3D 视觉

SAGE3D: Soft-guided attention and graph excitation for 3D point cloud corner detection

SAGE3D：基于软引导注意力和图激发的3D点云角点检测

Batuhan Arda Bekar, Can Sarı, Hüseyin Can Gülkan, Barış Özcan

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

AI总结 本文提出SAGE3D模型，通过分层编码器-解码器架构实现多阶段点云角点检测，结合软引导注意力和图激发网络提升精度与召回率。

Comments 5 pages, 4 figures

TAFA-GSGC: Group-wise Scalable Point Cloud Geometry Compression with Progressive Residual Refinement

TAFA-GSGC：基于分组的可扩展点云几何压缩与渐进残差细化

Xiumei Li, Alexander Kopte, André Kaup

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

AI总结 本文提出TAFA-GSGC，一种可扩展的点云几何编码器，通过分层残差细化和通道组熵编码，实现单比特流多质量解码，提升压缩效率并优于PCGCv2基准。

Comments Accepted at IEEE International Conference on Image Processing (ICIP) 2026

PointCaM: Cut-and-Mix for Open-Set Point Cloud Learning

PointCaM：用于开放集点云学习的Cut-and-Mix

Jie Hong, Shi Qiu, Weihao Li, Saeed Anwar, Mehrtash Harandi, Nick Barnes, Lars Petersson

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学） ； The University of Western Australia（西澳大学） ； Monash University（墨尔本大学） 纠错

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

AI总结 本文提出PointCaM方法，通过Unknown-Point Simulator和Estimator模块解决开放集点云学习问题，利用多级特征上下文提升未知对象识别性能。

Comments Accepted in CVIU

Learning Point Cloud Geometry as a Statistical Manifold: Theory and Practice

学习点云几何作为统计流形：理论与实践

Jinwoo Lee, Jiwoo Kim, Woojae Shin, Giseop Kim, Hyondong Oh

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆北科学技术院） 纠错

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

AI总结 本文提出Point-to-Ellipsoid方法，通过统计流形建模实现点云几何的自监督学习，提升机器人感知任务的几何推理能力与鲁棒性。

Diffusion Masked Pretraining for Dynamic Point Cloud

动态点云的扩散掩码预训练

Zhuoyue Zhang, Jihua Zhu, Chaowei Fang, Jian Liu, Ajmal Saeed Mian

机构 * Xi’an Jiaotong University（西安交通大学） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； University of Western Australia（西澳大学） 纠错

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

AI总结 本文提出DiMP框架，通过引入扩散建模解决动态点云预训练中位置泄露和运动监督问题，提升下游任务性能。

Mantis: Mamba-native Tuning is Efficient for 3D Point Cloud Foundation Models

Mantis：Mamba原生微调在3D点云基础模型中的高效性

Zihao Guo, Jihua Zhu, Jian Liu, Ajmal Saeed Mian

机构 * Xi’an Jiaotong University（西安交通大学） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； University of Western Australia（西澳大学） 纠错

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

AI总结 针对Mamba架构基础模型的微调问题，提出Mantis框架，通过引入状态感知适配器和双序列一致性蒸馏，实现高效且稳定的微调，仅需约5%的可训练参数。

Stealthy Patch-Wise Backdoor Attack in 3D Point Cloud via Curvature Awareness

基于曲率感知的3D点云中隐蔽的逐块后门攻击

Yu Feng, Dingxin Zhang, Runkai Zhao, Yong Xia, Heng Huang, Weidong Cai

机构 * The University of Sydney（悉尼大学） ； Northwestern Polytechnical University（西北工业大学） ； University of Maryland College Park（马里兰大学学院公园分校） 纠错

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

AI总结 本文提出一种针对3D点云的隐蔽逐块后门攻击框架SPBA，通过曲率变化计算局部不可察觉得分，减少谱触发计算成本，提升攻击隐蔽性。

Comments 12 pages, 6 figures, 11 tables

FugSeg: Fast Uncertainty-aware Ground Segmentation for 3D Point Cloud

FugSeg：面向3D点云的快速不确定性感知地面分割

Yu Li, Volker Schwieger

机构 * Institute of Engineering Geodesy, University of Stuttgart（斯图加特大学工程大地测量研究所） ； Daimler Truck AG（戴姆勒卡车公司） 纠错

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

AI总结 本文提出FugSeg，一种快速且考虑不确定性的地面分割方法，通过极坐标网格地图表示和自适应坡度策略，有效处理反射噪声和孤立地面问题，在多个数据集上实现最高精度和最快速度。

Comments Accepted for publication in IEEE Transactions on Intelligent Transportation Systems

Journal ref IEEE Transactions on Intelligent Transportation Systems (Early Access), 2026

Simultaneous Monitoring of Shape and Surface Color via 4D Point Clouds: A Registration-free Approach

通过4D点云同时监测形状和表面颜色：一种无需配准的方法

Mariafrancesca Patalano, Giovanna Capizzi, Kamran Paynabar

机构 * Department of Statistical Sciences, University of Padua（帕多瓦大学统计科学系） ； School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院工业与系统工程学院） 纠错

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

AI总结 本文提出一种无需配准的框架，利用4D点云同时监测形状和颜色，通过拉普拉斯-贝特拉米算子的谱特性捕捉几何特征和形状与颜色的关系，有效检测形状变形和颜色异常。

Comments 38 pages, 11 figures

Implicit Neural Compression of Point Clouds

隐式神经网络点云压缩

Hongning Ruan, Yulin Shao, Qianqian Yang, Liang Zhao, Zhaoyang Zhang, Dusit Niyato

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） 纠错

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

AI总结 本文提出NeRC³框架，利用隐式神经表示实现点云的高效压缩，通过坐标基神经网络编码几何与属性，并扩展至动态点云压缩，实验验证其在静态和动态点云压缩中的优越性能。

Journal ref IEEE Transactions on Image Processing, vol. 35, pp. 260-275, 2026

Channel-Level Relation to Attentive Aggregation with Neighborhood-Homogeneity Constraint for Point Cloud Analysis

通道级关系与具有邻域同质性约束的注意聚合在点云分析中的应用

Jiaqi Shi, Jin Xiao, Xiaoguang Hu, Wenxuan Ji, Zichong Jia, Zifan Long, Tianyou Chen, Baochang Zhang

机构 * 1School of Automation Science ； Electrical Engineering, Beihang University, Beijing, China 2Wuhan Leaddo Measuring \& Control Technology, Wuhan, China 3School of Artificial Intelligence, Beihang University, Beijing, China Emails 纠错

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

AI总结 本文提出PointCRA网络，通过引入时间趋势变化作为新评估维度，解决现有空间和通道注意机制中权重维度坍缩导致的信息丢失问题，提升点云分析的精度与效率。

Super-Resolution of Airborne Laser Scanning Point Clouds for Forest Inventory

航空激光扫描点云的超分辨率处理用于森林调查

Jinyuan Shao, Sangyoong Park, Chunxi Zhao, Ayman Habib, Songlin Fei

机构 * Department of Forestry and Natural Resources, Purdue University（林业与自然资源系，普渡大学） ； Lyles School of Civil and Construction Engineering, Purdue University（莱尔斯土木与建设工程学院，普渡大学） 纠错

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

AI总结 本文提出3D Forest Super Resolution模型，通过提升点云密度和减少噪声，提高森林调查精度，实验表明其在树干定位和直径估计上表现优异。

APCoTTA: Continual Test-Time Adaptation for Semantic Segmentation of Airborne LiDAR Point Clouds

APCoTTA: 用于空中激光雷达点云语义分割的连续测试时间适应

Yuan Gao, Shaobo Xia, Sheng Nie, Cheng Wang, Xiaohuan Xi, Bisheng Yang

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； International Research Center of Big Data for Sustainable Development Goals（可持续发展目标大数据国际研究中心） ； University of Chinese Academy of Sciences（中国科学院大学） ； The Department of Geomatics Engineering, Changsha University of Science and Technology（长沙理工大学测绘工程系） ； The State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） 纠错

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

AI总结 本文提出APCoTTA框架，针对空中激光雷达点云语义分割中的持续领域偏移问题，通过梯度驱动层选择、熵一致性损失和随机参数插值机制提升适应性能，并构建两个基准数据集。

Comments 18 pages,12 figures

Journal ref ISPRS Journal of Photogrammetry and Remote Sensing Volume 237, July 2026, Pages 339-354

Point Cloud Registration via Probabilistic Self-Update Local Correspondence and Line Vector Sets

点云配准 via 概率自更新局部对应与线向量集

Kuo-Liang Chung, Yu-Cheng Lin, Wu-Chi Chen

机构 * Department of Computer Science and Information Engineering, National Taiwan University of Science and Technology（资讯工程系，国立台湾科技大学） 纠错

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

AI总结 本文提出一种快速有效的点云配准算法，结合概率自更新局部对应与线向量集，通过双RANSAC模型提升精度与效率，实现更优的配准性能。

PointTransformerX: Portable and Efficient 3D Point Cloud Processing without Sparse Algorithms

PointTransformerX：无需稀疏算法的便携式和高效3D点云处理

Laurenz Reichardt, Nikolas Ebert, Oliver Wasenmüller

机构 * Mannheim University of Applied Sciences（曼海姆应用科学大学） 纠错

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

AI总结 PointTransformerX采用全PyTorch原生的视觉Transformer架构，无需定制CUDA运算符，通过3D-GS-RoPE实现高效的3D空间关系编码，提升3D点云处理的准确性和效率，同时在ScanNet上达到98.7%的准确率，参数更少，速度更快，内存更小。

Comments This paper has been accepted at IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2026

Point-MF: One-step Point Cloud Generation from a Single Image via Mean Flows

点-流：通过均流实现单图像点云生成

Yuta Baba, Keiji Yanai

机构 * The University of Electro-Communications（电子通信大学） 纠错

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

AI总结 本文提出Point-MF框架，通过均流与辅助损失实现单图像点云重建，以单次网络调用完成高精度重建，提升效率与质量。

Comments 28 pages, 14 figures

Point Cloud Registration for Fusion between SPECT MPI and CTA Images

点云配准用于SPECT MPI与CTA图像的融合

Ni Yao, Xiangyu Liu, Shaojie Tang, Danyang Sun, Chuang Han, Yanting Li, Jiaofen Nan, Chengyang Li, Fubao Zhu, Chen Zhao, Zhihui Xu, Weihua Zhou

机构 * School of Computer Science and Artificial Intelligence, Zhengzhou University of Light Industry（郑州轻工业大学计算机科学与人工智能学院） ； School of Automation, Xi’an University of Posts and Telecommunications（西安邮电大学自动化学院） ； Xi'an Key Laboratory of Advanced Control and Intelligent Process（西安先进控制与智能过程重点实验室） ； School of Information Management and Engineering, Shanghai University of Finance and Economics（上海财经大学信息管理与工程学院） ； Department of Computer Science, Kennesaw State University（肯尼斯州立大学计算机科学系） ； Department of Cardiology, The First Affiliated Hospital of Nanjing Medical University（南京医科大学第一附属医院心内科） ； Department of Applied Computing, Michigan Technological University（密歇根技术大学应用计算系） ； Center for Biocomputing and Digital Health, Institute of Computing and Cybersystems, and Health Research Institute, Michigan Technological University（密歇根技术大学生物计算与数字健康中心、计算与网络系统研究所及健康研究机构） 纠错

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

AI总结 本文提出一种融合SPECT MPI和CTA图像的配准框架，通过U-Net分割和多方法配准实现高精度心脏评估。

S2AM3D: Scale-controllable Part Segmentation of 3D Point Clouds

S2AM3D: 可缩放部分的3D点云分割

Han Su, Tianyu Huang, Zichen Wan, Xiaohe Wu, Wangmeng Zuo

机构 * Harbin Institute of Technology（哈尔滨理工大学） 纠错

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

AI总结 本文提出S2AM3D，通过结合2D分割先验与3D一致监督，解决3D点云分割中数据稀缺和视图不一致的问题，实现对复杂结构的鲁棒分割。

Comments Accepted by CVPR 2026(Oral). Project page:https://sumuru789.github.io/S2AM3D-website/

NeuroAPS-Net: Neuro-Anatomically Aware Point Cloud Representation for Efficient Alzheimer's Disease Classification

NeuroAPS-Net：神经解剖意识点云表示用于高效阿尔茨海默病分类

Towhidul Islam, Mufti Mahmud

机构 * 1 ICS Department, King Fahd University of Petroleum \& Minerals, Dhahran, Saudi Arabia ； 2 SDAIA-KFUPM JRC for AI, King Fahd University of Petroleum \& Minerals, Dhahran, Saudi Arabia ； Machines, King Fahd University of Petroleum \& Minerals, Dhahran, Saudi Arabia 纠错

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

AI总结 本文提出NeuroAPS-Net，通过解剖优先采样生成神经解剖标注的点云数据集，并采用轻量几何深度学习模型实现高效阿尔茨海默病分类。

Comments 6 pages, 3 figures, Accepted under IJCNN 2026

One Shot Learning for Edge Detection on Point Clouds

单样本学习用于点云边缘检测

Zhikun Tu, Yuhe Zhang, Yiou Jia, Kang Li, Daniel Cohen-Or

机构 * School of Information Science and Technology, Northwest University（信息科学与技术学院，西北大学） ； Department of Computer Science, Tel Aviv University（计算机科学系，特拉维夫大学） 纠错

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

AI总结 本文提出OSFENet，通过设计过滤KNN表面补丁表示实现单样本学习，提升点云边缘检测性能，实验验证其在多个数据集上的有效性。

Comments 17 pages, 14 figures. Published in IEEE Transactions on Visualization and Computer Graphics

Journal ref IEEE Transactions on Visualization and Computer Graphics 31(10) (2025) 7184-7195

2L-LSH: A Locality-Sensitive Hash Function-Based Method For Rapid Point Cloud Indexing

2L-LSH：一种基于局部敏感哈希函数的快速点云索引方法

Shurui Wang, Yuhe Zhang, Ruizhe Guo, Yaning Zhang, Yifei Xie, Xinyu Zhou

机构 * School of Information Science and Technology, Northwest University, Xi’an, PR China（信息科学与技术学院，西北大学，西安，中国） 纠错

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

AI总结 本文提出2L-LSH方法，通过两阶段哈希策略高效解决大规模点云快速邻近点搜索问题，优于Kd-tree和Octree，在kNN和RN搜索时间上分别降低51.111%和94.159%。

Comments 13 pages, 13 figures. Published in The Computer Journal

Journal ref The Computer Journal 67(9) (2024) 2809-2818

EdgeFormer: local patch-based edge detection transformer on point clouds

EdgeFormer：基于局部补丁的点云边缘检测变换器

Yifei Xie, Zhikun Tu, Tong Yang, Yuhe Zhang, Xinyu Zhou

机构 * School of Information Science and Technology, Northwest University（信息科学与技术学院，西北大学） 纠错

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

AI总结 本文提出EdgeFormer，通过局部补丁特征描述和分类，有效提取点云中精细边缘特征，实验表明其性能优于六个基线模型。

Comments 22 pages, 9 figures. Published in Pattern Analysis and Applications

Journal ref Pattern Analysis and Applications 28, 11 (2025)

Random Walk on Point Clouds for Feature Detection

点云上随机游走用于特征点检测

Yuhe Zhang, Zhikun Tu, Zhi Li, Jian Gao, Bao Guo, Shunli Zhang

机构 * School of Information Science and Technology（信息科学与技术学院） 纠错

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

AI总结 本文提出RWoDSN方法，通过两阶段分析提取点云中的关键特征点，结合局部表面的空间分布、拓扑属性和几何特性，提升提取精度和召回率。

Comments 20 pages, 11 figures. Published in Information Sciences

Journal ref Information Sciences 709 (2025) 122082

REVNET: Rotation-Equivariant Point Cloud Completion via Vector Neuron Anchor Transformer

REVNET: 通过向量神经元锚定变换实现旋转等变点云补全

Zhifan Ni, Eckehard Steinbach

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出REVNET框架，利用向量神经元网络在任意旋转下实现点云补全，通过等变锚点和改进的特征表达提升稳定性，实验证明在合成和真实数据集上均优于现有方法。

Comments ICPR 2026

CLIPoint3D: Language-Grounded Few-Shot Unsupervised 3D Point Cloud Domain Adaptation

CLIPoint3D: 基于语言的少样本无监督3D点云领域适应

Mainak Singha, Sarthak Mehrotra, Paolo Casari, Subhasis Chaudhuri, Elisa Ricci, Biplab Banerjee

机构 * University of Trento（特伦托大学） ； MDSR Labs Adobe（Adobe MDSR实验室） ； IIT Bombay（印度理工学院班加罗尔分校） ； Fondazione Bruno Kessler（布鲁诺·科斯勒基金会） 纠错

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

AI总结 本文提出CLIPoint3D，首个基于CLIP的3D点云无监督领域适应框架，通过知识驱动的提示调优和熵引导视图采样策略，实现跨领域3D点云适应，实验表明在PointDA-10和GraspNetPC-10基准上性能提升3-16%。

Comments Accepted in CVPR 2026

Pointy - A Lightweight Transformer for Point Cloud Foundation Models

Pointy - 一种轻量级的点云基础模型变压器

Konrad Szafer, Marek Kraft, Dominik Belter

机构 * Institute of Robotics and Machine Intelligence, Poznan University of Technology（机器人与机器智能研究所，波兹南技术大学） 纠错

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

AI总结 Pointy通过轻量级的点云变压器架构，在仅使用39k点云数据的情况下，超越了使用超过20万样本训练的更大基础模型，展示了精心设计的训练设置和架构的价值。

Comments To appear in the proceedings of ACIVS 2025. An earlier version was presented at the SCI-FM workshop at ICLR 2025

Journal ref In: Blanc-Talon, J., Delmas, P., Takahashi, H., Yasuhiro, M. (eds) Advanced Concepts for Intelligent Vision Systems. ACIVS 2025. Lecture Notes in Computer Science, vol 15656. Springer, Cham

FlashFPS: Efficient Farthest Point Sampling for Large-Scale Point Clouds via Pruning and Caching

FlashFPS: 通过剪枝和缓存实现大规模点云的高效最远点采样

Yuzhe Fu, Hancheng Ye, Cong Guo, Junyao Zhang, Qinsi Wang, Yueqian Lin, Changchun Zhou, Hai, Li, Yiran Chen

机构 * Duke University（杜克大学） 纠错

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

AI总结 本文提出FlashFPS框架，通过剪枝和缓存减少FPS计算冗余，提升PNN处理效率，实现GPU和PNN加速器上的显著速度提升。

Comments Accepted to DAC'26

Deep learning based Non-Rigid Volume-to-Surface Registration for Brain Shift compensation Using Point Cloud

基于深度学习的非刚性体积分到表面注册用于脑移位补偿的点云方法

Eashrat Jahan Muniya, Gernot Kronreif, Ander Biguri, Wolfgang Birkfellner, Sepideh Hatamikia

机构 * Austrian Center for Medical Innovation and Technology（奥地利医学创新与技术中心） ； Medical University of Vienna（维也纳医学大学） ； University of Cambridge（剑桥大学） ； Danube Private University (DPU)（多瑙私人大学（DPU）） 纠错

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

AI总结 本文提出基于深度学习的非刚性体积分到表面注册方法，利用稀疏手术表面观测进行密集位移场估计，实现有限视野下的脑移位补偿。

C-GenReg: Training-Free 3D Point Cloud Registration by Multi-View-Consistent Geometry-to-Image Generation with Probabilistic Modalities Fusion

C-GenReg：基于多视角一致的几何到图像生成的无训练3D点云配准

Yuval Haitman, Amit Efraim, Joseph M. Francos

机构 * Ben-Gurion University（本·古里安大学） 纠错

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

AI总结 C-GenReg通过多视角一致的几何到图像生成，结合概率模态融合，实现无训练的3D点云配准，解决了跨模态、采样差异和环境的泛化问题。

Comments CVPR 2026

A B-Spline Function Based 3D Point Cloud Unwrapping Scheme for 3D Fingerprint Recognition and Identification

基于B样条函数的3D点云解缠方案用于3D指纹识别与鉴定

Mohammad Mogharen Askarin, Jiankun Hu, Min Wang, Xuefei Yin, Xiuping Jia

机构 * School of Systems and Computing, UNSW Canberra（UNSW Canberra 系统与计算学院） ； Information Systems, University of Canberra（堪培拉大学信息系统系） ； School of Information and Communication Technology, Griffith University（格里菲斯大学信息与通信技术学院） ； School of Engineering & Technology, UNSW Canberra（UNSW Canberra 工程与技术学院） 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B样条曲线拟合的3D点云解缠方法，用于3D指纹识别与鉴定，通过减少高度变化和注册限制，提升识别精度和鲁棒性。

Journal ref IEEE Open Journal of the Computer Society 2025