3D 视觉

Class-Partitioned VQ-VAE and Latent Flow Matching for Point Cloud Scene Generation

类分区的VQ-VAE与潜在流匹配用于点云场景生成

Dasith de Silva Edirimuni, Ajmal Saeed Mian

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

AI总结 本文提出类分区VQ-VAE与潜在流匹配模型，实现无需外部数据库的点云场景生成，有效减少重建误差。

Comments Accepted to AAAI 2026, Main Technical Track

SM3D: Mitigating Spectral Bias and Semantic Dilution in Point Cloud State Space Models

SM3D: 缓解点云状态空间模型中的频谱偏差和语义稀释

Bin Liu, Chunyang Wang, Xuelian Liu

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

AI总结 SM3D通过几何频谱补偿器和语义一致性细化器缓解点云状态空间模型中的频谱偏差和语义稀释问题，提升几何保真度和语义一致性。

DALD-PCAC: Density-Adaptive Learning Descriptor for Point Cloud Lossless Attribute Compression

DALD-PCAC：基于密度适应的学习描述符用于点云无损属性压缩

Chunyang Fu, Ge Li, Wei Gao, Shiqi Wang, Zhu Li, Shan Liu

机构 * City University of Hong Kong（香港城市大学） ； Peking University Shenzhen Graduate School（北京大学深圳研究生院） ； University of Missouri-Kansas City（密苏里大学-堪萨斯城分校） ； Tencent Media Laboratory（腾讯媒体实验室） 纠错

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

AI总结 DALD-PCAC通过密度适应学习描述符和注意力机制，实现点云无损属性压缩的高效压缩与鲁棒性提升。

Comments Accepted by TOMM

DeepRAHT: Learning Predictive RAHT for Point Cloud Attribute Compression

DeepRAHT: 基于稀疏张量的端到端预测RAHT点云属性压缩学习

Chunyang Fu, Tai Qin, Shiqi Wang, Zhu Li

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

AI总结 DeepRAHT通过稀疏张量实现端到端预测RAHT点云属性压缩，提升压缩效率与鲁棒性。

Comments Accepted by AAAI 2026

Graph Smoothing for Enhanced Local Geometry Learning in Point Cloud Analysis

图平滑用于点云分析中的增强局部几何学习

Shangbo Yuan, Jie Xu, Ping Hu, Xiaofeng Zhu, Na Zhao

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

AI总结 本文提出一种结合图平滑和局部几何学习的方法，以提升点云分析中边界点和连接区域的处理效果。

Comments Accepted by AAAI 2026

Rate-distortion Optimized Point Cloud Preprocessing for Geometry-based Point Cloud Compression

基于率失真优化的点云预处理用于基于几何的点云压缩

Wanhao Ma, Wei Zhang, Shuai Wan, Fuzheng Yang

机构 * School of Telecommunications Engineering, Xidian University（电子科技大学电信工程学院） ； School of Electronics and Information, Northwestern Polytechnical University（西北工业大学电子信息技术学院） ； School of Engineering, Royal Melbourne Institute of Technology（皇家墨尔本理工学院工程学院） 纠错

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

AI总结 本文提出了一种基于率失真优化的点云预处理框架，结合可微替代模型与体素化网络，提升G-PCC效率，实现38.84%的BD-rate减少。

Iterative Differential Entropy Minimization (IDEM) method for fine rigid pairwise 3D Point Cloud Registration: A Focus on the Metric

迭代微分熵最小化（IDEM）方法用于精细刚性点云配对3D点云配准：聚焦度量

Emmanuele Barberi, Felice Sfravara, Filippo Cucinotta

机构 * Department of Engineering, University of Messina（工程学院，墨西拿大学） 纠错

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

AI总结 IDEM方法通过微分熵度量提升点云配准的鲁棒性，有效应对密度差异、噪声和部分重叠等挑战。

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2025, Available in IEEE Xplore

Point Cloud Synthesis Using Inner Product Transforms

利用内积变换进行点云合成

Ernst Röell, Bastian Rieck

机构 * AIDOS Lab, University of Fribourg（AIDOS实验室，弗里堡大学） ； Institute of AI for Health, Helmholtz Munich（健康人工智能研究所，海德堡慕尼黑） ； 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 本文提出了一种利用内积变换编码点云几何-拓扑特性，实现高效且高质量点云合成的方法。

Comments Accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS) 2025. Our code is available at https://github.com/aidos-lab/inner-product-transforms

Car Drag Coefficient Prediction from 3D Point Clouds Using a Slice-Based Surrogate Model

基于3D点云的汽车阻力系数预测：一种基于切片的替代模型

Utkarsh Singh, Absaar Ali, Adarsh Roy

机构 * Delhi Technological University（德里技术大学） ； Indian Institute of Technology（印度理工学院） 纠错

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

AI总结 本文提出了一种基于3D点云切片处理的轻量级替代模型，用于高效预测汽车阻力系数，实现高精度和快速反馈。

Comments 14 pages, 5 figures. Published in: Bramer M., Stahl F. (eds) Artificial Intelligence XLII. SGAI 2025. Lecture Notes in Computer Science, vol 16302. Springer, Cham

Journal ref In: Bramer M., Stahl F. (eds) Artificial Intelligence XLII. SGAI 2025. Lecture Notes in Computer Science, vol 16302, pp 66-79. Springer, Cham (2025)

RBFIM: Perceptual Quality Assessment for Compressed Point Clouds Using Radial Basis Function Interpolation

RBFIM: 使用径向基函数插值对压缩点云进行感知质量评估

Zhang Chen, Shuai Wan, Siyu Ren, Fuzheng Yang, Mengting Yu, 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） ； School of Engineering, Royal Melbourne Institute of Technology（工程学院，皇家墨尔本理工学院） ； 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 RBFIM通过径向基函数插值提升压缩点云的感知质量评估，有效解决点云对应问题，为PCC优化提供支持。

Journal ref in IEEE Transactions on Multimedia, vol. 27, pp. 8579-8591, 2025

Reconstructing Building Height from Spaceborne TomoSAR Point Clouds Using a Dual-Topology Network

从空间borne TomoSAR点云重建建筑高度的双拓扑网络

Zhaiyu Chen, Yuanyuan Wang, Yilei Shi, Xiao Xiang Zhu

机构 * The Chair of Data Science in Earth Observation, Technical University of Munich (TUM)（地球观测数据科学教授职位，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； School of Engineering and Design, Technical University of Munich (TUM)（工程与设计学院，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 本文提出了一种双拓扑网络，用于从空间borne TomoSAR点云中重建建筑高度，通过点和网格分支联合处理，实现去噪和缺失区域填充，提升城市高度映射的精度。

Comments Accepted for publication in IEEE Transactions on Geoscience and Remote Sensing

BATISNet: Instance Segmentation of Tooth Point Clouds with Boundary Awareness

BATISNet: 用于牙点云实例分割的边界感知网络

Yating Cai, Yanghui Xu, Zehua Hu, Jiazhou Chen, Jing Huang

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

AI总结 BATISNet通过引入边界感知损失函数和实例分割模块，提升牙点云分割的鲁棒性和准确性，尤其在复杂临床场景中表现优异。

Comments 10 pages, 4 figures

PointRAFT: 3D deep learning for high-throughput prediction of potato tuber weight from partial point clouds

PointRAFT：用于从部分点云高通量预测马铃薯块茎重量的3D深度学习

Pieter M. Blok, Haozhou Wang, Hyun Kwon Suh, Peicheng Wang, James Burridge, Wei Guo

机构 * Graduate School of Agricultural and Life Sciences, The University of Tokyo（东京大学农业与生命科学研究生院） ； Department of Integrative Biological Sciences and Industry, Sejong University（世宗大学整合生物科学与工业系） 纠错

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

AI总结 PointRAFT通过高通量点云回归网络，从部分点云直接预测马铃薯块茎重量，显著优于现有方法，适用于3D表型分析和机器人感知。

Comments 14 pages, 7 figures, 3 tables

MCI-Net: A Robust Multi-Domain Context Integration Network for Point Cloud Registration

MCI-Net：一种用于点云配准的鲁棒多域上下文整合网络

Shuyuan Lin, Wenwu Peng, Junjie Huang, Qiang Qi, Miaohui Wang, Jian Weng

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

AI总结 MCI-Net通过多域上下文整合提升点云配准性能，采用图邻域聚合、渐进式上下文交互和动态内点选择方法，在3DMatch数据集上达到96.4%的配准召回率。

MEGA-PCC: A Mamba-based Efficient Approach for Joint Geometry and Attribute Point Cloud Compression

MEGA-PCC: 一种基于Mamba的高效联合几何与属性点云压缩方法

Kai-Hsiang Hsieh, Monyneath Yim, Wen-Hsiao Peng, Jui-Chiu Chiang

机构 * National Chung Cheng University, Taiwan（国立 Chung Cheng 大学） ； National Yang Ming Chiao Tung University, Taiwan（国立 Yang Ming Chiao Tung 大学） 纠错

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

AI总结 MEGA-PCC是一种基于Mamba的端到端点云压缩方法，通过联合编码几何和属性信息，实现高效压缩与数据驱动的比特率分配。

Comments Accepted at the IEEE/CVF Winter Conference on Applications of Computer Vision 2026 (WACV 2026)

HLS4PC: A Parametrizable Framework For Accelerating Point-Based 3D Point Cloud Models on FPGA

HLS4PC: 一种用于在FPGA上加速基于点的3D点云模型的可参数化框架

Amur Saqib Pal, Muhammad Mohsin Ghaffar, Faisal Shafait, Christian Weis, Norbert Wehn

机构 * National University of Sciences and Technology（国家科学与技术大学） ； Microelectronic Systems Design Research Group（微电子系统设计研究组） 纠错

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

AI总结 HLS4PC通过FPGA加速实现PointMLP-Lite模型，提升了3.56倍的吞吐量，并比GPU和CPU实现分别提高了2.3倍和22倍。

Comments Accepted for publication by 25th International Conference on Embedded Computer Systems: Architectures, Modeling and Simulation (SAMOS 2025)

PUFM++: Point Cloud Upsampling via Enhanced Flow Matching

PUFM++: 通过增强的流匹配进行点云上采样

Zhi-Song Liu, Chenhang He, Roland Maier, Andreas Rupp

机构 * Department of Computational Engineering, Lappeenranta-Lahti University of Technology LUT, Finland（莱佩宁拉-拉赫蒂技术大学工程学系） ； The Hong Kong Polytechnic University（香港理工大学） ； Institute for Applied and Numerical Mathematics at Karlsruhe Institute of Technology (KIT), Germany（卡尔斯鲁厄理工学院应用与数值数学研究所） ； Department of Mathematics at Saarland University, Germany（萨尔大学数学系） 纠错

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

AI总结 PUFM++通过增强的流匹配框架，提升点云上采样的几何保真度和鲁棒性，结合递归接口网络和自适应时间调度器，实现高质量点云重建。

Comments 21 pages, 15 figures

Preserving Topological and Geometric Embeddings for Point Cloud Recovery

保持拓扑和几何嵌入以恢复点云

Kaiyue Zhou, Zelong Tan, Hongxiao Wang, Ya-Li Li, Shengjin Wang

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

AI总结 本文提出TopGeoFormer架构，通过融合拓扑和几何嵌入提升点云恢复性能。

Comments Accepted to AAAI 202

Multimodal classification of forest biodiversity potential from 2D orthophotos and 3D airborne laser scanning point clouds

基于2D正射影像和3D空中激光扫描点云的森林生物多样性潜力多模态分类

Simon B. Jensen, Stefan Oehmcke, Andreas Møgelmose, Meysam Madadi, Christian Igel, Sergio Escalera, Thomas B. Moeslund

机构 * Perception Laboratory, Aalborg University, Denmark ； Pioneer Centre for Artificial Intelligence, Denmark ； Department of Computer Science, Copenhagen University, Denmark ； Institute for Visual \& Analytic Computing, Rostock University, Germany ； University of Barcelona ； Computer Vision Center, Spain 纠错

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

AI总结 本研究利用2D正射影像和3D ALS点云数据，通过多模态深度学习融合方法，实现对森林生物多样性潜力的高效评估，实验结果达到82%的准确率。

4D-RaDiff: Latent Diffusion for 4D Radar Point Cloud Generation

4D-RaDiff：用于4D雷达点云生成的潜在扩散

Jimmie Kwok, Holger Caesar, Andras Palffy

机构 * Delft University of Technology（代尔夫特理工大学） ； Perciv AI 纠错

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

AI总结 4D-RaDiff通过潜在扩散生成4D雷达点云，提升目标检测性能并减少标注数据需求

Dataset Distillation of 3D Point Clouds via Distribution Matching

通过分布匹配进行3D点云的数据集蒸馏

Jae-Young Yim, Dongwook Kim, Jae-Young Sim

机构 * Ulsan National Institute of Science and Technology（乌山国家科学研究院） 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分布匹配的3D点云数据集蒸馏方法，通过优化几何结构和方向，解决点云语义错位和旋转变化问题，提升蒸馏效果。

RaLiFlow: Scene Flow Estimation with 4D Radar and LiDAR Point Clouds

RaLiFlow: 基于4D雷达和激光雷达点云的场景流估计

Jingyun Fu, Zhiyu Xiang, Na Zhao

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

AI总结 RaLiFlow是首个联合4D雷达和激光雷达的场景流学习框架，通过动态感知双向跨模态融合模块和精心设计的损失函数实现高效的雷达-激光雷达融合。

Comments Accepted by AAAI

Point2Pose: A Generative Framework for 3D Human Pose Estimation with Multi-View Point Cloud Dataset

Point2Pose：基于多视角点云数据集的3D人体姿态估计生成框架

Hyunsoo Lee, Daeum Jeon, Hyeokjae Oh

机构 * ECE, Seoul National University（首尔国立大学电子与计算机工程系） ； CS, KAIST（韩国科学技术院计算机科学系） ； Soulart Inc.（Soulart公司） 纠错

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

AI总结 Point2Pose通过生成模型和大规模数据集提升3D人体姿态估计的准确性与鲁棒性。

Comments WACV 2026 camera ready

Dual-Branch Center-Surrounding Contrast: Rethinking Contrastive Learning for 3D Point Clouds

双分支中心-周围对比：重新思考3D点云中的对比学习

Shaofeng Zhang, Xuanqi Chen, Xiangdong Zhang, Sitong Wu, Junchi Yan

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文提出双分支中心-周围对比框架，通过双分支输入和补丁级对比损失，提升3D点云对比学习性能，达到SOTA效果。

Comments 16 pages, 6 figures

OCCDiff: Occupancy Diffusion Model for High-Fidelity 3D Building Reconstruction from Noisy Point Clouds

OCCDiff：基于点云的高保真3D建筑重建的占用扩散模型

Jialu Sui, Rui Liu, Hongsheng Zhang

机构 * Department of Geography, Faculty of Social Science, the University of Hong Kong（地理系，社会科学学院，香港大学） 纠错

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

AI总结 OCCDiff通过潜在扩散和函数自动编码器生成高保真3D建筑重建，结合点编码器与多任务训练提升鲁棒性与精度。

Query-aware Hub Prototype Learning for Few-Shot 3D Point Cloud Semantic Segmentation

面向查询的枢纽原型学习用于少样本3D点云语义分割

YiLin Zhou, Lili Wei, Zheming Xu, Ziyi Chen, Congyan Lang

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

AI总结 本文提出面向查询的枢纽原型学习方法，通过建模支持集与查询集的语义相关性，提升少样本3D点云语义分割的性能。

3D-ANC: Adaptive Neural Collapse for Robust 3D Point Cloud Recognition

3D-ANC：适应性神经坍塌用于鲁棒的3D点云识别

Yuanmin Huang, Wenxuan Li, Mi Zhang, Xiaohan Zhang, Xiaoyu You, Min Yang

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

AI总结 3D-ANC通过神经坍塌机制解决3D点云识别中的对抗攻击问题，结合ETF对齐和自适应训练框架提升模型鲁棒性。

Comments AAAI 2026

Hierarchical Image-Guided 3D Point Cloud Segmentation in Industrial Scenes via Multi-View Bayesian Fusion

基于多视角贝叶斯融合的工业场景分层图像引导3D点云分割

Yu Zhu, Naoya Chiba, Koichi Hashimoto

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

AI总结 本文提出一种分层图像引导的3D点云分割框架，通过多视角贝叶斯融合解决工业场景中的遮挡和语义不一致问题，提升分割精度与鲁棒性。

Comments Accepted to BMVC 2025 (Sheffield, UK, Nov 24-27, 2025). Supplementary video and poster available upon request

Representation Learning for Point Cloud Understanding

点云理解的表示学习

Siming Yan

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本研究提出整合预训练2D模型以提升3D点云理解的方法，通过自监督学习和迁移学习改进点云表示学习。

Comments 181 pages

PLANesT-3D: A new annotated dataset for segmentation of 3D plant point clouds

PLANesT-3D：一个用于3D植物点云分割的新标注数据集

Kerem Mertoğlu, Yusuf Şalk, Server Karahan Sarıkaya, Kaya Turgut, Yasemin Evrenesoğlu, Hakan Çevikalp, Ömer Nezih Gerek, Helin Dutağacı, David Rousseau

机构 * Faculty of Agriculture（农业学院） ； Usak University（乌萨克大学） ； Department of Electrical-Electronics Engineering（电气电子工程系） ； Eskisehir Osmangazi University（埃斯基谢普大学） ； SADC Department（SADC部门） ； Huawei Türkiye R&D Center（华为土耳其研发中心） ； Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS)（安热斯工程系统研究实验室） ； Université d’Angers（安格斯大学） 纠错

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

AI总结 PLANesT-3D是一个包含34个真实植物3D点云的新数据集，用于评估3D植物分割方法的泛化能力，引入了SP-LSCnet等新方法。