本文介绍了多伦多的Toronto-3D点云数据集，包含7830万个点，支持深度学习模型的训练。研究提出了多种语义分割方法，包括基于本地和全局编码器的LGENet、弱监督框架和无监督GrowSP方法，均在不同数据集上表现优异。此外，评估了高层城市点云数据集和多模态LiDAR分割网络UniSeg，展示了点云语义分割的提升潜力。

通过处理包含 10 万 + 粒子的大规模潜在点云，我们提出了一个学习的世界模型 —— 高密度视觉粒子动力学（HD-VPD），它可以模拟真实场景的物理动力学。为了在这一规模上实现高效率，我们引入了一种新颖的点云变换器（PCTs）家族，称为 Interlacer，利用交织的线性注意力 Performer 层和基于图的邻居注意力层。相比之前的图神经网络方法，我们的 Interlacer...

该研究构建了大规模无人机RGB-红外车辆检测数据集，利用跨模态检测框架提升低光条件下的检测性能。提出的多级融合网络MLF-DET结合特征和决策级融合，显著提高3D物体检测效果。OV-Uni3DETR实现开放词汇3D检测，性能超越现有方法，并探讨了多模态遥感下的物体检测方法及未来方向。

本文介绍了一种新颖的方法来对手持相机拍摄的图像进行细微对齐。与传统的技术不同，该算法通过优化每个像素的摄像机运动、表面深度和方向来建立密集对应关系。这种方法改善了在具有视差挑战的情况下的对齐效果。通过对具有小型或短小基线的合成连拍进行广泛实验证明，在该环境中，该方法优于当今最佳的光流方法，而且无需任何训练。除了改进对齐效果，我们的方法还为深度估计和 3D...