视觉与机器人
三维重建、NeRF、Gaussian Splatting、点云和空间智能。
ViCo3D：利用视觉基础模型增强基于激光雷达的协作式3D目标检测
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究针对V2X系统中基于激光雷达协作式3D感知的不足，提出ViCo3D框架。通过将点云投影为图像让VFM提取特征，引入融合模块及跨智能体融合策略，实现了先进的3D检测性能，提升了协作增益。
SLIDER：使用滑动局部地图的稀疏历史引导空中机器人目标搜索
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 针对空中机器人在大规模未知环境中目标搜索难题，提出SLIDER框架，结合局部滑动地图与稀疏全局历史信息，通过新评估方法、聚类策略及维护拓扑地图实现高效搜索，性能优于现有方法。
Comments Accepted by IEEE Robotics and Automation Letters (RA-L), 2026. https://github.com/Poaos/SLIDER
用于3D异常检测的物理启发式伪异常生成与原型特征引导
机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； School of Information and Software Engineering, East China Jiaotong University（华东交通大学信息工程学院） ； School of Computer Science and Technology, Dalian University of Technology（大连理工大学计算机科学与技术学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对3D点云异常检测中真实异常样本稀缺等问题，提出PA3AD框架，采用物理启发式伪异常生成策略及原型特征引导，通过关键创新有效学习分布变化，实验证明其检测性能优于现有方法。
Comments 20 pages; already accepted by Pattern Recognition
无标注家具编码：它们编码了什么以及能转移多远
机构 * DLR Group（DLR集团）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究能否用源自物体几何形状的自监督令牌取代类别标签和规范姿态约定。通过对FSQ点云自动编码器进行倒角训练，发现编码能恢复多种信息，其旋转内容可由训练目标设置，跨资产库缩放时编码转移情况因类别而异。
iG-LIO的数值稳健ROS 2端口：诊断和修复增量GICP激光雷达惯性里程计中工具链引起的故障
机构 * Robotics Institute (RI), Carnegie Mellon University (CMU)（卡内基梅隆大学机器人研究所） ； Institute of Systems and Robotics (ISR), University of Coimbra (UC)（科英布拉大学系统与机器人研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 研究针对iG-LIO的ROS 2端口，诊断并修复由工具链导致的数值故障。通过分析QoS不匹配等问题，采取修正点场解析、添加传感器支持等方法，在多种传感器上验证了改进后的端口，为该端口提供了可引用参考。
Comments 3 pages, 1 figure, 4 references
机器人轨迹生成器V3：一种用于SE(3)操作的概率共享控制框架
机构 * KU Leuven（鲁汶大学） ； Flanders Make（法兰德斯制造）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 针对远程操作机器人手臂执行高自由度操作任务的难题（认知要求高、易出错、依赖低带宽接口），提出概率共享控制框架RT-V3，通过贝叶斯推理结合用户意图先验与实时命令估计后验分布，实验证明其在多方面表现出色，优于基线方法。
关于探索用于任意时刻激光雷达目标检测的输入分辨率缩放
机构 * The National Defense University（国防大学） ； George Mason University（乔治梅森大学） ； The University of Kansas（堪萨斯大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 研究为处理激光雷达点云的深度神经网络实现任意时刻计算，提出新方法可多分辨率推理，引入期限感知调度器，内存高效只需单个模型，实验表明优于现有方法，部署在模拟系统可实现无碰撞导航并避免停顿。
GrowFields：用于拓扑变化植物生长的组合式4D神经场
机构 * ETH Zürich（苏黎世联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心） ； Martin-Luther-Universität Halle-Wittenberg（马丁-路德-哈雷-维滕贝格大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对从稀疏纵向3D观测量化植物生长动力学的难题，提出GrowFields，将植物分解为器官并对齐到规范坐标系，学习共享神经变形场，在植物器官跟踪中表现优于现有表示。
Comments ECCV 2026 paper (main conference). v2 corrects the vertical guide lines in supplementary Figures 5-7. Project page and code available at https://joaquin-gajardo.github.io/growfields/
NegROI：基于场景条件负提示的以点击为中心的不确定性引导细化用于稳健交互式3D分割
机构 * School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究针对交互式3D分割中粗体素分辨率及背景误报问题，提出NegROI框架，结合点击中心多分辨率细化与场景条件负提示，通过不确定性驱动选择性细化、负提示建模及边界感知硬负挖掘，提升点击效率、减少误报并增强跨数据集鲁棒性。
Ground3D-LMM：基于LMM的细粒度3D点接地与空间推理
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Linköping University（林雪平大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究3D环境自然语言查询的可操作性问题，提出Ground3D-LMM统一模型，以点云等为输入，支持3D空间对话，能给出基于点的响应和度量数值输出，通过定义新任务、引入数据集验证，为3D对话理解提供强大基线。
Comments ECCV 2026
用于有限元分析的植物分支结构的过程性体素建模
专题命中 点云 ：point cloud(abstract)；分类 cs.GR
AI总结 针对精准农业等领域对植物建模的需求，提出自动体素过程性建模框架，能从输入骨架或点云生成适合有限元分析的六面体网格，经多步骤操作实现，在多植物数据集验证，还支持动态网格生成模拟植物生长。
Comments 31 pages, 15 figures
面向体积视频属性压缩的运动估计技术
机构 * University of Southern California（南加州大学） ； KDDI Research, Inc.（KDDI研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对点云属性时域冗余难消除的问题，提出三类运动估计编码方案，在有损几何条件下较现有标准最高可实现55.3%的平均码率节省。
3DMPE：3D多视角嵌入
机构 * Saint Louis University（圣路易斯大学） ； University of Utah（犹他大学） ； Technical University of Munich（慕尼黑工业大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究从多个部分观测的2D投影进行3D点云重建，提出3DMPE方法，基于优化且无需训练，能重建点云并估计投影图，扩展多视角同步嵌入以适应缺失点等，实验验证其有效性。
RAF：用于恶劣天气下稳健3D目标检测的相机、激光雷达和4D雷达的可靠性感知融合
机构 * Visual Intelligence Lab., KAIST（韩国科学技术院视觉智能实验室）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对恶劣天气下多传感器3D目标检测难题，提出RAF方法，通过明确监督像素可靠性估计，利用预训练网络，仅训练新增相机分支等，实验证明该方法有效提升检测精度。
Comments ECCV 2026
使用多模态大语言模型从几何标签到室内建筑组件的语义理解
机构 * School of Qilu Transportation, Shandong University（山东大学齐鲁交通学院） ； Guangzhou Institute of Geography, Guangdong Academy of Sciences（广东省地理研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 研究针对室内建筑组件，提出以点云为中心的多模态大语言模型Building-MLLM，通过特定机制解决语义集中问题，开发引擎编译数据集，实验表明其在多任务上表现优异，提升室内组件语言理解。
Comments 46 pages, 13 figures, accepted by Automation in Construction journal
ROBOCYCLE：用于回收应用的自主双臂机器人操作与协调
机构 * Tecnologico de Monterrey, School of Engineering and Sciences, Department of Computer Science（墨西哥蒙特雷理工大学工程学院与科学学院计算机科学系） ； National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 针对城市垃圾处理难题，介绍ROBOCYCLE平台，集成多视图RGB-D感知、基于变压器的实例分割及6自由度抓取规划，有效处理不规则和可变形垃圾，取得高成功率，为现实环境自主垃圾管理提供方案。
学习抑制基于单光子雪崩二极管（SPAD）的激光雷达耀斑
机构 * Centre for Vision, Speech and Signal Processing, University of Surrey, UK（英国萨里大学视觉、语音和信号处理中心） ； Advanced Technology Center, Sony (China) Ltd., China（索尼（中国）有限公司先进技术中心）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对基于SPAD的激光雷达耀斑问题，将其重构成语义分割问题，提出基于物理信息的激光雷达耀斑分割方法，通过聚合跨回波信息联合编码特征，实验表明该方法显著优于其他模型。
超越点附着语义：用于可泛化操作的以对象为中心的语义场
机构 * Department of Mechanical of Automation Engineering（机械与自动化工程系）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 研究可泛化机器人操作中功能对象部分的稳定3D理解问题，提出以对象为中心的连续语义场，用部分注释模型训练并冻结，实验表明该表示提供更稳定线索并提升策略性能。
自动驾驶中基于LiDAR的3D物体检测的全面鲁棒性分析
机构 * Institute for TMDT, University of Wuppertal, Germany（TMDT研究所，乌尔姆大学，德国） ； IKB Faculty of Science, University of British Columbia, Canada（科学学院，不列颠哥伦比亚大学，加拿大）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对LiDAR-only 3D物体检测模型对抗鲁棒性研究不足的问题，提出一个综合评估框架，通过结构因子（点云密度、定位）和预测因子（误分类、定位误差、自车距离）分析，发现高容量体素检测器比支柱检测器更易受结构化坐标扰动，非锚点检测器鲁棒性差。
Comments Accepted at ECCV 2026 main
UnderOneFacade：全球立面语义分割基准数据集
机构 * Technical University of Munich（慕尼黑工业大学） ； University of Cambridge（剑桥大学） ； University of Nottingham（诺丁汉大学） ； National University of Singapore（新加坡国立大学）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对现有立面解析数据集地理范围窄、语义不一致的问题，提出全球最大跨国家、跨洲的3D立面基准UnderOneFacade，包含27亿标注点，评估多种模型并揭示其跨域性能下降，为鲁棒可迁移的3D分割模型提供基准。
Comments accepted by ECCV 2026
C2E: 通过多教师对比知识蒸馏提升仅自我3D目标检测
机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, Xiamen University（福建省城市智能感知与计算重点实验室，厦门大学） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（多媒体可信感知与高效计算教育部重点实验室，厦门大学） ； Zhongguancun Academy（中关村学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出C2E范式，通过多对一智能体对比知识蒸馏框架M2S，结合多级特征增强、辅助点云重建和多教师对比蒸馏，在无通信成本下提升仅自我3D检测性能，在多个数据集上验证有效性。
Comments 18 pages, 8figures
Journal ref ECCV 2026
DriveWeaver: 基于点云条件的视频修复用于自动驾驶仿真中的可控车辆插入
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出DriveWeaver框架，通过点云条件视频修复实现自动驾驶仿真中可控车辆插入，解决光照不一致和3D资产依赖问题，支持大规模场景增强。
Comments Accepted at ECCV 2026, Project Page: https://github.com/LogosRoboticsGroup/DriveWeaver
NoPA: 非参数化在线3D场景图生成
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对现有3D场景图生成方法无法实时运行的问题，提出NoPA，用非参数化分布表示物体，保留几何细节，并通过基于最大均值差异的合并策略和关系传播，实现实时且准确的在线场景图生成。
Comments This paper has been accepted in ECCV 26
ELMP: 通过解析策略梯度实现高效运动规划学习
机构 * Robotic Systems Lab, ETH Zürich（苏黎世联邦理工学院机器人系统实验室） ； ABB（ABB公司） ； ANYbotics（ANYbotics公司）
专题命中 点云 ：point cloud(abstract)；分类 cs.RO
AI总结 提出ELMP框架，利用可微运动学层和自监督微调，通过密集碰撞、目标到达和平滑性目标直接优化策略，避免专家数据收集，实现数据高效的运动规划适应。
Comments 8 pages, 7 figures, 4 tables
FLORA: 一种从异构LiDAR数据预测森林属性的深度学习方法
机构 * Univ Gustave Eiffel, Géodata Paris, IGN, LASTIG（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LASTIG） ； Univ Gustave Eiffel, Géodata Paris, IGN, LIF（古斯塔夫·埃菲尔大学，巴黎地理数据，IGN，LIF） ； Université de Lorraine, Géodata Paris, IGN, LIF（洛林大学，巴黎地理数据，IGN，LIF）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出FLORA框架，利用八叉树骨干网络与生态时空辅助变量，从异构LiDAR点云预测六种森林属性，在法国32,052个样地验证，主导高rRMSE约12.3%。
RESOLVE：用于路边协同感知的多分辨率多模态数据集
机构 * The Polytechnic School, Arizona State University（亚利桑那州立大学理工学院） ； Department of Computer Science and Engineering, New York University（纽约大学计算机科学与工程系）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出RESOLVE数据集，包含多分辨率LiDAR和相机-LiDAR同步数据，用于评估路边3D检测与跟踪中的单模态与融合架构，揭示多模态融合如何补偿LiDAR点稀疏性。
Comments Accepted to ECCV 2026. Including supplementary material
DualBrep：用于B-rep建模的双场连续表示
专题命中 点云 ：point cloud(abstract)；分类 cs.GR
AI总结 提出DualBrep，通过有符号距离函数和无符号距离场双场统一B-rep的几何与拓扑，结合隐空间流匹配实现无误差累积的生成建模，并支持从点云逆向工程和生成建模。
Comments Published in SIGGRAPH 2026; Code is available at https://github.com/AutodeskAILab/DualBrep
缓解3D掩码自编码器中的位置泄漏以实现鲁棒表示学习
机构 * SKLCCSE, Beihang University（北京航空航天大学软件开发环境国家重点实验室） ； SCSE, Beihang University（北京航空航天大学计算机学院） ； NERCBDS, EIRI, Tsinghua University（清华大学电子工程系智能技术与系统国家重点实验室） ； SASEE, Beihang University（北京航空航天大学自动化科学与电气工程学院）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 针对3D掩码自编码器中位置信息过度依赖导致语义表示弱化的问题，提出MPL-MAE框架，通过重校准位置嵌入和门控位置接口模块，平衡空间先验与语义特征，提升下游任务性能。
PruneGround: 用于3D视觉定位的即插即用空间剪枝框架
机构 * Knovel Engineering Lab（Knovel工程实验室） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； ELLIS Institute（ELLIS研究所） ； Max Planck Institute（马克斯·普朗克研究所）
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出PruneGround框架，通过语言引导的空间剪枝、多视角描述重构和LLM定位器，在剪枝区域高效定位目标，在多个基准上取得最优结果。
Comments Preprint
FROST：基于冻结特征和非参数统计的无训练少样本分割
机构 * TelePIX
专题命中 点云 ：point cloud(abstract)；分类 cs.CV
AI总结 提出FROST，一种无训练少样本分割方法，将参考前景和背景视为冻结DINOv3特征单位球上的点云，通过非参数密度比标记查询像素，在遥感基准上超越现有方法。
Comments 20 pages
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈