🧊 几何匹配与定位

🧠 NeurIPS2025 · 6 篇论文解读

📌 同领域跨会议浏览： 🧠 NeurIPS2026 (4) · 🎞️ ECCV2026 (77) · 📷 CVPR2026 (100) · 🔬 ICLR2026 (12) · 🧪 ICML2026 (2) · 🤖 AAAI2026 (1)

🔥 高频主题： 人体姿态 ×2

E-MoFlow: Learning Egomotion and Optical Flow from Event Data via Implicit Regularization

提出 E-MoFlow，通过将光流建模为隐式神经表示、自运动建模为连续样条，并利用微分几何约束联合优化两者，在无监督范式下实现事件数据的 6-DoF 自运动和稠密光流联合估计。

Locality-Sensitive Hashing-Based Efficient Point Transformer for Charged Particle Reconstruction

通过将 LSH 与 Point Transformer 结合，提出 HEPTv2 实现粒子轨迹重建的端到端学习，消除了 DBScan 聚类后处理瓶颈，在保持竞争性追踪效率的同时实现 28.9 倍加速。

Rectified Point Flow: Generic Point Cloud Pose Estimation

提出 Rectified Point Flow，一种统一的生成式框架，将成对点云配准和多部件形状组装统一为条件生成问题，通过学习连续点级速度场来估计部件位姿。

RGB-Only Supervised Camera Parameter Optimization in Dynamic Scenes

ROS-Cam 提出仅用单个RGB视频作为监督的动态场景相机参数（焦距+位姿）优化方法，通过Patch-wise跟踪过滤器建立稀疏鲁棒对应关系、Cauchy分布异常值感知联合优化自适应降权运动物体、以及基于Softplus/凸极小分析的两阶段优化策略，在5个数据集上以最少监督实现最优精度和最快速度。

SingRef6D: Monocular Novel Object Pose Estimation with a Single RGB Reference

提出SingRef6D，一个仅需单张RGB参考图像的轻量级6D位姿估计流水线，通过token-scaler微调Depth-Anything v2实现鲁棒深度预测，并引入深度感知匹配增强LoFTR的空间推理能力，在透明/反光物体场景中大幅超越现有方法。

TAPIP3D: Tracking Any Point in Persistent 3D Geometry

提出TAPIP3D，将视频表示为相机稳定化的时空3D特征点云，通过3D邻域到邻域（N2N）注意力机制在持久3D几何空间中迭代精化多帧点轨迹，显著超越现有3D点跟踪方法。