3D 视觉

Mamba Learns in Context: Structure-Aware Domain Generalization for Multi-Task Point Cloud Understanding

Mamba在上下文中学习：面向多任务点云理解的结构感知领域泛化

Jincen Jiang, Qianyu Zhou, Yuhang Li, Kui Su, Meili Wang, Jian Chang, Jian Jun Zhang, Xuequan Lu

机构 * Bournemouth University（伯恩茅斯大学） ； Jilin University（吉林大学） ； The University of Western Australia（西澳大学） ； Hangzhou City University（杭州城市大学） ； Northwest A&F University（西北农林科技大学） 纠错

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

AI总结 本文提出SADG框架，通过结构感知序列化和层次领域感知建模提升多任务点云领域的结构一致性与性能。

Comments Accepted to CVPR 2026

Learning Hierarchical Orthogonal Prototypes for Generalized Few-Shot 3D Point Cloud Segmentation

学习通用少样本3D点云分割的分层正交原型

Yifei Zhao, Fanyu Zhao, Zhongyuan Zhang, Shengtang Wu, Yixuan Lin, Yinsheng Li

机构 * College of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） 纠错

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

AI总结 本文提出HOP3D框架，通过分层正交原型和熵基少样本正则化，实现通用少样本3D点云分割中新型类适应与基类性能的平衡。

Comments 6 pages, 6 figures, 2 tables, Accepted by ICME 2026

PCSTracker: Long-Term Scene Flow Estimation for Point Cloud Sequences

PCSTracker: 点云序列的长期场景流估计

Min Lin, Gangwei Xu, Xianqi Wang, Yuyi Peng, Xin Yang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Optics Valley Laboratory（光谷实验室） 纠错

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

AI总结 本文提出PCSTracker，通过引入IGMO和STTU模块，解决点云序列中长期场景流估计的时序一致性问题，实现实时32.5 FPS性能，优于RGB-D方法。

Comments Accepted in CVPR 2026 (Findings)

Uncertainty-aware Prototype Learning with Variational Inference for Few-shot Point Cloud Segmentation

具有不确定性意识的原型学习与变分推断用于少样本点云分割

Yifei Zhao, Fanyu Zhao, Yinsheng Li

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

AI总结 本文提出UPL方法，通过引入双流原型细化模块和变分推断框架，提升少样本点云分割的鲁棒性和不确定性建模能力，在ScanNet和S3DIS基准上取得最佳性能。

Comments 5 pages, 3 figures, 3 tables, accepted by ICASSP 2026

Rethinking Gradient-based Adversarial Attacks on Point Cloud Classification

重新思考基于梯度的点云分类对抗攻击

Jun Chen, Xinke Li, Mingyue Xu, Chongshou Li, Truiani Li

机构 * Southwest Jiaotong University（西南交通大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出WAAttack和SubAttack两种策略，通过动态调整点扰动幅度和适应性步长，提升攻击效果和隐蔽性，实验表明其在生成高隐蔽性对抗示例方面优于现有方法。

Comments ICME 2026

Learning Coordinate-based Convolutional Kernels for Continuous SE(3) Equivariant and Efficient Point Cloud Analysis

学习基于坐标的卷积核以实现连续SE(3)等价性和高效的点云分析

Jaein Kim, Hee Bin Yoo, Dong-Sig Han, Byoung-Tak Zhang

机构 * Interdisciplinary Program in Neuroscience, Seoul National University（首尔国立大学神经科学跨学科项目） ； Département d’Informatique, École Normale Supérieure (ENS)（规范高等学校计算机系） ； Department of Computing, Imperial College London（伦敦帝国学院计算系） ； Department of Computer Science and Engineering, Seoul National University（首尔国立大学计算机科学与工程系） 纠错

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

AI总结 本文提出ECKConv，通过坐标基网络设计实现SE(3)等价性和高效点云处理，在分类、姿态注册等任务中验证了其性能优势。

Comments Accepted at CVPR 2026

IOSVLM: A 3D Vision-Language Model for Unified Dental Diagnosis from Intraoral Scans

IOSVLM：一种用于从牙科内窥扫描进行统一牙科诊断的3D视觉-语言模型

Huimin Xiong, Zijie Meng, Tianxiang Hu, Chenyi Zhou, Yang Feng, Zuozhu Liu

机构 * ZJU-UIUC Institute, Zhejiang University, Haining, 314400, China（浙大浙ICU研究所，浙江大学，海宁，314400，中国） ； Stomatology Hospital, School of Stomatology, Zhejiang University School of Medicine, Hangzhou, 310058, China（口腔医院，口腔医学院，浙江大学医学院，杭州，310058，中国） ； Angelalign Research Institute, Angel Align Inc., Shanghai, 200011, China（天使对齐研究院，天使对齐公司，上海，200011，中国） 纠错

专题命中 点云 ：3D vision(title)；point cloud(abstract)；分类 cs.CV

AI总结 本文提出IOSVLM，一种端到端的3D视觉-语言模型，利用点云表示内窥扫描，并结合大规模多源数据集，提升牙科诊断和生成式视觉问答的性能。

Learning Human-Object Interaction for 3D Human Pose Estimation from LiDAR Point Clouds

从LiDAR点云学习人类-物体交互以实现3D人体姿态估计

Daniel Sungho Jung, Dohee Cho, Kyoung Mu Lee

机构 * IPAI ； Dept. of ECE&ASRI（电子与信息科学研究院） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出HOIL框架，通过学习人类-物体交互缓解LiDAR点云中3D人体姿态估计的空域模糊和类别不平衡问题。

Comments Project page: https://hoil-release.github.io/

End-to-End Dexterous Grasp Learning from Single-View Point Clouds via a Multi-Object Scene Dataset

从单视角点云通过多物体场景数据集实现端到端的灵巧抓取学习

Tao Geng, Dapeng Yang, Ziwei Liu, Le Zhang, Le Qi, WangYang Li, Yi Ren, Shan Luo, Fenglei Ni

机构 * 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.RO

AI总结 本文提出DGS-Net，通过多物体场景的单视角点云学习密集抓取配置，改进了现有抓取数据集的局限性，实验显示其在仿真和真实机器人平台上的抓取成功率较高，且具有较低的穿透深度。

Comments 10 pages, 6 figures. Submitted to IEEE Transactions on Automation Science and Engineering (T-ASE)

QD-PCQA: Quality-Aware Domain Adaptation for Point Cloud Quality Assessment

QD-PCQA: 为点云质量评估的质量感知领域适应

Guohua Zhang, Jian Jin, Meiqin Liu, Chao Yao, Weisi Lin

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

AI总结 本文提出QD-PCQA框架，通过Rank-weighted Conditional Alignment和Quality-guided Feature Augmentation策略提升点云质量评估的泛化能力。

Comments Accepted by CVPR 2026

FocusTrack: One-Stage Focus-and-Suppress Framework for 3D Point Cloud Object Tracking

FocusTrack: 一种用于3D点云目标跟踪的一阶段聚焦与抑制框架

Sifan Zhou, Jiahao Nie, Ziyu Zhao, Yichao Cao, Xiaobo Lu

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

AI总结 FocusTrack通过IMM和Focus-and-Suppress Attention实现运动-语义联合建模，以一阶段框架在KITTI等基准上达到SOTA性能并实现105 FPS高帧率。

Comments Acceptted in ACM MM 2025

Unsupervised Point Cloud Pre-Training via Contrasting and Clustering

通过对比和聚类进行无监督点云预训练

Guofeng Mei, Xiaoshui Huang, Juan Liu, Jian Zhang, Qiang Wu

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

AI总结 本文提出ConClu框架，结合对比和聚类方法，提升点云预训练效果，在多个下游任务中优于现有方法。

Comments ICIP 2022

TreeON: Reconstructing 3D Tree Point Clouds from Orthophotos and Heightmaps

TreeON：从正射影像和高度图重建3D树点云

Angeliki Grammatikaki, Johannes Eschner, Pedro Hermosilla, Oscar Argudo, Manuela Waldner

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

AI总结 TreeON通过结合几何监督和可微损失，从正射影像和高度图重建高质量的3D树点云，无需物种标签或地面激光扫描数据。

Enhancing Tree Species Classification: Insights from YOLOv8 and Explainable AI Applied to TLS Point Cloud Projections

提升树种分类：基于YOLOv8和可解释AI的TLS点云投影分析

Adrian Straker, Paul Magdon, Marco Zullich, Maximilian Freudenberg, Christoph Kleinn, Johannes Breidenbach, Stefano Puliti, Nils Noelke

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

AI总结 本文通过YOLOv8和可解释AI分析TLS点云投影，提升树种分类的可解释性与判别性能。

Comments 34 pages, 17 figures, submitted to Forestry: An International Journal of Forest Research

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

Shuhao Kang, Youqi Liao, Peijie Wang, Wenlong Liao, Qilin Zhang, Benjamin Busam, Xieyuanli Chen, Yun Liu

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

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

Sneha Paul, Zachary Patterson, Nizar Bouguila

机构 * Concordia University（康科迪亚大学） 纠错

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

Abdullah Al Masud, Shi Xintong, Mondher Bouazizi, Ohtsuki Tomoaki

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

Wentao Qu, Xiaoshui Huang, Liang Xiao

机构 * Nanjing University of Science and Technology（南京理工大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

Z. Rozsa, Á. Madaras, Q. Wei, X. Lu, M. Golarits, H. Yuan, T. Sziranyi, R. Hamzaoui

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） 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

Kangli Wang, Qianxi Yi, Yuqi Ye, Shihao Li, Wei Gao

机构 * SECE, Peking University（北京大学SECE学院） ； Peng Cheng Laboratory（鹏城实验室） 纠错

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

Liu Qifeng, Zhao Dawei, Dong Yabo, Xiao Liang, Wang Juan, Min Chen, Li Fuyang, Jiang Weizhong, Lu Dongming, Nie Yiming

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） 纠错

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

Lixin Zhan, Jie Jiang, Tianjian Zhou, Yukun Du, Yan Zheng, Xuehu Duan

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

Muhammad Haider Khan Lodhi, Christoph Hertzberg

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） 纠错

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

Yanmei Zou, Hongshan Yu, Yaonan Wang, Zhengeng Yang, Xieyuanli Chen, Kailun Yang, Naveed Akhtar

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） 纠错

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

Takahiko Furuya

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

Jie Li, Shengwei Tian, Long Yu, Xin Ning

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） 纠错

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

Jie Li, Shengwei Tian, Long Yu, Xin Ning

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） 纠错

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

Tongyan Hua, Haoran Gong, Yuan Liu, Di Wang, Ying-Cong Chen, Wufan Zhao

机构 * HKUST(GZ)（香港科技大学（广州）） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

Hao Jing, Anhong Wang, Yifan Zhang, Donghan Bu, Junhui Hou

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） 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

Wenjie Huang, Qi Yang, Shuting Xia, He Huang, Zhu Li, Yiling Xu

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） 纠错

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