3D 视觉

UPDA: Unsupervised Progressive Domain Adaptation for No-Reference Point Cloud Quality Assessment

UPDA：无监督渐进领域适应用于无参考点云质量评估

Bingxu Xie, Fang Zhou, Jincan Wu, Yonghui Liu, Weiqing Li, Zhiyong Su

机构 * School of Automation, Nanjing University of Science and Technology（自动化学院，南京理工大学） ； National Key Laboratory of Information Systems Engineering（信息系统工程国家重点实验室） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） 纠错

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

AI总结 UPDA通过无监督渐进领域适应框架提升无参考点云质量评估在跨域场景中的性能。

Comments to be published in IEEE Transactions on Broadcasting

Viewpoint Recommendation for Point Cloud Labeling through Interaction Cost Modeling

通过交互成本建模实现点云标注的视角推荐

Yu Zhang, Xinyi Zhao, Chongke Bi, Siming Chen

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） ； Shanghai Key Laboratory of Data Science, Shanghai（上海数据科学重点实验室） 纠错

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

AI总结 本文提出通过交互成本建模减少点云标注时间的方法，利用Fitts定律优化视角推荐，提升标注效率。

Comments Accepted to IEEE TVCG

Contextual Range-View Projection for 3D LiDAR Point Clouds

基于上下文的视距投影用于3D激光雷达点云

Seyedali Mousavi, Seyedhamidreza Mousavi, Masoud Daneshtalab

机构 * School of Innovation, Design and Engineering（创新、设计与工程学院） ； Division of Intelligent Future Technologies（智能未来技术系） ； Mälardalen University（马尔默大学） 纠错

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

AI总结 本文提出CAP和CWAP两种机制，通过结合实例中心和类别标签的上下文信息，改进3D激光雷达点云的视距投影，提升实例点保留率和目标类别性能。

Finite-time Stable Pose Estimation on TSE(3) using Point Cloud and Velocity Sensors

基于点云和速度传感器的有限时间稳定姿态估计（TSE(3)）

Nazanin S. Hashkavaei, Abhijit Dongare, Neon Srinivasu, Amit K. Sanyal

机构 * Department of Mechanical \& Aerospace Engineering, Syracuse University, Syracuse, NY 13244 纠错

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

AI总结 本文提出一种基于点云和速度传感器的有限时间稳定姿态估计方法，通过几何力学框架实现鲁棒性，适用于自主车辆。

Comments 17 pages, 8 figures, submitted to Automatica

SNAP: Towards Segmenting Anything in Any Point Cloud

SNAP：在任意点云中实现任意分割

Aniket Gupta, Hanhui Wang, Charles Saunders, Aruni RoyChowdhury, Hanumant Singh, Huaizu Jiang

机构 * Northeastern University（东北大学） ； MathWorks 纠错

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

AI总结 SNAP提出一种统一的交互式3D点云分割模型，支持点和文本提示，实现跨领域泛化和高质量分割。

Comments Project Page, https://neu-vi.github.io/SNAP/

Overview and Comparison of AVS Point Cloud Compression Standard

AVS点云压缩标准的概述与比较

Wei Gao, Wenxu Gao, Xingming Mu, Changhao Peng, Ge Li

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

AI总结 本文概述并比较了AVS点云压缩标准，分析了其相关技术和性能表现。

Comments 3 figures, 3 tables

Journal ref APSIPA Transactions on Signal and Information Processing, vol. 14, no. 2, pp.1-33, 2025

Generating Adversarial Events: A Motion-Aware Point Cloud Framework

生成对抗事件：一种运动感知点云框架

Hongwei Ren, Youxin Jiang, Qifei Gu, Xiangqian Wu

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MA-ADV框架，通过点云表示生成对抗事件，解决事件表示非可微导致的对抗攻击难题，验证其在安全性和鲁棒性上的优势。

SuperiorGAT: Graph Attention Networks for Sparse LiDAR Point Cloud Reconstruction in Autonomous Systems

SuperiorGAT：用于自动驾驶系统中稀疏LiDAR点云重建的图注意力网络

Khalfalla Awedat, Mohamed Abidalrekab, Gurcan Comert, Mustafa Ayad

机构 * Electrical and Computer Engineering, Portland State University（电气与计算机工程系，波特兰州立大学） ； Computational Data Science and Engineering Department, North Carolina A&T State University（计算数据科学与工程系，北卡罗来纳A&T州立大学） ； Electrical and Computer Engineering Department, SUNY Oswego（电气与计算机工程系，SUNY奥威戈） 纠错

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

AI总结 SuperiorGAT通过图注意力网络重构稀疏LiDAR点云中的缺失海拔信息，实现更精确的重建与几何一致性，无需增加网络深度或额外硬件。

BADet: Boundary-Aware 3D Object Detection from Point Clouds

BADet: 基于点云的边界感知3D目标检测

Rui Qian, Xin Lai, Xirong Li

机构 * Key Lab of Data Engineering and Knowledge Engineering（数据工程与知识工程重点实验室） ； Renmin University of China（中国人民大学） ； School of Mathematics, Renmin University of China（中国人民大学数学学院） ； Department of Physics, J.K. Institute of Science（科学研究院物理系） 纠错

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

AI总结 BADet通过构建局部邻域图和轻量级特征聚合模块，提升基于点云的3D目标检测性能。

Comments The manuscript is accepted by Pattern Recognition on 6 Jan, 2022

Extracting Manifold Information from Point Clouds

从点云中提取流形信息

Patrick Guidotti

机构 * University of California, Irvine（加州大学伊维特分校） 纠错

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

AI总结 本文提出了一种基于核的方法，用于从点云中提取流形信息，通过构造签名函数来估计维度、法线和曲率。

Comments 21 pages, 11 figures, 4 tables

Mapper-GIN: Lightweight Structural Graph Abstraction for Corrupted 3D Point Cloud Classification

Mapper-GIN：轻量级结构图抽象用于腐蚀3D点云分类

Jeongbin You, Donggun Kim, Sejun Park, Seungsang Oh

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

AI总结 Mapper-GIN通过区域图抽象和GIN信息传递，在腐蚀环境下实现轻量级3D点云分类的鲁棒性。

LitS: A novel Neighborhood Descriptor for Point Clouds

LitS：一种新的点云邻域描述符

Jonatan B. Bastos, Francisco F. Rivera, Oscar G. Lorenzo, David L. Vilariño, José C. Cabaleiro, Alberto M. Esmorís, Tomás F. Pena

机构 * Centro Singular de Investigación en Tecnoloxías Intelixentes (CiTIUS), Universidade de Santiago de Compostela, Spain（圣地亚哥-德孔波斯特拉大学智能技术研究中心（CiTIUS）） ； Universidade de Santiago de Compostela, Spain（圣地亚哥-德孔波斯特拉大学） ； Departamento de Electrónica e Computación, Universidade de Santiago de Compostela, Spain（圣地亚哥-德孔波斯特拉大学电子与计算系） 纠错

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

AI总结 LitS是一种新型点云邻域描述符，通过分段常数函数捕捉局部点排列的细微差别，适用于2D和3D点云分析，具备适应不同数据类型和密度的能力。

PWAVEP: Purifying Imperceptible Adversarial Perturbations in 3D Point Clouds via Spectral Graph Wavelets

PWAVEP: 通过频谱图小波净化3D点云中的不可察觉对抗扰动

Haoran Li, Renyang Liu, Hongjia Liu, Chen Wang, Long Yin, Jian Xu

机构 * Software College, Northeastern University（东北大学软件学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； Software College, Shenyang University of Technology（沈阳理工大学软件学院） 纠错

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

AI总结 PWAVEP通过频谱图小波技术净化3D点云中的不可察觉对抗扰动，提升准确性和鲁棒性。

Comments Accepted by WWW 2026

LmPT: Conditional Point Transformer for Anatomical Landmark Detection on 3D Point Clouds

LmPT：用于3D点云上解剖标志检测的条件点变换

Matteo Bastico, Pierre Onghena, David Ryckelynck, Beatriz Marcotegui, Santiago Velasco-Forero, Laurent Corté, Caroline Robine--Decourcelle, Etienne Decencière

机构 * Mines Paris - PSL University, Centre for material sciences (MAT)（巴黎 Mines - PSL 大学材料科学中心） ； Mines Paris - PSL University, Centre for mathematical morphology (CMM)（巴黎 Mines - PSL 大学数学形态学中心） ； Mines Paris - PSL University, Centre for material forming (CEMEF)（巴黎 Mines - PSL 大学材料成形中心） ； The National Veterinary School of Alfort (EnvA)（阿尔福国家兽医学校） 纠错

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

AI总结 LmPT通过条件点变换实现跨物种的3D点云解剖标志检测，利用同源骨骼提升标注的泛化能力与准确性。

Comments This paper has been accepted at International Symposium on Biomedical Imaging (ISBI) 2026

Journal ref 2026 IEEE International Symposium on Biomedical Imaging (ISBI)

Can 3D point cloud data improve automated body condition score prediction in dairy cattle?

三维点云数据能否改善奶牛自动体况评分预测？

Zhou Tang, Jin Wang, Angelo De Castro, Yuxi Zhang, Victoria Bastos Primo, Ana Beatriz Montevecchio Bernardino, Gota Morota, Xu Wang, Ricardo C Chebel, Haipeng Yu

机构 * Department of Animal Sciences, Institute of Food and Agricultural Sciences, University of Florida（动物科学系，食品与农业科学研究所，佛罗里达大学） ； Department of Large Animal Clinical Sciences, University of Florida（大动物临床科学系，佛罗里达大学） ； Laboratory of Biometry and Bioinformatics, Department of Agricultural and Environmental Biology, Graduate School of Agricultural and Life Sciences, The University of Tokyo（生物计量与生物信息学实验室，农业与环境生物学系，东京大学研究生院） ； Department of Agricultural and Biological Engineering, Institute of Food and Agricultural Sciences, University of Florida（农业与生物工程系，食品与农业科学研究所，佛罗里达大学） 纠错

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

AI总结 本研究比较了深度图像与点云数据在奶牛体况评分预测中的效果，发现深度图像在未分割数据和全身分割数据下表现更优，而点云数据在后躯分割数据下表现相当，但整体敏感性更高。

Automated Discontinuity Set Characterisation in Enclosed Rock Face Point Clouds Using Single-Shot Filtering and Cyclic Orientation Transformation

使用单次滤波和循环方向变换对封闭岩壁点云中的不连续集进行自动化表征

Dibyayan Patra, Pasindu Ranasinghe, Bikram Banerjee, Simit Raval

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

AI总结 本研究提出了一种基于单次滤波和循环方向变换的自动方法，用于表征封闭岩壁点云中的不连续集，实现了高精度的倾角和倾向估计。

SurfelSoup: Learned Point Cloud Geometry Compression With a Probablistic SurfelTree Representation

SurfelSoup：基于概率Surfel树的端到端点云几何压缩框架

Tingyu Fan, Ran Gong, Yueyu Hu, Yao Wang

机构 * Department of Electrical and Computer Engineering, New York University Tandon School of Engineering, Brooklyn, NY, USA（电气工程系，纽约大学塔能工程学院，布鲁克林，纽约，美国） 纠错

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

AI总结 SurfelSoup通过概率Surfel树结构实现点云几何压缩，提升压缩效率与表面重建质量。

Rethinking Transferable Adversarial Attacks on Point Clouds from a Compact Subspace Perspective

重新审视点云可迁移对抗攻击的紧凑子空间视角

Keke Tang, Xianheng Liu, Weilong Peng, Xiaofei Wang, Daizong Liu, Peican Zhu, Can Lu, Zhihong Tian

机构 * Cyberspace Institute of Advanced Technology, Guangzhou University（广州大学网络安全研究院） ； School of Computer Science and Cyber Engineering, Guangzhou University（广州大学计算机科学与网络工程学院） ； Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； Institute for Math & AI, Wuhan University（武汉大学数学与人工智能研究院） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能、光学与电子学院（iOPEN）） 纠错

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

AI总结 本文提出CoSA框架，通过紧凑子空间视角提升点云对抗攻击的跨模型可迁移性，优于现有方法并保持良好的鲁棒性。

SDFs from Unoriented Point Clouds using Neural Variational Heat Distances

利用神经变分热距离从无向点云中生成SDF

Samuel Weidemaier, Florine Hartwig, Josua Sassen, Sergio Conti, Mirela Ben-Chen, Martin Rumpf

机构 * Institute for Numerical Simulation, University of Bonn（数值模拟研究所，波恩大学） ； Centre Borelli, ENS Paris-Saclay（博雷利中心，巴黎-萨克雷大学） ； Institute for Applied Mathematics, University of Bonn（应用数学研究所，波恩大学） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院） 纠错

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

AI总结 本文提出利用神经变分热距离从无向点云生成SDF，通过热方法替代eikonal方程，实现更精确的表面重建和SDF梯度计算。

Comments 16 pages, 19 figures, 4 tables

SSCATeR: Sparse Scatter-Based Convolution Algorithm with Temporal Data Recycling for Real-Time 3D Object Detection in LiDAR Point Clouds

SSCATeR: 基于稀疏散射的卷积算法与时间数据回收用于LiDAR点云中的实时3D物体检测

Alexander Dow, Manduhu Manduhu, Matheus Santos, Ben Bartlett, Gerard Dooly, James Riordan

机构 * Drone Systems Lab, School of Computing, Engineering and Physical Sciences, University of the West of Scotland（无人机系统实验室，计算、工程与物理科学学院，西方苏格兰大学） ； Centre for Robotics and Intelligent Systems, University of Limerick（机器人与智能系统中心，利默里克大学） 纠错

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

AI总结 SSCATeR通过时间数据回收和稀疏散射卷积，实现LiDAR点云中实时3D物体检测的高效检测。

Comments 23 Pages, 27 Figures, This work has been accepted for publication by the IEEE Sensors Journal. Please see the first page of the article PDF for copyright information

Soft Masked Transformer for Point Cloud Processing with Skip Attention-Based Upsampling

用于点云处理的软掩码Transformer与跳过注意力上采样

Yong He, Hongshan Yu, Chaoxu Mu, Mingtao Feng, Tongjia Chen, Zechuan Li, Anwaar Ulhaq, Ajmal Mian

机构 * Artificial Intelligence School, Anhui University（安徽大学人工智能学院） ； National Engineering Laboratory for Robot Visual Perception and Control Technology, College of Electrical and Information Engineering, Hunan University（机器人视觉感知与控制技术国家工程实验室，湖南大学电气与信息工程学院） ； Artificial Intelligence School, Xidian University（西安电子科技大学人工智能学院） ； Department of Computer Science, The University of Western Australia（西澳大学计算机科学系） ； Central Queensland University（中央昆士兰大学） 纠错

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

AI总结 SMTransformer通过整合任务级信息和跳过注意力上采样提升点云处理性能，实现S3DIS和SWAN数据集上的高精度语义分割。

Comments Conditionally accepted by IEEE Transactions on Automation Science and Engineering

Quartet of Diffusions: Structure-Aware Point Cloud Generation through Part and Symmetry Guidance

四重扩散：通过部件和对称性指导的结构感知点云生成

Chenliang Zhou, Fangcheng Zhong, Weihao Xia, Albert Miao, Canberk Baykal, Cengiz Oztireli

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

AI总结 四重扩散通过部件和对称性指导，实现了结构感知的点云生成，首次在生成过程中整合并强制执行对称性和部件先验。

MGPC: Multimodal Network for Generalizable Point Cloud Completion With Modality Dropout and Progressive Decoding

MGPC：多模态网络用于通用点云补全与模态丢弃和渐进解码

Jiangyuan Liu, Yuhao Zhao, Hongxuan Ma, Zhe Liu, Jian Wang, Wei Zou

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation of Chinese Academy of Sciences（中国科学院自动化研究所 multimodal 人工智能系统国家重点实验室） ； Chemical Defense Institute, Academy of Military Sciences（军事科学院化学防御研究院） ； Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation of Chinese Academy of Sciences（中国科学院自动化研究所 复杂系统认知与决策智能重点实验室） 纠错

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

AI总结 MGPC通过多模态融合和渐进生成提升点云补全的泛化能力，构建大规模基准并验证其在现实场景中的有效性。

Comments Code and dataset are available at https://github.com/L-J-Yuan/MGPC

EquiForm: Noise-Robust SE(3)-Equivariant Policy Learning from 3D Point Clouds

EquiForm: 基于3D点云的噪声鲁棒SE(3)等价政策学习

Zhiyuan Zhang, Yu She

机构 * School of Industrial Engineering, Purdue University（工业工程学院，普渡大学） 纠错

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

AI总结 EquiForm通过引入噪声鲁棒的几何去噪模块和对比等价对齐目标，提升基于3D点云的政策学习在噪声和遮挡下的鲁棒性与泛化能力。

Comments Project website: https://ZhangZhiyuanZhang.github.io/equiform-website/ Code will be released

PointMapPolicy: Structured Point Cloud Processing for Multi-Modal Imitation Learning

PointMapPolicy: 结构化点云处理用于多模态模仿学习

Xiaogang Jia, Qian Wang, Anrui Wang, Han A. Wang, Balázs Gyenes, Emiliyan Gospodinov, Xinkai Jiang, Ge Li, Hongyi Zhou, Weiran Liao, Xi Huang, Maximilian Beck, Moritz Reuss, Rudolf Lioutikov, Gerhard Neumann

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Reality Labs, Meta（Meta现实实验室） ； Johannes Kepler University Linz（林茨约翰尼斯·开普勒大学） 纠错

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

AI总结 PointMapPolicy通过结构化点云处理提升多模态模仿学习的精度与泛化能力，利用xLSTM融合点云与RGB数据，在RoboCasa和CALVIN基准中取得最佳性能。

Equivariant Flow Matching for Point Cloud Assembly

等变流匹配用于点云装配

Ziming Wang, Nan Xue, Rebecka Jörnsten

机构 * CTH（查尔姆斯理工大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 本文提出等变扩散装配模型，通过学习相关向量场实现点云装配，有效提升数据效率和处理非重叠输入的能力。

Point2Vec for Self-Supervised Representation Learning on Point Clouds

Point2Vec用于点云的自监督表示学习

Karim Knaebel, Jonas Schult, Alexander Hermans, Bastian Leibe

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

AI总结 point2vec通过改进data2vec框架，有效解决了点云自监督表示学习中的位置信息泄露问题，在多个任务中表现出色。

Comments Accepted at GCPR 2023. Project page at https://vision.rwth-aachen.de/point2vec

Registration-Free Monitoring of Unstructured Point Cloud Data via Intrinsic Geometrical Properties

无需配准的无结构点云数据监控：通过内在几何特性

Mariafrancesca Patalano, Giovanna Capizzi, Kamran Paynabar

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

AI总结 本文提出了一种无需配准的点云数据监控方法，利用内在几何特性进行特征学习，有效识别不同类型的缺陷。

Comments Code available at https://github.com/franci2312/RFM

Geo-Registration of Terrestrial LiDAR Point Clouds with Satellite Images without GNSS

无需GNSS的地面LiDAR点云与卫星图像地理配准

Xinyu Wang, Muhammad Ibrahim, Haitian Wang, Atif Mansoor, Xiuping Jia, Ajmal Mian

机构 * Department of Computer Science and Software Engineering, The University of Western Australia（计算机科学与软件工程系，西澳大学） ； School of Engineering and Technology, University of New South Wales（工程与技术学院，新南威尔士大学） 纠错

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

AI总结 本研究提出了一种无需GNSS的LiDAR点云与卫星图像地理配准方法，通过点云分割、道路骨架提取和刚性变换实现高精度配准，显著降低地理偏移误差。

Comments Submitted to IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Under reviewing now

Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching

耦合拉普拉斯特征映射用于局部感知的3D刚性点云匹配

Matteo Bastico, Etienne Decencière, Laurent Corté, Yannick Tillier, David Ryckelynck

机构 * Mines Paris, Université PSL（巴黎 Mines 学院，巴黎大学） ； Centre des Matériaux (MAT), UMR7633 CNRS（材料中心（MAT），CNRS UMR7633） ； Centre de Morphologie Mathématique (CMM)（数学形态学中心（CMM）） ； Centre de Mise en Forme des Matériaux (CEMEF), UMR7635 CNRS（材料成型中心（CEMEF），CNRS UMR7635） 纠错

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

AI总结 本文提出基于耦合拉普拉斯特征映射的3D点云匹配方法，通过考虑局部结构提升匹配精度，应用于物体异常检测和骨侧估计任务。

Comments This paper has been accepted at Computer Vision and Patter Recognition (CVPR) 2024

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2024, pp. 3447-3458