥形变形提升超二次曲面分解精度，并利用高质量分解训练模型以鲁棒处理部分点云。

Comments Project page: https://superflex3d.github.io