chore(docs): sync Paper-Notes (2a378054bdca)

data/provenance/PAPER_NOTES_UPSTREAM.md

@@ -0,0 +1,14 @@
+# Paper-Notes docs provenance
+
+- upstream_repository: https://github.com/zhaoyang97/Paper-Notes.git
+- upstream_branch: main
+- upstream_commit: 2a378054bdca25df4b5418e9cd64b02fc6aa789e
+- synced_at_utc: 2026-07-30T12:32:02Z
+- mirrored_scope: conference-year directories from upstream docs/
+- managed_directory_manifest: data/provenance/PAPER_NOTES_UPSTREAM_DIRS.txt
+- protected_local_paths: docs/index.md, docs/search.md, docs/notes/, docs/assets/, docs/javascripts/, docs/stylesheets/, docs/review-routing.md
+- license_copy: third_party/Paper-Notes/LICENSE
+
+The synchronized conference notes originate from zhaoyang97/Paper-Notes.
+Local AAMAS notes and the adapted AAMAS front end are deliberately excluded
+from synchronization. Retain the upstream license and attribution.

data/provenance/PAPER_NOTES_UPSTREAM_DIRS.txt

@@ -0,0 +1,12 @@
+AAAI2026
+ACL2025
+ACL2026
+CVPR2025
+CVPR2026
+ECCV2024
+ECCV2026
+ICCV2025
+ICLR2026
+ICML2025
+ICML2026
+NeurIPS2025

docs/AAAI2026/3d_vision/3d-anc_adaptive_neural_collapse_for_robust_3d_point_cloud_re.md

@@ -0,0 +1,116 @@
+---
+title: >-
+  [论文解读] 3D-ANC: Adaptive Neural Collapse for Robust 3D Point Cloud Recognition
+description: >-
+  [AAAI 2026][3D视觉][点云识别] 将Neural Collapse(NC)机制引入3D点云对抗鲁棒性，用固定的ETF分类头+自适应训练框架(RBL+FDL)构建解耦的特征空间，在ModelNet40上将DGCNN的对抗准确率从27.2%提升到80.9%，超出最佳baseline 34个点。
+tags:
+  - "AAAI 2026"
+  - "3D视觉"
+  - "点云识别"
+  - "对抗鲁棒性"
+  - "Neural Collapse"
+  - "ETF分类器"
+  - "特征解耦"
+---
+
+# 3D-ANC: Adaptive Neural Collapse for Robust 3D Point Cloud Recognition
+
+**会议**: AAAI 2026  
+**arXiv**: [2511.07040](https://arxiv.org/abs/2511.07040)  
+**代码**: 暂无  
+**领域**: 3D视觉 / 对抗鲁棒性  
+**关键词**: 点云识别, 对抗鲁棒性, Neural Collapse, ETF分类器, 特征解耦  
+
+## 一句话总结
+将Neural Collapse(NC)机制引入3D点云对抗鲁棒性，用固定的ETF分类头+自适应训练框架(RBL+FDL)构建解耦的特征空间，在ModelNet40上将DGCNN的对抗准确率从27.2%提升到80.9%，超出最佳baseline 34个点。
+
+## 背景与动机
+3D点云识别模型（PointNet、DGCNN、PCT等）在对抗攻击面前非常脆弱。现有防御方法分两类：输入预处理（SOR、DUP-Net、Diffusion）和自鲁棒模型（对抗训练、PointCutMix、CAP），但都有致命缺陷——泛化性差，面对没见过的攻击类型时防御效果急剧下降。作者通过t-SNE可视化发现了根本原因：无论是原始模型还是现有防御方法，提取的特征空间都是纠缠(entangled)的，不同类别特征高度重叠，对抗样本很容易被扰动到其他类的决策边界。
+
+## 核心问题
+如何让点云模型拥有天然解耦的特征空间，使得对抗扰动难以跨越类间决策边界？难点在于点云数据的两个独特特性：(1)类别不平衡——ModelNet40中chair有900个样本，bowl只有不到90个；(2)类间几何相似性——desk和table、nightstand和dresser等类别几何外观极其相似，即使人类也难以区分。
+
+## 方法详解
+核心思路：利用Neural Collapse现象——训练后期模型最后一层特征和分类器权重会收敛到simplex ETF（等角紧框架）结构，即各类特征方向两两夹角最大化分离。3D-ANC不等模型自然收敛到NC，而是直接用固定的ETF结构初始化分类头，迫使特征提取器学出解耦特征。
+
+### 整体框架
+输入：3D点云 → 任意现有backbone(PointNet/DGCNN/PCT)提取特征h → 替换原分类头为固定ETF分类头 → 用自适应训练框架(RBL+FDL)优化 → 输出：对抗鲁棒的分类结果。模型无关(model-agnostic)，只需替换分类头。
+
+### 关键设计
+1. **ETF分类头**: 用随机初始化的simplex ETF矩阵W替换可学习的FC分类头。ETF保证K个类的分类向量两两夹角相等且最大化分离(cos θ = -1/(K-1))。W在训练中固定，迫使特征提取器学出与各类分类向量对齐的特征。用dot loss（公式3）约束特征h与对应类分类向量w_k的内积趋近预定值。
+2. **Representation-Balanced Learning (RBL)**: 解决类别不平衡问题。固定ETF头的方向由旋转矩阵R决定，RBL允许R在训练中更新（但约束为正交矩阵，保持ETF性质），使ETF头能自适应不平衡数据分布。效果：在clean样本上恢复了固定ETF头带来的精度下降（+3.7%）。
+3. **Dynamic Feature Direction Loss (FDL)**: 解决类间几何相似性。对每个样本特征h，FDL同时做两件事：(a) 拉向——让h对齐自身类别均值h̄_k；(b) 推离——让h远离最近的非标签类均值h̄_k'。类间均值逐epoch动态更新。效果：针对几何相似类（如desk/table）增强类间可分性。但FDL依赖准确的类均值，需要RBL提供良好对齐的特征后才能发挥作用。
+
+### 损失函数 / 训练策略
+- 总损失: L = L_dot(h, W) + λ · L_FDL(h, h̄_k, h̄_k')
+- 两阶段训练：先用L_dot做10个warm-up epochs，再加入L_FDL。λ=5
+- 总训练60 epochs，lr=0.001，用geotorch库约束R为正交矩阵
+- 推理时加SOR预处理（k=2, α=1.1）去除离群点
+
+## 实验关键数据
+
+| 模型 | 数据集 | 防御方法 | 平均对抗ACC | Clean ACC |
+|------|--------|---------|-----------|----------|
+| PointNet | ModelNet40 | Vanilla | 39.5% | 86.2% |
+| PointNet | ModelNet40 | 最佳baseline(Diffusion) | 47.9% | - |
+| PointNet | ModelNet40 | **3D-ANC** | **78.8%** | 87.1% |
+| DGCNN | ModelNet40 | Vanilla | 27.2% | 88.9% |
+| DGCNN | ModelNet40 | 最佳baseline(Diffusion) | 46.9% | - |
+| DGCNN | ModelNet40 | **3D-ANC** | **80.9%** | 90.9% |
+| PCT | ModelNet40 | Vanilla | 47.5% | 89.6% |
+| PCT | ModelNet40 | **3D-ANC** | **77.3%** | 91.0% |
+
+推理效率：3D-ANC几乎无额外开销（PointNet: 0.2ms vs Vanilla 0.3ms），远优于Diffusion(4.4ms)。
+
+### 消融实验要点
+- **ETF头是最大贡献者**: 仅加ETF头，PointNet平均对抗ACC从39.5%提升到77.6%(+38.1pp)，但clean ACC掉0.6%
+- **RBL恢复clean性能**: ETF+RBL在clean ACC上+3.7%（从85.6%到89.9%），但对抗鲁棒性略降（因为引入旋转的不稳定性）
+- **FDL需要RBL配合**: 单独ETF+FDL效果不如ETF+RBL（因为没有准确的特征对齐）；但ETF+RBL+FDL组合达到最优（平均对抗ACC 78.8%），FDL在RBL提供的良好特征基础上进一步增强类间分离
+- **架构越强，FDL效果越好**: DGCNN和PCT的特征空间更结构化，FDL能同时提升clean ACC和鲁棒性
+- **特征质量与鲁棒性强相关**: Silhouette Coefficient(SC)越高，对抗ACC越高，3D-ANC显著提升了SC
+
+## 亮点 / 我学到了什么
+- **思路极其简洁有效** — "替换分类头"这个操作几乎零成本，却带来了53.7%的绝对提升，说明特征空间质量才是对抗鲁棒性的根本
+- **NC→鲁棒性的桥梁很有启发**: Neural Collapse本来是训练收敛现象的理论描述，这篇论文把它变成了一个实用的设计工具。不等模型自然收敛到NC，而是主动构造NC结构
+- **"特征空间解耦=鲁棒性"的洞察**: 通过t-SNE可视化清晰地说明了现有防御失败的根因——特征纠缠，这个可视化分析本身就是很好的论文写作套路
+- **模型无关(model-agnostic)**: 只改分类头，可即插即用到任何点云backbone，实用性强
+- **两阶段训练+组件协作设计**: RBL解决不平衡→FDL在此基础上精细化类间分离，组件之间有逻辑依赖关系，不是简单堆砌
+
+## 局限与展望
+- **仅在分类任务上验证**: 未测试在点云分割、检测等任务上的效果
+- **仅限点云模态**: NC思路完全可以推广到2D图像、多模态等领域的对抗鲁棒性
+- **ShapeNet上clean ACC有下降**: 在ShapeNet数据集上PointNet的clean ACC从78.6%降到74.1%，说明在某些数据分布上ETF头可能有负面影响
+- **几何相似类仍未完全解决**: 从可视化看desk/table、nightstand/dresser等类别仍然部分重叠
+- **未与更强的对抗训练方法（如PGD-AT的变体）结合对比**
+- → 可关联到将NC机制推广到视觉foundation model的鲁棒性增强
+
+## 与相关工作的对比
+- **vs 输入预处理(SOR/DUP-Net/PointDP)**: 预处理方法针对特定攻击模式（如去除离群点），对未见过的攻击泛化性差。3D-ANC从特征空间根本上提升鲁棒性，泛化到9种不同攻击。且3D-ANC可与预处理方法叠加使用
+- **vs 对抗训练(AT)/自鲁棒模型(PointCutMix/CAP)**: 这些方法通过数据增强或自监督来增强鲁棒性，但特征空间仍然纠缠。3D-ANC直接从分类头结构入手，特征解耦更彻底。AT在AdvPC攻击下ACC仅2.5%，而3D-ANC为81.3%
+- **vs Neural Collapse在图像分类中的应用(Yang2022/Zhong2023)**: 之前的NC工作主要解决长尾分类中的类别不平衡，没有用于对抗鲁棒性。3D-ANC首次将NC用于对抗鲁棒性，并针对点云数据的特殊挑战（类别不平衡+几何相似性）设计了RBL和FDL
+
+## 与我的研究方向的关联
+- Neural Collapse作为"设计工具"而非"待观察现象"的思路很有启发，可以迁移到视觉foundation model的特征空间优化
+- 特征解耦→鲁棒性的逻辑链条也适用于医学图像等domain shift场景
+
+## 评分
+- 新颖性: ⭐⭐⭐⭐ 首次将NC用于点云对抗鲁棒性，思路清晰且有效，但各组件（ETF头、方向loss）单独看不算新
+- 实验充分度: ⭐⭐⭐⭐⭐ 3个模型×2个数据集×9种攻击×7种baseline防御，消融细致，含效率分析和可视化
+- 写作质量: ⭐⭐⭐⭐ pilot study的motivating分析很有说服力，方法描述清晰，附录详尽
+- 对我的价值: ⭐⭐⭐ NC作为设计工具的思路可借鉴，但点云对抗鲁棒性不是我的核心方向
+
+<!-- RELATED:START -->
+
+<div class="related-papers" markdown="1">
+
+## 相关论文
+
+- [\[AAAI 2026\] DAPointMamba: Domain Adaptive Point Mamba for Point Cloud Completion](dapointmamba_domain_adaptive_point_mamba_for_point_cloud_completion.md)
+- [\[AAAI 2026\] Point Cloud Quantization through Multimodal Prompting for 3D Understanding](point_cloud_quantization_through_multimodal_prompting_for_3d_understanding.md)
+- [\[AAAI 2026\] Multi-Modal Assistance for Unsupervised Domain Adaptation on Point Cloud 3D Object Detection](multi-modal_assistance_for_unsupervised_domain_adaptation_on_point_cloud_3d_obje.md)
+- [\[CVPR 2025\] Toward Robust Neural Reconstruction from Sparse Point Sets](../../CVPR2025/3d_vision/toward_robust_neural_reconstruction_from_sparse_point_sets.md)
+- [\[AAAI 2026\] Rethinking Multimodal Point Cloud Completion: A Completion-by-Correction Perspective](rethinking_multimodal_point_cloud_completion_a_completion-by-correction_perspect.md)
+
+</div>
+
+<!-- RELATED:END -->

docs/AAAI2026/3d_vision/3d-free_meets_3d_priors_novel_view_synthesis_from_a_single_image_with_pretrained.md

@@ -0,0 +1,151 @@
+---
+title: >-
+  [论文解读] 3D-Free Meets 3D Priors: Novel View Synthesis from a Single Image with Pretrained Diffusion Guidance
+description: >-
+  [AAAI 2026][3D视觉][新视角合成] 提出将 3D-free 方法（HawkI 风格的 test-time optimization）与 3D-based 先验（Zero123++ 的弱引导图）结合的框架，无需额外 3D 数据或训练即可从单张图片生成指定仰角/方位角的相机控制视图，在复杂场景下 LPIPS、CLIP-Score 等指标全面超越 Zero123++、HawkI 和 Stable Zero123。
+tags:
+  - "AAAI 2026"
+  - "3D视觉"
+  - "新视角合成"
+  - "单图生成"
+  - "扩散模型"
+  - "CLIP"
+  - "Zero123++"
+  - "3D-free"
+  - "相机控制"
+  - "LoRA"
+---
+
+# 3D-Free Meets 3D Priors: Novel View Synthesis from a Single Image with Pretrained Diffusion Guidance
+
+**会议**: AAAI 2026  
+**arXiv**: [2408.06157](https://arxiv.org/abs/2408.06157)  
+**代码**: 待确认  
+**领域**: 3D Vision / 新视角合成  
+**关键词**: 新视角合成, 单图生成, Stable Diffusion, CLIP, Zero123++, 3D-free, 相机控制, LoRA  
+
+## 一句话总结
+
+提出将 3D-free 方法（HawkI 风格的 test-time optimization）与 3D-based 先验（Zero123++ 的弱引导图）结合的框架，无需额外 3D 数据或训练即可从单张图片生成指定仰角/方位角的相机控制视图，在复杂场景下 LPIPS、CLIP-Score 等指标全面超越 Zero123++、HawkI 和 Stable Zero123。
+
+## 背景与动机
+
+单图新视角合成（NVS）是 3D 视觉中的核心任务。现有方法分为两大流派：
+
+1. **3D-based 方法**（如 Zero123、Zero123++）：在大规模 3D 数据集（Objaverse，80 万物体）上训练扩散模型，支持精确相机角度控制，但以物体为中心，对复杂场景（多物体+背景）泛化差
+2. **3D-free 方法**（如 HawkI、DreamBooth）：利用预训练 Stable Diffusion 的隐式 3D 知识，无需 3D 数据即可生成文本控制的视角变换，对复杂场景泛化好，但缺乏精确的相机角度控制
+
+关键洞察：CLIP 模型（SD 的视觉-语言骨干）理解"上方/侧面"等粗粒度方向，但无法理解"仰角 30°"等精确角度信息——这是 3D-free 方法缺乏相机控制的根本原因。
+
+## 核心问题
+
+如何在不使用 3D 数据集和额外训练的前提下，结合 3D-free 方法的场景泛化能力和 3D-based 方法的相机控制能力，实现单图精确相机控制的新视角合成？
+
+## 方法详解
+
+### 整体框架
+
+四步 test-time optimization 流程：利用预训练 Zero123++ 生成弱引导图，在 Stable Diffusion 的 CLIP 嵌入空间中注入 3D 角度信息，通过 LoRA 微调和正则化损失实现精确相机控制。
+
+### 关键设计
+
+1. **弱引导图生成**：用预训练 Zero123++ 从输入图 $I_{input}$ 生成目标角度 $(\alpha_{elev}, \alpha_{azi})$ 的预测图 $I_{view}$。该预测质量不高（尤其在复杂场景下），但提供方向性指导。
+
+2. **四步 Test-time Optimization**：
+
+    - **Step 1**：优化 CLIP 文本嵌入 $e_{optim}$，使其最准确重建 $I_{input}$（1000 次迭代，lr=1e-3）
+    - **Step 2**：在 $e_{optim}$ 处微调 UNet 的 LoRA 层以重建 $I_{input}$（500 次迭代，lr=2e-4）
+    - **Step 3**：进一步优化嵌入为 $e_{view}$ 以重建弱引导图 $I_{view}$（500 次迭代）
+    - **Step 4**：微调 LoRA 层重建 $I_{view}$，同时加入视角正则化损失（250 次迭代）
+
+3. **视角正则化损失**（核心贡献）：
+    $L_{reg} = \|e_{view} - e_{target}\|^2$
+   其中 $e_{target}$ 是包含目标仰角/方位角信息的文本嵌入（如"View from +30 degrees elevation"）。该正则化在 CLIP 空间中注入 3D 角度知识，弥补 CLIP 对精确角度理解的不足。
+
+4. **互信息引导推理**：生成阶段使用目标文本描述（角度+场景描述），并施加互信息引导确保生成内容与输入图像一致。
+
+### 损失函数
+
+- 重建损失：标准 DDPM 去噪损失 $L(f(x_t, t, e; \theta), I)$
+- 视角正则化：$L_{reg} = \|e_{view} - e_{target}\|^2$
+- 总损失（Step 4）：$L_{total} = L_{recon} + L_{reg}$
+
+## 实验关键数据
+
+### HawkI-Syn 数据集（合成场景）
+
+| 方法 | 角度 | LPIPS↓ | CLIP-Score↑ | DINO↑ | CLIP-I↑ |
+|------|------|--------|------------|-------|---------|
+| **Ours** | (30°,30°) | **0.5661** | **29.96** | **0.4314** | **0.8317** |
+| Zero123++ | (30°,30°) | 0.5694 | 28.26 | 0.4293 | 0.8149 |
+| HawkI | (30°,30°) | 0.5998 | 28.38 | 0.3982 | 0.8221 |
+| Stable Zero123 | (30°,30°) | 0.7178 | 21.34 | 0.2108 | 0.6467 |
+| **Ours** | (30°,270°) | **0.5744** | **29.18** | **0.4148** | **0.8327** |
+| Zero123++ | (30°,270°) | 0.6056 | 25.67 | 0.2681 | 0.7087 |
+
+### HawkI-Real 数据集（真实场景）
+
+| 方法 | LPIPS↓ | CLIP-Score↑ | CLIP-I↑ |
+|------|--------|------------|---------|
+| **Ours** | **0.6201** | **29.89** | **0.8152** |
+| Zero123++ | 0.6529+ | 27.58- | 0.7754 |
+| HawkI | 0.6529 | 27.58 | 0.7754 |
+
+- LPIPS 最大改进 0.1712（对比 HawkI-Syn (-20°,210°)），是 Zero123++ 论文中报告的最大差距的 5.2 倍
+
+### 消融实验
+
+- 去掉视角正则化损失 → 相机角度控制退化，生成视角不一致
+- 去掉弱引导图（只用文本角度描述）→ CLIP 无法独立生成正确相机角度，内容不一致
+- 使用错误角度的引导图 → 模型跟随引导图角度而非文本描述角度，证明引导图的角度信息主导方向
+
+## 亮点
+
+- **"3D-free + 3D prior"的融合思路简洁有效**：不需要训练新模型，只需在 test-time 通过 4 步优化把 3D 先验注入 2D 扩散模型
+- **对 CLIP 3D 理解能力的分析有价值**：证明 CLIP 理解粗粒度方向但不理解精确角度，为后续工作提供理论依据
+- **数据高效**：完全不需要 3D 数据集、多视图数据或额外训练，只用现成的预训练模型
+- **复杂场景处理出色**：包含背景、多物体的真实场景中显著优于 Zero123++
+
+## 局限与展望
+
+- **推理极慢**：每张图需要 4 步优化（总计约 2250 次迭代），远不如 Zero123++ 的单次前向推理
+- **依赖 SD 2.1 + Zero123++**：如果 Zero123++ 在某些场景完全失效，弱引导图质量太差可能影响最终结果
+- **评估场景有限**：仅在 HawkI-Syn 和 HawkI-Real 两个小数据集上评估，未在标准 3D 基准（如 GSO、Objaverse-LVIS）上对比
+- **角度范围有限**：仅评估了 4 个固定角度组合，大角度变化（如 180° 翻转）的效果未验证
+- **分辨率限制**：512×512 分辨率，未探索高分辨率生成
+
+## 与相关工作的对比
+
+- **vs Zero123++（3D-based）**：Zero123++ 在复杂场景中丢失背景和细节，本方法通过 3D-free 优化保留完整场景；但 Zero123++ 推理速度快得多
+- **vs HawkI（3D-free）**：HawkI 无法控制精确角度，本方法通过 3D prior 引导 + 视角正则化实现角度控制
+- **vs Stable Zero123**：在所有指标上大幅落后，几乎无法工作
+- **vs DreamFusion**：DreamFusion 是 Text-to-3D 方法，不能处理背景变换和仰角变化
+
+## 启发与关联
+
+- "用弱引导 + 正则化"注入缺失能力的方法论可推广——任何预训练模型缺少某种控制能力时，都可以用类似方式注入
+- CLIP 对 3D 空间理解的分析可为 VLM 的 3D grounding 研究提供参考
+- Test-time optimization 虽慢但灵活——当质量比速度更重要时值得考虑
+
+## 评分
+
+- 新颖性: ⭐⭐⭐⭐ 融合思路直觉但不算突破性，各组件都是现有方法
+- 实验充分度: ⭐⭐⭐⭐ 评估场景偏少，缺少标准 3D 基准对比
+- 写作质量: ⭐⭐⭐⭐⭐ 分析部分（CLIP 3D 理解、引导图重要性）论证清晰
+- 价值: ⭐⭐⭐⭐ 提供了一种不需要 3D 数据的相机控制方案，但推理速度限制实用性
+
+<!-- RELATED:START -->
+
+<div class="related-papers" markdown="1">
+
+## 相关论文
+
+- [\[CVPR 2026\] SmokeSVD: Smoke Reconstruction from A Single View via Progressive Novel View Synthesis and Refinement with Diffusion Models](../../CVPR2026/3d_vision/smokesvd_smoke_reconstruction_from_a_single_view_via_progressive_novel_view_synt.md)
+- [\[CVPR 2026\] PR-IQA: Partial-Reference Image Quality Assessment for Diffusion-Based Novel View Synthesis](../../CVPR2026/3d_vision/pr-iqa_partial-reference_image_quality_assessment_for_diffusion-based_novel_view.md)
+- [\[CVPR 2026\] OrienPose: Orientation-Guided Novel View Synthesis for Single-Image Unseen Object Pose Estimation](../../CVPR2026/3d_vision/orienpose_orientation-guided_novel_view_synthesis_for_single-image_unseen_object.md)
+- [\[AAAI 2026\] Debiasing Diffusion Priors via 3D Attention for Consistent Gaussian Splatting](debiasing_diffusion_priors_via_3d_attention_for_consistent_gaussian_splatting.md)
+- [\[CVPR 2026\] DMAligner: Enhancing Image Alignment via Diffusion Model Based View Synthesis](../../CVPR2026/3d_vision/dmaligner_enhancing_image_alignment_via_diffusion_model_based_view_synthesis.md)
+
+</div>
+
+<!-- RELATED:END -->