3D 视觉

Cross4D-JEPA: Dense Cross-modal Correspondence Distillation for 4D Point Cloud Representation Learning

Cross4D-JEPA: 用于4D点云表示学习的密集跨模态对应蒸馏

Trung Thanh Nguyen, Hai Nguyen-Truong, Tu Vo, Hoang M. Truong, Tuan-Anh Vu

机构 * Nagoya University（名古屋大学） ； Northeastern University（东北大学） ； KC Machine Learning Lab（KC机器学习实验室） ； University of Science, Vietnam National University Ho Chi Minh City（胡志明市越南国立大学理科大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 提出Cross4D-JEPA，通过教师-学生框架将冻结的2D基础模型（如DINOv2或V-JEPA 2）的密集补丁特征蒸馏到4D点编码器，实现每点对应和潜在空间匹配，在四个基准上优于模态内和全局跨模态基线。

NeuralBoneReg: An Instance-Specific Label-Free Point Cloud-Based Method for Multi-Modal Bone Surface Registration

NeuralBoneReg：一种用于多模态骨表面注册的实例特定无标签点云方法

Luohong Wu, Matthias Seibold, Nicola A. Cavalcanti, Yunke Ao, Roman Flepp, Aidana Massalimova, Lilian Calvet, Philipp Fürnstahl

机构 * Research in Orthopedic Computer Science, Balgrist University Hospital, University of Zurich（骨科计算机科学研究所，巴尔格里斯大学医院，苏黎世大学） ； AI Center, ETH Zurich（人工智能中心，苏黎世联邦理工学院） 纠错

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

AI总结 提出NeuralBoneReg，一种自监督的基于点云的骨表面注册框架，通过隐式神经无符号距离场和MLP注册模块实现多模态数据间的鲁棒对齐，在多个数据集上达到或超越现有方法。

Few to Big: Prototype Expansion Network via Diffusion Learner for Point Cloud Few-shot Semantic Segmentation

从少到多：基于扩散学习器的原型扩展网络用于点云小样本语义分割

Qianguang Zhao, Dongli Wang, Yan Zhou, Jianxun Li, Richard Irampa

机构 * School of Mathematics and Computational Science, Xiangtan University（湘潭大学数学与计算科学学院） ； School of Automation and Electronics Information, Xiangtan University（湘潭大学自动化与电子信息学院） ； School of Automation, Shanghai Jiao Tong University（上海交通大学自动化学院） 纠错

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

AI总结 针对小样本点云语义分割中原型容量小且与查询空间不对齐的问题，提出原型扩展网络（PENet），利用扩散模型的预训练条件编码器扩展原型，并通过推-拉机制对齐，在S3DIS和ScanNet数据集上取得最优性能。

A Point Cloud Transformer for Remote Monitoring and Automated Assessment of Physical Rehabilitation Exercises

用于远程监测和自动评估物理康复锻炼的点云Transformer

Kazi Rafat, Md. Ismail Hossain, M M Lutfe Elahi, Sifat Momen, Fuad Rahman, Nabeel Mohammed, Shafin Rahman

机构 * Department of Electrical and Computer Engineering, North South University（北南大学电气与计算机工程系） ； Apurba Technologies Limited（阿普尔巴技术有限公司） 纠错

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

AI总结 提出基于Transformer的点云框架，利用RGBD数据中的关节位置自动评估康复锻炼质量，通过曲线特征聚合和轴向自注意力提升性能，在三个数据集上优于现有方法。

Comments Accepted for publication in IEEE Journal of Biomedical and Health Informatics (JBHI), 2026

JOPP-3D: Joint Open Vocabulary Semantic Segmentation on Point Clouds and Panoramas

JOPP-3D：联合开放词汇语义分割点云与全景图像

Sandeep Inuganti, Hideaki Kanayama, Kanta Shimizu, Mahdi Chamseddine, Soichiro Yokota, Didier Stricker, Jason Rambach

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

AI总结 本文提出JOPP-3D框架，通过联合利用点云和全景图像数据实现语言驱动的场景理解，提升开放词汇下点云和全景图像的语义分割性能。

Point Cloud Diffusion with Global and Local Reconstruction for Instance-Level 3D Anomaly Detection

基于全局与局部重建的点云扩散用于实例级3D异常检测

Linchun Wu, Qin Zou, Jiwen Lu, Qingquan Li

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Guangdong Artificial Intelligence and Digital Economy Laboratory (SZ)（广东人工智能与数字经济实验室（深圳）） 纠错

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

AI总结 提出PCDiff框架，通过实例级多模态条件生成弱缺陷异常，并采用联合局部-全局重建算法恢复前景缺陷同时保持背景正常结构，在3D异常检测中显著优于现有方法。

Channel-adaptive Cross-modal Generative Semantic Communication for Point Cloud Transmission

面向点云传输的信道自适应跨模态生成式语义通信

Wanting Yang, Zehui Xiong, Qianqian Yang, Ping Zhang, Merouane Debbah, Rahim Tafazolli

机构 * IEEE 纠错

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

AI总结 提出GenSeC-PC框架，通过跨模态语义编码融合图像与点云，结合信道自适应联合编解码和扩散模型加速，实现低信噪比下的鲁棒点云传输。

MedPCFM: Improving Medical Point Cloud Completion by Integrating Point Transformers and Flow Matching

MedPCFM: 通过集成点变换器和流匹配改进医学点云补全

Kamil Kwarciak, Marek Wodzinski

机构 * Department of Measurement and Electronics, AGH University of Krakow（AGH科技大学测量与电子系） ； Sano Centre for Computational Medicine（Sano计算医学中心） 纠错

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

AI总结 提出基于PTv3的流匹配方法PCFM用于医学点云补全，在三个数据集上达到最优生成性能，采样步数远少于扩散模型，且PTv3带来高达7倍的速度提升。

Comments 25 pages, 9 figures

Tri-Efficient Transfer Learning for Point Cloud Videos

点云视频的三效迁移学习

Yiding Sun, Dongxu Zhang, Jihua Zhu, Haozhe Cheng, Zhengqiao Li, Pengcheng Li, Chaowei Fang, Yonghao Dong, Lin Chen

机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件学院） ； School of Information and Communication Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院） ； SIGS, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 提出PoinTriE框架，通过伪运动轨迹合成、几何-运动对偶网络和时空侧网络，实现数据、参数和内存三方面高效的点云视频迁移学习，在动作识别和语义分割任务上取得新最优结果。

Towards Practical Lossless Neural Compression for LiDAR Point Clouds

面向激光雷达点云的实际无损神经压缩

Pengpeng Yu, Haoran Li, Runqing Jiang, Dingquan Li, Jing Wang, Liang Lin, Yulan Guo

机构 * Sun Yat-sen University, China（中山大学） ； Pengcheng Laboratory, China（鹏城实验室） 纠错

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

AI总结 提出紧凑表示实现高效预测无损编码，通过几何重密化模块和跨尺度特征传播模块解决稀疏点云上下文建模难题，实现实时速度下的竞争性压缩性能。

Comments arXiv admin note: substantial text overlap with arXiv:2508.20466

PCFootprint: A Large-Scale Dataset and Benchmark for Vectorized Building Footprint Extraction from Aerial LiDAR Point Clouds

PCFootprint：用于从航空LiDAR点云中提取矢量化建筑足迹的大规模数据集与基准

Haoyuan Shen, Kuihao Wang, Ruisheng Wang, Yujun Liu

机构 * School of Architecture and Urban Planning, Shenzhen University（深圳大学建筑与城市规划学院） 纠错

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

AI总结 提出首个大规模航空激光扫描点云建筑足迹提取数据集PCFootprint，含33000个瓦片及跨域测试集，通过评估主流方法揭示复杂地理环境下的挑战。

Comments 14 pages, 9 figures

Learned Radius Estimation for UDF-Based Point Cloud Reconstruction

基于UDF的点云重建中的学习半径估计

Eito Ogawa, Hiroshi Watanabe

机构 * Graduate School of FSE Waseda University Tokyo, Japan（Waseda大学研究生院FSE学院东京日本） 纠错

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

AI总结 提出一种学习型逐查询半径选择器，预测连续支撑半径并插入冻结的LoSF-UDF骨干网络，通过抛物线插值获取离网目标半径进行训练，提高点云表面重建的细粒度精度。

Objective Quality Assessment of Point Clouds Using Multi-scale Implicit Structural Similarity

点云的多尺度隐式结构相似性客观质量评估

Zhang Chen, Shuai Wan, Yuezhe Zhang, Siyu Ren, Fuzheng Yang, Junhui Hou

机构 * School of Electronics and Information, Northwestern Polytechnical University（电子与信息学院，西北工业大学） ； Department of Computer Science, City University of Hong Kong（计算机科学系，香港城市大学） ； School of Telecommunication Engineering, Xidian University（电信工程学院，西安电子科技大学） 纠错

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

AI总结 针对点云质量评估中不规则数据匹配困难的问题，提出多尺度隐式结构相似性度量（MS-ISSM），通过径向基函数连续表示局部特征并比较隐式函数系数，结合ResGrouped-MLP网络，在多个基准上超越现有方法。

Comments IEEE TMM Accepted

Sinkhorn-CPD: Robust point cloud registration via unbalanced entropic optimal transport

Sinkhorn-CPD：通过非平衡熵最优传输实现鲁棒点云配准

Jin Zhang, Mingyang Zhao, Bing Liu, Xin Jiang

机构 * LMIB & School of Mathematical Sciences, Beihang University（北京航空航天大学数学科学学院与LMIB） ； State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院数学科学国家重点实验室） ； Beijing Key Laboratory of Artificial Intelligence Innovation and Application in the Machine Tool Industry, School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院北京市机床行业人工智能创新与应用重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 提出Sinkhorn-CPD，用双KL散度惩罚替代CPD的目标边际约束，通过非平衡熵最优传输和广义Sinkhorn迭代实现鲁棒点云配准，方差自动退火无需手动调参。

Comments 14 pages, 10 figures; journal version published in Computer-Aided Design

Journal ref Computer-Aided Design 199 (2026) 104104

Rotational Symmetry based Object Pose Estimation from Point Clouds in the Absence of Known 3D Models

基于旋转对称性的无已知3D模型点云物体姿态估计

Weichen Dai, Ruixun Yu, Yangjie Tang, Yifan Du, Yiyang Zhang, Donglei Sun, Hua Zhang

机构 * Key Laboratory of Brain Machine Collaborative Intelligence of Zhejiang Province, School of Computer Science, Hangzhou Dianzi University（浙江省脑机协同智能重点实验室，杭州电子科技大学计算机学院） ； Advanced Intelligent Manufacturing Research Group, the University of Nottingham Ningbo China（先进智能制造研究组，宁波诺丁汉大学） 纠错

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

AI总结 提出利用工业物体的旋转对称性，通过迭代优化联合估计姿态与点云，无需已知3D模型，在合成和真实数据集上达到与有模型方法相当的性能。

Automated Digital Twin Construction for Highway Scenarios Using LiDAR Point Clouds and OpenStreetMap

基于LiDAR点云和OpenStreetMap的高速公路场景自动数字孪生构建

Yongqi Zhao, Dong Bi, Paul Kovacevic, Tomislav Mihalj, Martin Schabauer, Johannes Betz, Arno Eichberger

机构 * Institute of Automotive Engineering, Graz University of Technology（格拉茨技术大学汽车工程研究所） ； School of Intelligent Connected Vehicle, Hubei University of Automotive Technology（湖北汽车工业学院智能网联汽车学院） ； Professorship of Autonomous Vehicle Systems, Technical University of Munich（慕尼黑工业大学自动驾驶系统教席） 纠错

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

AI总结 提出融合LiDAR点云与OpenStreetMap数据的自动化流程，生成地理参考的ASAM OpenDRIVE高速公路地图，实现车道级几何与拓扑的完整建模，平均横向RMSE为0.740米。

Comments 9 pages, 5 figures

MambaH-Fit: Rethinking Hyper-surface Fitting-based Point Cloud Normal Estimation via State Space Modelling

MambaH-Fit: 基于状态空间建模的超曲面拟合点云法线估计再思考

Weijia Wang, Yuanzhi Su, Pei-Gen Ye, Yuan-Gen Wang

机构 * Guangzhou University（广州大学） ； Hong Kong Polytechnic University（香港理工大学） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 提出MambaH-Fit框架，通过注意力驱动层次特征融合和逐块状态空间模型，增强局部几何细节建模，提升点云法线估计的精度和鲁棒性。

Comments 11 pages, 12 figures

Efficient 3D Perception on Multi-Sweep Point Cloud with Gumbel Spatial Pruning

多扫点云上的高效3D感知与Gumbel空间修剪

Tianyu Sun, Jianhao Li, Xueqian Zhang, Zhongdao Wang, Bailan Feng, Hengshuang Zhao

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Department of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Noah’s Ark Lab（诺亚实验室） ； Department of Computer Science, University of Hong Kong（香港大学计算机科学系） 纠错

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

AI总结 本文研究了户外环境中点云感知问题，通过累积多个连续点云扫描以提高感知精度，引入Gumbel空间修剪层有效减少冗余点，提升3D感知性能。

Point Cloud Upsampling through Patch-based Frequency Superposition

基于补丁频率叠加的点云上采样

Marina Ritthaler, Azhar Hussian, Vasileios Belagiannis, André Kaup

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学） 纠错

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

AI总结 提出一种基于补丁频率叠加的优化方法PUtPFS，通过选择点子集并叠加空间频率估计表面，在稀疏区域放置新点实现均匀上采样，无需训练数据，在点对面距离上超越现有方法。

Journal ref European Conference on Signal Processing (EUSIPCO) 2026

A Robust Point Cloud Analysis Framework Inspired By Primary Visual Cortex

一种受初级视觉皮层启发的鲁棒点云分析框架

Jisheng Dang, Dengyue Pan, Delin Deng, Yifan Zhang, Bimei Wang, Hong Peng, Bin Hu, Qi Tian, Tat-Seng Chua

机构 * School of Information Science and Engineering, Lanzhou University（兰州大学信息科学与工程学院） ； School of Medical Technology, Beijing Institute of Technology（北京理工大学医学技术学院） ； Cloud and AI BU, Huawei（华为云与AI业务部） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

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

AI总结 受初级视觉皮层启发，提出DC-CCNN++框架，通过仿生神经网络替代MLP，结合NRMR模块和CPVT策略，在点云分类和分割中提升鲁棒性，性能媲美SOTA。

Comments 12 pages, 2 figures, 7 tables

Point-Wise Geometry-Aware Transformer for Partial-to-Full Point Cloud Registration in Computer-Assisted Surgery

面向计算机辅助手术中部分到完整点云配准的点级几何感知Transformer

Siyu Zhou, Zhongliang Jiang

机构 * The Chair for Computer Aided Medical Procedures, Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序教席） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 提出GAPR-Net，一种结合卷积与Transformer的粗到细框架，通过交叉注意力融合局部与全局信息，并设计变换不变的点级几何特征，在四个骨骼数据集上实现94.2%配准召回率、1.992mm RMSE。

MAMVI: 3D Test-Time Adaptation via Masked Multi-View Point Clouds

MAMVI：通过掩蔽多视角点云实现3D测试时自适应

Inseok Kong, Geunyoung Jung, Jiyoung Jung

机构 * Department of Geo Informatics, University of Seoul（首尔大学地理信息学系） ； Department of Artificial Intelligence, University of Seoul（首尔大学人工智能系） 纠错

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

AI总结 针对3D点云在分布偏移下性能下降的问题，提出MAMVI方法，用统一单步自适应替代顺序优化，结合混合掩蔽策略和多视角损失聚合，实现快速且高精度的测试时自适应。

Comments Accepted by ICPR 2026

DynaTok: Token-Based 4D Reconstruction from Partial Point Clouds

DynaTok: 基于Token的部分点云4D重建

Weirong Chen, Keisuke Tateno, Hidenobu Matsuki, Michael Niemeyer, Daniel Cremers, Federico Tombari

机构 * Technical University of Munich（慕尼黑工业大学） ； Google（谷歌） ； Imperial College London（伦敦帝国理工学院） ； University of Bonn（波恩大学） 纠错

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

AI总结 提出DynaTok框架，通过Transformer时空编码器和流匹配解码器，从部分点云序列中无对应地重建完整且时间一致的4D点云，无需图像。

Comments ICML 2026. Project page: https://wrchen530.github.io/dynatok/

Point Cloud Segmentation for Autonomous Clip Positioning in Laparoscopic Cholecystectomy on a Phantom

用于腹腔镜胆囊切除术中自动夹子定位的点云分割（在体模上）

Balázs Gyenes, Nikolai Franke, Paul Maria Scheikl, Pit Henrich, Rayan Younis, Gerhard Neumann, Martin Wagner, Franziska Mathis-Ullrich

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； HIDSS4Health - Helmholtz Information and Data Science School for Health（亥姆霍兹信息与数据科学健康学校） ； Friedrich-Alexander-University, Erlangen-Nuremberg（弗里德里希-亚历山大大学埃尔朗根-纽伦堡） ； University Hospital Carl Gustav Carus and Centre for Tactile Internet with Human-in-the-loop (CeTI), Dresden University of Technology（卡尔·古斯塔夫·卡鲁斯大学医院及德累斯顿工业大学触觉互联网人机共融卓越中心） 纠错

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

AI总结 提出首个在腹腔镜手术体模上实现自主夹子定位的机器人系统，通过点云分割和样条插值提取目标位置，利用合成数据预训练和两种数据增强克服数据稀缺，达到0.75mm精度和100%成功率。

Comments 8 pages, 5 figures, accepted to IEEE Robotics and Automation Letters (RAL)

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 8, August 2025)

PT-WNO: Point Transformer with Wavelet Neural Operator for 3D Point Cloud Semantic Segmentation

PT-WNO: 结合小波神经算子的点Transformer用于3D点云语义分割

Nhut Le, Maryam Rahnemoonfar

机构 * Lehigh University（里海大学） 纠错

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

AI总结 针对点云语义分割中全局上下文不足的问题，提出PT-WNO，通过在跳跃连接旁集成可学习的小波神经算子分支捕获多尺度全局频谱上下文，在四个基准上提升性能。

GRAR: Glass-induced Reflection Artifact Removal in LiDAR Point Clouds

GRAR: LiDAR点云中玻璃引起的反射伪影去除

Wanpeng Shao, Zeyi Guo, Bo Zhang, Yifei Xue, Tie Ji, Yizhen Lao

机构 * College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院） ； School of Design, Hunan University（湖南大学设计学院） ； School of Finance and Statistics, Hunan University（湖南大学金融与统计学院） 纠错

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

AI总结 提出两阶段框架，先利用多模态视觉基础模型和几何线索精确分割玻璃区域，再基于物理驱动的反射感知局部-全局几何相似性描述符去除反射伪影，在多个公开数据集上优于现有方法。

Efficient RWKV-based Representation Learning for 3D Point Clouds

基于高效RWKV的三维点云表示学习

Yun Liu, Xuefeng Yan, Liangliang Nan, Xianzhi Li, Peng Li, Zhe Zhu, Honghua Chen, Mingqiang Wei

机构 * School of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院） ； Shenzhen Institute of Research, Nanjing University of Aeronautics and Astronautics（南京航空航天大学深圳研究院） ； Collaborative Innovation Center of Novel Software Technology and Industrialization（新型软件技术与产业化协同创新中心） ； Urban Data Science section, Delft University of Technology（代尔夫特理工大学城市数据科学部） ； Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 提出P-RWKV模块，通过局部感知扩展和空间上下文增强，将RWKV从序列建模适配到3D点云，实现线性复杂度的全局依赖建模，在多项任务中以更低计算成本取得竞争性能。

Illumination-Invariant Anomaly Detection for Sub-Canopy UAV Multispectral Point Clouds

林冠下无人机多光谱点云的照度不变异常检测

Likun Chen, Yanfeng Gu, Xian Li

机构 * School of Electronics and Information Engineering（电子信息工程学院） ； Harbin Institute of Technology（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 针对植被阴影导致的严重光照异质性，提出无先验异常检测框架，通过太阳角度估计与照度一致稀疏表示，有效分离暗目标与真实阴影，提升复杂森林环境中异常与背景的可分离性。

Comments 5 pages, 8 figures

DAL-PCQA: Enabling Distortion-Level and Language-Driven Reasoning for Point Cloud Quality Assessment

DAL-PCQA：实现点云质量评估的失真级别与语言驱动推理

Swarna Chakraborty, Gabriel De Castro Araújo, Syeda Tasmi Faria, Marcelo M. Carvalho, Mylene C. Q. Farias

机构 * University of Brasília（巴西利亚大学） 纠错

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

AI总结 提出DAL-PCQA数据集，通过多级失真标签、质量类别和自然语言描述，结合零样本与微调多模态模型，实现可解释的点云质量评估。

Comments Accepted at Qomex 2026

PACE: Post-Causal Entropy Modeling for Learned LiDAR Point Cloud Compression

PACE：用于学习LiDAR点云压缩的后因果熵建模

Jiahao Zhu, Kang You, Dandan Ding, Zhan Ma

机构 * School of Information Science and Technology, Hangzhou Normal University, Hangzhou, China.（信息科学与技术学院，杭州师范大学，杭州，中国） ； School of Electronic Science and Engineering, Nanjing University, Nanjing, China（电子科学与工程学院，南京大学，南京，中国） 纠错

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

AI总结 PACE通过非因果骨干网络和轻量级预测器提升LiDAR点云压缩效率，实现90%以上的解码延迟降低和BD-BR节省。