跳到正文
10月23日周五
  1. arXiv · 机器人与计算机视觉32

    H-2DGS:用于清晰且可变形神经外科表面重建的高度场高斯泼溅技术

    H-2DGS 提出一种三阶段管道,将受限视野下的光真实感皮层重建与全脑 MRI 及扩散纤维束路径融合。该方法在五个真实神经外科手术案例中实现了低多视图深度不一致性、7.97MB 紧凑表示以及每帧 29--42ms 的交互式渲染。其生成的清晰可变形表面能明确整合纤维束追踪与解剖结构,有效支持术后对齐任务。

  2. arXiv · 机器人与计算机视觉63

    Gate3DGen:一种选择性净化真实世界图像以用于 3D 生成的预处理模型

    针对单图 3D 生成在真实世界图像上因光照不均、模糊和遮挡导致效果下降的问题,该研究提出 Gate3DGen 模型。该模型作为预处理模块接入现有 3D 生成器而无需重训,通过退化感知路由跳过清洁输入并提取特征引导净化,利用合成数据引擎构建配对监督以优化空间损失从而保留物体身份与纹理线索。

  3. arXiv · 机器人与计算机视觉82

    OmniRay:基于复合射线场的相机无关单目 3D 重建

    论文提出 OmniRay 模型,通过单调径向基底、球谐残差和自由形式残差的组合表示射线场,实现无需相机参数的单目 3D 重建。实验表明该方法在不同相机配置下达到新的最先进水平。材料为 arXiv 预印本,未提及同行评审状态或开源代码链接。

    推荐理由:该工作提出分层射线场架构,解决针孔与广角相机几何差异问题,为单目无相机参数重建提供新基线。

  4. arXiv · 机器人与计算机视觉37

    HiP3R:分层姿态图解决长序列三维重建一致性难题

    HiP3R 提出分层姿态图方法,先优化块级 Sim(3) 图确立全局布局与尺度,再固定布局估计每帧共享 SE(3) 相机以统一轨迹。该方法无需额外训练或微调即可适配基于块和流式后端,在多个基准测试中显著提升了相机轨迹与三维重建效果。代码已公开于指定 URL。

  5. arXiv · 机器人与计算机视觉85

    F2G-Pose:面向类别级物体位姿估计的几何感知基础特征提升方法

    该论文提出 F2G-Pose 框架,旨在解决无需实例特定 CAD 模型或参考视图的类别级 RGB-D 物体位姿估计难题。该方法通过单次前向传播预测类别级位姿、度量尺寸及相机坐标系下的完整形状,利用 DGCNN 编码局部几何并集成专家混合 Transformer。

    推荐理由:该工作提出 F2G-Pose 框架,在无需实例 CAD 模型下实现类别级物体位姿估计与形状补全,代码与预训练模型已开源。

  6. arXiv · 机器人与计算机视觉45

    Squaring-the-Sphere:基于 CubeAtlas 实现无失真无缝全景图生成

    Squaring-the-Sphere 提出 CubeAtlas 新表示法,将立方体图面展开为单画布以保留几何并支持扩散 Transformer 单次生成。该方法引入布局感知稀疏注意力掩码降低计算量,配合免训练超分与融合方案提升细节质量。实验表明其在基准测试中优于现有方法,在几何保真度、跨视图一致性及高分辨率视觉质量上取得更好效果。

  7. arXiv · 机器人与计算机视觉9

    Diffusion-Based Synthesis of Complete 3D Biparametric Prostate MRI 提出基于解剖掩码的 3D 扩散框架,支持 T2w 与扩散模态的顺序或联合合成

    该工作利用 PI-CAI、FastMRI Prostate 和 PROSTATEx 数据集训练了五种配置,验证了通过解剖掩码生成完整前列腺双参数 MRI 的可行性。联合合成在保持分布保真度的同时生成了全模态图像,且直接合成的 ADC 和高 b 值 DWI 优于从合成扩散加权图像推导的结果。研究展示了该框架缓解深度学习应用中大样本代表性数据集稀缺问题的潜力。

  8. arXiv · 机器人与计算机视觉58

    面向空间理解的点级可修正语义映射方法

    该预印本论文提出一种在线可修正的语义映射框架,利用多视图时序证据持续更新物体表示的点级置信度,结合跟踪与重识别保持实例身份。实验显示在 Replica 和 ScanNet 数据集上分别提升 3.46% 和 2.55% 的映射精度,并在动态环境与感知噪声下表现鲁棒,支持物体导航与具身问答任务的成功率分别为 82.4% 和 76.7%。

  9. arXiv · 机器人与计算机视觉72

    面向实时息肉分割的轻量级帧补偿方法

    针对辅助结肠镜检查中实时息肉分割面临的高延迟预算难题,本文提出了轻量级帧补偿器(LFC),这是一个 7.7 万参数的即插即用模块。该模块在冻结的分割骨干网络前运行,利用时空注意力机制融合三帧窗口内的连续图像以生成单张补偿帧,且仅使用不同种子模型生成的伪标签进行训练,无需专家标注。

  10. arXiv · 机器人与计算机视觉42

    MoRSe:区分相机运动与场景运动的移动区域分割模型及基准

    MoRSe 通过联合解析两帧图像直接预测移动区域掩码,无需光流或点跟踪即可在相机运动下区分真实场景运动与视差。该方法在包含静态、动静混合及动态设置的 MoRSe-5K 基准(42 序列)上表现优于专用分割方法与带运动阈值的密集 4D 重建方法。项目页面提供视频演示,代码与权重暂未提及开放许可。

  11. arXiv · 机器人与计算机视觉62

    RaSFNet:一种面向激光雷达语义分割的射线对齐与扫描感知融合网络

    针对投影式方法在特征提取中存在的几何信息丢失及空间关系建模不足问题,论文提出 RaSFNet 架构。该方法通过射线对齐几何分布编码模块刻画视锥内点云分布,利用扫描拓扑感知的 Mamba 块捕捉长程依赖,并引入范围约束的点 - 视锥融合机制以维持空间对应性。在 SemanticKITTI 和 nuScenes 验证集上分别取得 70.2% 和 77.7% 的 mIoU 分数。

  12. arXiv · 机器人与计算机视觉78

    GM-GReFEL:面向鲁棒动态面部表情识别的几何引导时空状态空间学习

    针对无约束视频中的面部表情识别问题,该研究提出 GM-GReFEL 模型,采用 Modulated GroupMamba 骨干网络将计算复杂度从二次方降至线性,并引入 GReFEL 可靠性模块利用可训练几何锚点提升不确定区域的判断。实验显示其在 DFEW 和 MAFW 数据集上达到 SOTA 水平,且延迟接近 ViT-B/16 基线。代码已开源。

    推荐理由:该工作提出几何引导的状态空间网络,以线性复杂度替代自注意力机制并引入可靠性模块,在 DFEW 等基准上表现优异。

  13. arXiv · 机器人与计算机视觉43

    Pos4CHD:一种无需正样本的掩码引导反事实合成框架用于胎儿先心病分析

    Pos4CHD 提出了一种仅利用正常样本即可生成高质量伪阳性数据的无监督框架,解决了胎儿先心病数据稀缺难题。该方法在自建数据集上实现了 -12.97 FID 和 +3.96% DSC 的图像质量指标,并在零样本分类任务中分别达到 EbA 93.25% ACC 与 TAPVC 72.92% ACC。代码与模型已开源至 GitHub,相关论文正提交至 IEEE TMI 审稿中。

  14. arXiv · 机器人与计算机视觉78

    一种用于多视图医学图像分割的通用双路径交互框架:缓解小样本依赖

    针对医学图像分割在小样本场景下性能下降的问题,作者提出 DPIF 通用双路径交互框架。该框架兼容任意编码器 - 解码器网络,利用跨视图解剖互补性减少标注依赖。方法包括基于 Sinkhorn 最优传输的跨视图分布对齐、条件互信息引导的特征解耦以及基于持久同调的拓扑正则化。

    推荐理由:提出通用双路径交互框架,通过拓扑正则化缓解小样本依赖,在心脏超声等数据稀缺场景下实现多视图分割性能提升。

  15. arXiv · 机器人与计算机视觉53

    GraphCAD:面向 CAD 生成的边邻接图几何感知扩散框架

    针对计算机辅助设计(CAD)中离散拓扑连接与精确空间几何的建模难题,本文提出 GraphCAD 框架。该框架基于新颖的边邻接图(EAG)表示,采用混合图扩散公式联合建模离散与连续分量,并引入几何感知去噪机制将节点属性转化为空间点集,利用 SE(3) 等变骨干网络将其融合以锚定物理几何。

  16. arXiv · 机器人与计算机视觉59

    Query-Time Calibration of CLIP Features for Open-Vocabulary 3D Segmentation

    论文提出一种在查询时校准 CLIP 特征的方法用于开放词汇三维分割。该方法通过从视觉特征和文本原型中减去共享场景方向,并使用固定通用词表对文本原型进行白化处理,从而缓解场景特定特征分布的方向集中问题。实验显示,该方法无需重训练、重新编码源图像或重新提升特征,在七个提升方法和四个数据集上均提升了多类与单查询分割的平均交并比(mIoU)。

  17. arXiv · 机器人与计算机视觉75

    WovenAnchor Matcher:面向特征匹配的专用图像内与跨图上下文建模方法

    论文提出 WovenAnchor Matcher(WAM),一种基于角色专业化上下文聚合的半稠密特征匹配框架。该方法引入两个互补算子:WovenMamba 通过水平随后垂直的状态空间传播实现图像内聚合,保留二维依赖结构;AnchorCrossAttention 利用交叉注意力从跨图像的合理对应区域收集上下文信息。

  18. arXiv · 机器人与计算机视觉78

    GSHeadRelight:面向3D高斯头像合成的快速重光照技术

    论文 GSHeadRelight 针对人像摄影、VR/AR 等应用中的人像重光照与新颖视角合成任务,提出基于生成式3D高斯的解决方案。该方法采用统一的神经辐射传输表示构建线性响应入射光的照明模型,仅需野外图像即可实现优于现有工作的重光照效果,且渲染速度较以往3D感知人像重光照研究提升12倍。材料为预印本论文,未涉及真实机器人部署或硬件发布。

    推荐理由:原文提出基于生成式3D高斯的快速重光照方法,在野外图像上实现优于现有工作的效果且渲染速度提升12倍。

  19. arXiv · 机器人与计算机视觉45

    Unified Trajectory and 3D Pose Forecasting for Multi-Agent Sports Analysis 提出联合轨迹与姿态预测新框架

    该研究针对多智能体体育场景,利用融合轨迹与姿态的社会时序编码器及关节损失重加权机制,在 WorldPose 和 3DPW 数据集上显著提升了姿态预测精度。通过采用非重叠协议与确定性无预言家策略进行公平评估,该方法证明了其联合公式能泛化至密集交互场景。论文已提交至 WACV 2027,代码与权重暂未开放。

  20. arXiv · 机器人与计算机视觉42

    MoRE:一种用于可动物体三维生成的运动正则化编码方法

    MoRE 提出了一种结合轴分类与 Plücker 系数坐标对齐的关节属性编码,通过可微期望将属性重建与其诱导的运动耦合。该方法在 PartNet-Mobility 和 ACD 数据集上展现了优于基线的部件盒一致性、可动状态几何及视觉相似度,且关节预测误差低于 ArtiLatent。代码与预训练检查点未来将发布。

  21. arXiv · 机器人与计算机视觉58

    EgoHand:基于自摄视频的单体 3D 手部重建模型

    论文介绍 EgoHand,一个针对自摄视频的单体 3D 手部重建模型。该方法构建了包含合成数据、真实视频和多相机动捕的高质量训练语料(1400 万图像),采用 SOMA-Hand 参数化表示并结合 Transformer 编码器处理 2D 手部裁剪,引入相机线索与辅助分支以提升几何一致性与对齐效果。

10月22日周四
  1. arXiv · 机器人与计算机视觉63

    ColonAdapter:基于基础模型适应的内窥镜几何估计方法

    针对单目内窥镜图像在低纹理、非朗伯表面及移动光源下的几何估计难题,本文提出 ColonAdapter 框架。该方法利用预训练几何先验并通过自监督微调适配临床数据,引入细节恢复模块与几何一致性损失以增强低纹理区域性能与尺度一致性,同时采用置信度加权光度损失提升稳定性。实验表明,无需真值内参即可在姿态估计、单目深度预测及稠密 3D 点云重建任务上达到最先进水平。

  2. arXiv · 机器人与计算机视觉18

    红外小目标检测深度学习综述:方法、挑战与未来方向(Part 2)

    该论文全面调研了红外小目标检测领域的深度学习方法,涵盖卷积神经网络、生成对抗网络、Transformer 及图/超图神经网络等建模策略。文章对比了各类模型在关键场景下的表现评估协议,并指出深度学习已超越传统无监督与低秩稀疏分解方法。最后提出了未来研究需关注的几个有前景的方向。

  3. arXiv · 机器人与计算机视觉23

    红外小目标检测综述:传统方法与低秩稀疏分解挑战与展望(第一部分)

    该综述系统梳理了红外小目标检测领域的传统方法,重点涵盖数学模型、机器学习及信号处理模型中的低秩和稀疏分解技术。文章分析了这些方法在地面、空中及海洋监控等场景下的关键适用情况,并提供了相关数据集与库资源。作为系列研究的第一部分,后续将探讨深度学习模型方向。

  4. arXiv · 机器人与计算机视觉78

    NormLift:从提升特征到 3D 高斯泼溅的语义可靠性

    论文提出 NormLift 框架,无需训练即可将 2D 语义特征映射到 3D 高斯泼溅模型中。作者从 3D 视角重新审视特征提升过程,将其建模为 CLIP 单位球上的余弦对齐问题,证明 L2 归一化后的反向投影特征是闭式解。

    推荐理由:该文提出 NormLift,从 3D 视角重新解释特征提升机制,利用特征范数量化语义可靠性并指导模式投票修正漂移方向。

  5. arXiv · 机器人与计算机视觉62

    Hilti-Trimble-Oxford 数据集:带平面图先验的 360 度视觉惯性基准用于 SLAM 与定位

    作者发布了一个在活跃建筑工地采集的高质量数据集,包含三十条视觉惯性序列,覆盖十层楼及八个月周期。数据涵盖变光、移动人员等真实挑战,并附带高质激光雷达惯性系统的真值轨迹。材料还报告了开放挑战赛结果,显示 SLAM 任务参与度显著高于平面图定位,旨在推动该领域研究。

  6. arXiv · 机器人与计算机视觉72

    Scratched Lenses, Shifted Depth:被动式相机侧光学攻击研究

    论文提出了一种名为 SLASH 的被动式光学攻击方法,利用镜头或保护盖上的微小划痕在特定光照条件下产生结构化伪影,从而系统性扭曲深度线索。研究在 nuScenes 数据集及真实物理实验中验证了该方法对单目深度估计和 3D 目标检测模型的显著影响,导致车辆距离估算误差高达 32% 至 36%,揭示了硬件缺陷作为潜在触发式对抗机制的新风险。

  7. arXiv · 机器人与计算机视觉42

    Iterative Gaussian Synopsis 通过自顶向下展开机制优化 3D Gaussian Splatting,在保持高渲染质量的同时显著降低存储需求并支持渐进式细化。

    Iterative Gaussian Synopsis 提出一种针对 3D Gaussian Splatting 的自顶向下“展开”框架,利用自适应可学习掩码剪枝构建多级层次结构以消除冗余。该方法结合分层空间网格与共享锚点代码本,在带宽和内存受限场景下实现了高效的渐进式渲染与显著存储压缩。实验表明该方案在所有细节层级均维持高渲染质量,具备实用性与可扩展性。

  8. arXiv · 机器人与计算机视觉65

    基于开放词汇图像分割的伪标签实现三维点云语义分割的数据高效方法

    针对三维点云场景分割中训练场景少、标注稀疏且缺乏重建用二维图像的三重数据不足问题,论文提出 PLOVIS 框架。该方法利用开放词汇图像分割模型从训练点云直接生成二维图像以创建伪标签,并通过两阶段过滤与类别平衡内存库提升质量。