cs.CV（2025-11-19）
📊 共 18 篇论文 | 🔗 4 篇有代码
🎯 兴趣领域导航
支柱三：空间感知 (Perception & SLAM) (6 🔗3)
支柱二：RL算法与架构 (RL & Architecture) (6)
支柱一：机器人控制 (Robot Control) (4)
支柱五：交互与反应 (Interaction & Reaction) (1)
支柱六：视频提取与匹配 (Video Extraction & Matching) (1 🔗1)
🔬 支柱三：空间感知 (Perception & SLAM) (6 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | Gaussian Blending: Rethinking Alpha Blending in 3D Gaussian Splatting | 提出高斯混合：重新思考3D高斯溅射中的Alpha混合，提升新视角合成质量 | 3D gaussian splatting 3DGS gaussian splatting | ||
| 2 | WALDO: Where Unseen Model-based 6D Pose Estimation Meets Occlusion | WALDO：提出一种新颖的基于模型的6D位姿估计方法，提升遮挡场景下的鲁棒性。 | scene understanding pose estimation | ||
| 3 | SceneEdited: A City-Scale Benchmark for 3D HD Map Updating via Image-Guided Change Detection | SceneEdited：提出城市级3D高清地图更新基准，通过图像引导的变更检测。 | point cloud navigation | ✅ | |
| 4 | Computer-Use Agents as Judges for Generative User Interface | 提出Coder-CUA协同框架，利用计算机代理辅助代码生成GUI的设计，提升任务解决能力。 | navigation | ✅ | |
| 5 | ShelfOcc: Native 3D Supervision beyond LiDAR for Vision-Based Occupancy Estimation | ShelfOcc：提出一种纯视觉的3D体素占据估计方法，无需激光雷达即可实现原生3D监督。 | scene understanding | ||
| 6 | Adapt-As-You-Walk Through the Clouds: Training-Free Online Test-Time Adaptation of 3D Vision-Language Foundation Models | 提出Uni-Adapter，一种免训练的3D视觉-语言模型在线测试时自适应方法。 | point cloud | ✅ |
🔬 支柱二：RL算法与架构 (RL & Architecture) (6 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 7 | Text2Loc++: Generalizing 3D Point Cloud Localization from Natural Language | Text2Loc++：提出一种基于自然语言的通用3D点云定位方法 | contrastive learning point cloud localization | ||
| 8 | MambaTrack3D: A State Space Model Framework for LiDAR-Based Object Tracking under High Temporal Variation | MambaTrack3D：基于状态空间模型的LiDAR高时间变化目标跟踪框架 | Mamba state space model point cloud | ||
| 9 | Learning Depth from Past Selves: Self-Evolution Contrast for Robust Depth Estimation | 提出自进化对比学习框架SEC-Depth，提升恶劣天气下自监督深度估计的鲁棒性 | contrastive learning depth estimation | ||
| 10 | MambaIO: Global-Coordinate Inertial Odometry for Pedestrians via Multi-Scale Frequency-Decoupled Modeling | MambaIO：面向行人惯性里程计的多尺度解耦建模方法 | Mamba localization | ||
| 11 | Towards Unbiased Cross-Modal Representation Learning for Food Image-to-Recipe Retrieval | 提出基于因果推断的解偏方法，提升食物图像-菜谱跨模态检索性能 | representation learning | ||
| 12 | BokehFlow: Depth-Free Controllable Bokeh Rendering via Flow Matching | 提出BokehFlow，一种基于Flow Matching的无深度信息可控焦外成像方法 | flow matching |
🔬 支柱一：机器人控制 (Robot Control) (4 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 13 | GeoVista: Web-Augmented Agentic Visual Reasoning for Geolocalization | 提出GeoVista，一个基于Web增强的Agentic视觉推理模型，用于地理定位任务。 | manipulation reinforcement learning localization | ||
| 14 | Box6D : Zero-shot Category-level 6D Pose Estimation of Warehouse Boxes | Box6D：面向仓库箱体的零样本类别级6D位姿估计 | manipulation pose estimation | ||
| 15 | CompTrack: Information Bottleneck-Guided Low-Rank Dynamic Token Compression for Point Cloud Tracking | CompTrack：信息瓶颈引导的低秩动态Token压缩，用于点云单目标跟踪。 | running point cloud | ||
| 16 | Adaptive thresholding pattern for fingerprint forgery detection | 提出基于自适应阈值模式的指纹伪造检测算法，提升抗干扰能力。 | manipulation |
🔬 支柱五：交互与反应 (Interaction & Reaction) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 17 | UniHOI: Unified Human-Object Interaction Understanding via Unified Token Space | UniHOI：通过统一Token空间实现统一的人-物交互理解 | human-object interaction HOI |
🔬 支柱六：视频提取与匹配 (Video Extraction & Matching) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 18 | RoMa v2: Harder Better Faster Denser Feature Matching | RoMa v2：通过架构、训练和优化，显著提升密集特征匹配的精度与速度。 | feature matching | ✅ |