🧊 几何匹配与定位

🧠 NeurIPS2026 · 6 篇论文解读

📌 同领域跨会议浏览： 🎞️ ECCV2026 (77) · 📷 CVPR2026 (100) · 🔬 ICLR2026 (12) · 🧪 ICML2026 (2) · 🤖 AAAI2026 (1) · 🧠 NeurIPS2025 (6)

🔥 高频主题： 人体姿态 ×2 · 点云 ×2

BA-T: An Iterative Transformer for Two-View Bundle Adjustment

受经典光束法平差（BA）信息传递机制启发，BA-T 提出了一种在隐式 Token 空间中循环复用的紧凑迭代 Transformer 层（仅 38M 解码器参数），通过显式建模隐式几何残差并分步更新相对位姿与局部几何，以极小参数量达到并超越深层堆叠前馈解码器的位姿与重建精度。

Disambiguating 2D-3D Correspondences in Gaussian Splatting-based Feature Fields for Visual Localization

针对光度优化 3DGS 特征场中高斯椭球体积延展性导致的 2D-3D 多对一匹配歧义与 PnP 不稳定问题，SplitGS-Loc 提出沿主轴的高斯混合分解与光栅化合成权重特征直接提升策略，无需单场景优化即可构建紧凑且多视角一致的特征场，实现高精度、快速收敛的视觉定位。

F2G-Pose: Geometry-Aware Foundation Feature Lifting for Direct RGB-D Category-Level Object Pose Estimation

F2G-Pose 提出了一种端到端直接前向推理框架，通过将密集视觉基础模型特征提升并融合到局部点云、利用稀疏专家混合 Transformer 聚合多类别上下文，并以相机坐标系形状补全作为密集几何辅助监督，摆脱了扩散模型的迭代采样与对齐误差，实现了 28 FPS 实时且 SOTA 的类别级物体 6D 位姿与尺寸估计。

GenCOPE: Syn2Real Generalized Category-Level Object Pose Estimation for Robotic Picking

本文提出面向合成到真实（Syn2Real）泛化的类别级 9DoF 物体位姿估计框架 GenCOPE，在训练阶段利用大语言模型与 CLIP 文本编码器构建 2D/3D 细粒度部件语义一致性约束以抑制纹理域偏差，结合纯全局特征的 2D-3D 交叉一致性 Transformer 与解耦位姿解码器，仅用合成数据训练便在 REAL275（5°5cm mAP 达 50.0%）与 Wild6D 上超越现有方法，并在 6GB 显存的嵌入式平台上实现 40.68 FPS 实时机器人抓取。

MemReg: Streaming Outdoor LiDAR Point Cloud Registration with Hybrid Memory Buffers

针对室外激光雷达配准忽略流式时序信息、易受动态外点与低重叠破坏的难题，MemReg 引入显式位姿与隐式特征混合记忆缓冲池，结合 Mamba 时序建模与动态历史自适应加权，大幅刷新室外与室内跨帧配准精度。

Register Anything Model for Generalizable and Robust Point Cloud Registration

针对传统点云配准模型高度绑定单一场景、跨领域泛化能力急剧退化的问题，本文提出统一的 Register Anything Model (RAM)，通过几何感知自适应体素化归一化消解尺度与密度鸿沟，结合建模局部几何一致性的轻量 Transformer (EGeoTR)，在跨室内、室外与物体的 12 个基准上刷新了 SOTA 泛化性能。