本文综述了点云模型的对抗攻击与防御技术，提出了新的攻击公式和灵敏度映射方法，展示了在合成和真实数据上超过89%的攻击成功率。研究表明，3D点云模型对对抗攻击更脆弱，但也更易防御，并探讨了未来的研究方向和挑战。

本文提出了一种新颖的3D到2D生成预训练方法，通过交叉注意机制提升点云模型的几何理解。实验结果表明，该方法在ScanObjectNN分类和ShapeNetPart分割任务中表现优越，并介绍了多种基于Transformer的技术，提升了3D表示学习和任务性能。

本文提出了一种少样本姿态估计（FSPE）方法SA6D，通过使用自适应分割模块和少量混乱的参考图像，能够准确预测新的目标对象并构建其点云模型。SA6D不需要以物体为中心的参考图像或其他物体信息，具有更高的通用性和可伸缩性。在真实世界的台面物体数据集上评估，证明SA6D在带有遮挡的混乱环境中优于现有的FSPE方法，并且所需的参考图像较少。