跳到正文
10月28日周三
  1. arXiv · 机器人与计算机视觉58

    Polarity--Time Interaction and Multi-Level Reliability for Event-Based Spacecraft Pose Estimation

    该论文针对稀疏事件响应导致的关节点误差问题,提出一种可靠性感知框架以估计航天器姿态。系统通过三分支表示结合正负事件及时间信息,利用有序语义点头估计对应关系精度,并结合事件边缘与 CAD 投影一致性进行局部姿态优化。

  2. arXiv · 机器人与计算机视觉4

    从切片到体块:比较 2D、2.5D 和 3D 残差网络用于肺结节恶性风险分类

    该研究在包含 2,654 个结节的 LIDC-IDRI 队列中对比了不同维度网络,发现增强后的 2.5D 模型测试 Macro-F1 达 0.6537,优于 2D(0.6134±0.0075)和 3D(0.5403)。结果表明预处理与优化差异限制了归因,且标签反映放射科医生评估的恶性风险而非病理确诊。代码与实验结果已在指定 URL 开放。

  3. arXiv · 机器人与计算机视觉48

    CTBakeGS 实现无需训练的 CT 体积渲染到 3D 高斯泼溅转换

    CTBakeGS 方法将 CT 体积渲染直接转换为 3D 高斯泼溅模型,无需训练即可在普通电脑约一分钟或更短时间内完成。该方法利用自适应八叉树和图形处理器计算颜色与不透明度,六组公开扫描的 PSNR 达 30.1-32.6 dB,转换耗时 4-60 秒,笔记本渲染帧率达 68 FPS。代码与项目页面已开放,适用于交互式医学影像查看。

  4. arXiv · 机器人与计算机视觉68

    基于深度像素 - 点对应的通用无目标相机 - LiDAR 标定方法

    针对现有无目标标定方法依赖已知内参和校正图像的局限,本文提出一种全自动框架,联合估计相机内参、径向切向畸变及相机-LiDAR 外参。该方法通过合成增强实现内参感知与畸变感知的对应学习,将基于深度对应的标定从校正图像泛化至原始相机。在 KITTI 数据集未见配置及三个真实机器人平台上进行了零样本评估,结果显示联合标定显著提升了外参精度并恢复了准确的内参。

  5. arXiv · 机器人与计算机视觉58

    面向事件跟踪的多维分配分层稀疏图方法

    该论文提出了一种基于模糊逻辑的分层稀疏图(HSG)框架,用于解决事件相机跟踪中的多对多数据关联难题。该方法将轨迹片段视为节点,利用长程运动学指标量化相关性,构建无训练、无需硬阈值的关联模型。在 eTram 和 Ev-UAV 两个挑战性数据集上的实验表明,该方法在多对多场景下各项指标均超过 OC-SORT 两倍以上。

  6. arXiv · 机器人与计算机视觉68

    MvT:一种用于多目标跟踪的事件驱动多视图投影方法

    该研究针对事件相机在多目标跟踪中因异步输出导致的单视图歧义问题,提出了无需训练的多视图跟踪框架 MvT。该方法包含多视图投影模块和多视图融合阶段,将事件编码为互补的时空视图并统一至 3D 坐标系进行优化关联。在包括自收集的小物体数据集在内的四个数据集上评估显示,MvT 能有效解决单目歧义且优于现有非学习与学习方法。代码已公开。

  7. arXiv · 机器人与计算机视觉32

    TRUCO:一种用于并行轮廓提取的可扩展无锁算法

    TRUCO(Threaded Raster Unrestricted Contour Ownership)提出了一种结合起点所有权规则与推测追踪模型的无锁并行算法,旨在解决高分辨率图像分割后处理中传统串行方法效率低的问题。实验在消费级和服务器级 CPU 上验证,该算法相比行业标准实现了超过一个数量级的加速,并在多样化硬件架构的高分辨率场景下保持了鲁棒的扩展性。

  8. arXiv · 机器人与计算机视觉37

    GradCO:基于行为感知的梯度冲突卸载文本化行人异常搜索方法

    GradCO 通过 B-MoE、COL 和 HIA 三个组件解决文本化行人异常搜索中身份与行为的对齐难题,在五个基准测试上显著超越最先进方法。该方法无需专家特定语义标签即可学习各流角色,利用成对条件卸载锚点降低梯度冲突负担。研究代码或权重暂未提及开放许可,论文状态为 arXiv 预印本(arXiv:2610.37267v1)。

  9. arXiv · 机器人与计算机视觉58

    3D-SceneQ:赋予 3D LLM 查询引导自适应剪枝与多模态特征增强能力

    针对现有 3D 场景理解流水线存在任务无关数据引入噪声及仅依赖点云缺乏丰富语义信息的局限,本文提出 3D-SceneQ。该方法通过查询引导自适应剪枝模块按需保留关键对象信息,并利用多模态对象级特征增强模块融合预训练模型的 2D 特征以丰富语义表达。评估显示其在 Scan2Cap、SQA3D 等多个基准上优于当前最先进方法,显著提升了场景理解与推理能力。

  10. arXiv · 机器人与计算机视觉82

    GCSR-OCC:面向开放词汇的室内占用预测几何校准与语义路由方法

    该论文提出 GCSR-OCC 框架,通过证据守恒高斯到占用算子(EC-G2O)抑制尺度膨胀并校准响应,利用多模式查询优先高斯语义路由(MM-QGSR)匹配文本查询以细化 voxel 级预测。

    推荐理由:提出 GCSR-OCC 方法,结合几何校准与语义路由解决开放词汇占用预测问题。

  11. arXiv · 机器人与计算机视觉35

    MCP-Net:机器人导丝导航的实时冠状动脉感知网络与拓扑分析

    MCP-Net 提出一种以仿真驱动的框架,联合实现从单帧二维 X 射线透视下的冠状动脉血管分割、导丝尖端定位及狭窄病变定位。该框架将预测结果转化为包含中心线、分支角度等结构的血管图,并生成从自动选定的根节点通往目标病变的导航路线图。实验表明,该方法能同时恢复感知目标并将其转换为适合下游机器人导航的可解释血管表示。

  12. arXiv · 机器人与计算机视觉82

    Learning to Code the World: Harness Evolution for Compositional 3D Reconstruction

    论文介绍 SceneEvolve 框架,将三维场景表示为可执行代码并通过演化 harness 来改进重建效果。该框架结合参数化原语与语义空间关系构建动作接口,利用强教师模型迭代优化 harness,同时保持模型参数固定。

    推荐理由:该工作提出用代码演化框架提升开源模型在三维重建任务上的表现,并实现了对闭源大模型的超越。

  13. arXiv · 机器人与计算机视觉68

    GraftRay:基于路径追踪将物理基础网格插入高斯泼溅场景

    论文提出 GraftRay 方法,解决将虚拟网格物体无缝插入 2D 或 3D 高斯泼溅重建场景的问题。该方法利用扩散先验恢复场景材质与法线,显式建模空间扩展光源并求解其辐射度,通过混合渲染器联合路径追踪场景高斯与插入网格,生成视图一致的着色、互反射和软阴影。在 FIPT 基准上,GraftRay 在渲染保真度和阴影准确性方面优于 ComGS 和 EAG-PT 等基线,同时保持具有竞争力的渲染效率。

  14. arXiv · 机器人与计算机视觉82

    GPA-VGGT:一种保持几何特性的 VGGT 模型加速方法

    该研究针对多视图 3D 感知中 VGGT 模型全局注意力计算量大、长序列运行慢的问题,提出了一种无需训练的加速方法 GPA-VGGT。该方法通过用共享跨帧 K/V 集增强的帧注意力替换早期块的全局注意力,并在后续块中仅合并键值对同时保留所有查询,恢复被合并键代表的注意力质量,并将匹配度量随机投影至 128 维以降低计算成本。

    推荐理由:提出无需训练的加速方法,在保持高精度几何估计的同时显著降低长序列推理成本。

  15. arXiv · 机器人与计算机视觉53

    基于密集表示学习与可微形变建模的脊柱地标检测

    该论文提出一种新的脊柱 X 射线地标检测方法,将解剖地标检测重构为像素级对比表示学习任务,通过匹配密集像素嵌入与地标原型生成更具判别力的热力图。该方法结合全局配置的可学习形状先验以解决地标位置歧义,在公开 AASCE 数据集及两个私有数据集上,其地标精度和临床参数估计能力均与最先进方法相当。代码与预训练权重已开源。

  16. arXiv · 机器人与计算机视觉53

    LingGS:为高保真高斯 SLAM 解耦前馈几何预测与相机跟踪

    针对单目 RGB 高斯泼溅 SLAM 在有限优化预算下重建质量与响应性不足的挑战,本文提出 LingGS 在线系统。该系统结合学习到的几何先验与显式几何相机跟踪,利用冻结的流式 3D 基础模型作为虚拟 RGB-D 传感器进行深度估计,并通过特征重投影估算相机运动,最终将观测整合为稠密场景表示。

  17. arXiv · 机器人与计算机视觉48

    OmniGlimpse:面向在线多视角跟踪的不对称身份记忆模型

    OmniGlimpse 提出一种无需离线场景训练或相机标定的在线多视角身份维护框架,通过分离自适应关联与稳定身份巩固解决跨视图匹配难题。该模型在 M3Track 数据集上相比最佳在线基线提升 9.1 IDF1 和 22.1 CVIDF1 分,在 MvMHAT 上分别提升 20.3 和 26.2 分,且优于离线训练参考。研究证明该方法能在外观变化中适应并巩固可靠证据作为稳定身份锚点。

  18. arXiv · 机器人与计算机视觉66

    GeoGSplat:基于几何先验的非像素对齐高斯泼溅模型

    针对现有非像素对齐高斯泼溅方法因缺乏射线和深度约束导致大视角变化下出现渲染伪影的问题,论文提出 GeoGSplat 模型。该模型通过双分支编码器构建锚点和三平面以捕捉粗粒度三维结构与细粒度场景特征,并利用分层解码器渐进式解码密集三维点与高斯基元,实现了三维重建与新视图合成。

  19. arXiv · 机器人与计算机视觉43

    SAGE:语义增强几何专家用于点云配准

    SAGE 将冻结的预训练点云语义表示集成到配准流程中,无需额外传感器或微调编码器。该模型采用语义引导混合专家架构,在低重叠条件下显著降低几何相似但语义不同结构(如电视角与桌角)的误匹配。实验显示,SAGE 在 3DLoMatch 基准上取得最高召回率,且在同等迭代次数下于 3DMatch 和 3DLoMatch 均实现最高的内点比例与召回率。

  20. arXiv · 机器人与计算机视觉58

    Monst3R 融合事件相机数据提升动态场景重建鲁棒性

    本文提出在现有 RGB-only 的 Monst3R 模型上仅增加一个事件相机输入分支,无需重构架构即可实现 RGB-事件融合。实验显示该方法将三个基准数据集上的平均绝对相对误差(Abs Rel)降低 3.4%,且随着相机和物体运动幅度的增大,性能提升越显著,特别是在高物体运动导致纯 RGB 重建严重退化的场景下效果最佳。

  21. arXiv · 机器人与计算机视觉82

    基于连续图像的四足机器人相机到姿态估计方法

    针对灾难响应等危险环境中四足机器人的外部监控需求,作者提出了QuadPose模型和首个四足机器人姿态基准QuadSyn。该研究解决了四足机器人关节变化、自遮挡及缺乏公开基准的挑战。在QuadSyn上,QuadPose实现了92.18%的[email protected]和3.65度的平均关节角度误差等指标,支持约33 FPS的处理速度。材料为arXiv预印本,未提及同行评审状态或真实部署结果。

    推荐理由:提出QuadPose模型与首个四足机器人姿态基准QuadSyn,在单目视频序列上实现高精度全身姿态估计。

  22. arXiv · 机器人与计算机视觉18

    空间频率学习框架提升扫描透射电子显微镜图像增强性能

    针对严重退化下的 STEM 图像,该研究提出利用频域周期性原子排列与空域局部细节的融合网络及噪声校准方法。实验在合成数据集和先进材料真实图像上验证,该方法在保持高分辨率的同时实现了最先进的增强效果并提升了原子定位精度。论文已被 IEEE TPAMI 接收,代码与数据许可状态待进一步确认。

  23. arXiv · 机器人与计算机视觉45

    ClusterSplat:高斯泼溅中的语义聚类选择与三维视觉定位

    ClusterSplat 将三维目标选择重构为基于场景自适应候选的聚类级选择,通过实例感知特征与描述长度准则生成特定于场景的聚类候选集。该方法在 ScanRefer 基准上实现了优于对比基线的渲染二维分割及显式三维指标,并在 ScanNet v2 类名查询中取得最佳渲染结果与最高三维匹配精度。论文已作为 NeurIPS 2026 Spotlight 被接收,项目页面提供相关代码与资源。

  24. arXiv · 机器人与计算机视觉58

    SVIn+:一种基于三维声纳、视觉惯导及多模态传感器的高鲁棒性水下状态估计框架

    针对水下自主航行器(AUV)在低能见度条件下的状态估计难题,本文提出了 SVIn+ 多模态融合框架。该工作扩展了开源的视觉惯性 SLAM(SVIn),通过紧耦合非线性优化整合水压、多普勒测速仪(DVL)及紧凑三维声纳数据,利用 KISS-ICP 处理声纳结构信息以维持计算效率。

  25. arXiv · 机器人与计算机视觉38

    GSD 约束的 k-覆盖视点规划方法研究

    针对无人机三维重建需满足图像质量且多次观测表面区域的需求,该方法将视点选择建模为带单体覆盖需求的集合多覆盖问题。在两种结构、四种体素分辨率及三种覆盖要求下,提出的动态加权贪心启发式算法实现了完整或近完整的 k-覆盖。相比整数线性规划(ILP)基准,该方法仅增加 3.00%--16.39% 的视点数量,且具备基于覆盖缺失与视点可用性的可解释选择过程。

  26. arXiv · 机器人与计算机视觉35

    FORESEE-MS:基于基线 FLAIR MRI 的多发性硬化病灶前瞻性空间预测评估协议

    研究提出 FORESEE-MS 评估协议,利用基线 FLAIR MRI 探索患者特异性病灶形成风险。在 MSSEG-2 数据集的 39 例受试者上,人口先验图谱在 AUROC 和 AUPRC 指标上表现最优,而 3D U-Net 等模型仅在部分阈值下提升了 Recall@Top-K%。结果表明当前小样本规模下尚不确定能否超越人口先验实现有效预测。

  27. arXiv · 机器人与计算机视觉59

    SG^2SLAM:面向单目室外导航的空间几何感知 3D 高斯泼溅 SLAM

    针对单目室外导航中传统 SLAM 系统因将跟踪误差累积到地图导致性能下降的问题,该研究提出 SG^2SLAM 方法。该方法通过耦合流式空间几何与射线条件化 3D 高斯泼溅(3DGS)核,利用块级度量先验监督跟踪与建图,并扩展每个原型的观测方向子空间以感知单目相机视角。

  28. arXiv · 机器人与计算机视觉35

    UT-HMR:不确定性引导时序建模实现鲁棒三维人体网格恢复

    UT-HMR 是首个捕捉关节间相关姿态不确定性的单阶段三维人体网格恢复框架,通过高斯分布预测与早期时序融合解决弱观测下的歧义问题。该模型基于轻量级 ViT-B 骨干网络,在 VIP-HockeyPose-v2 和 WorldPose 数据集上将 MPJPE、PA-MPJPE 及 PVE 误差分别降低最高 4.7%、3.8% 和 5.6%,且在 3DPW 上保持竞争力。