AI 大模型
跨文本、图像、视频、音频等模态的大模型与学习方法。
个性化多模态大语言模型中的群体偏好崩溃
机构 * Computer Vision Center, Universitat Autònoma de Barcelona（计算机视觉中心，巴塞罗那自治大学）
专题命中 多模态生成 ：multimodal(title,abstract)；MLLM(abstract)；分类 cs.AI
AI总结 研究个性化多模态大语言模型中群体偏好崩溃问题，提出PrefMoE框架，它分离配置文件信息与偏好表示，分解偏好，保留个性化残差并通过单独路径路由因素，实验表明该框架能改善偏好敏感个性化并减少偏好崩溃。
UniGen-AR：通过自回归建模统一视觉生成
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳 - 香槟分校） ； Toyota Research Institute（丰田研究院）
专题命中 多模态生成 ：MLLM(abstract,abstract_cn)；multimodal(abstract)；multi-modal(abstract)；分类 cs.CV
AI总结 研究统一视觉生成问题，提出UniGen-AR框架，将通用多模态语言模型与视觉自回归解码器配对，能为多任务生成图像值输出，相比基于扩散的基线，推理延迟低达19倍，确立视觉自回归建模为统一视觉生成的高效主干。
DreamCAD: 通过可微参数曲面实现多模态CAD生成的扩展
机构 * DFKI ； RPTU ； Imperial College London（帝国理工学院伦敦分校） ； Huawei London Research Center（华为伦敦研究中心）
专题命中 多模态生成 ：multi-modal(title,abstract)；分类 cs.CV、cs.AI
AI总结 DreamCAD通过可微参数曲面直接生成可编辑的BRep，无需CAD特定注释，实现多模态CAD生成的扩展，并在多个基准测试中取得最佳性能。
Comments For Caption Dataset: https://huggingface.co/datasets/SadilKhan/CADCap-1M
用于多模态遥感图像生成的对比参数解缠
机构 * School of Information and Communication Engineering, Dalian University of Technology（大连理工大学信息与通信工程学院） ； Unit 92728 of PLA（中国人民解放军92728部队）
专题命中 多模态生成 ：multi-modal(title)；multimodal(abstract)；分类 cs.CV
AI总结 针对现有遥感图像生成方法局限，提出对比参数解缠框架，通过对比参数解缠模块、解缠优化策略及查询-键结构转移机制，实现多模态遥感图像高质量生成，在相关任务中性能优越。
CircuitWeave：用于可执行多模态RTL生成的拓扑-行为对齐
专题命中 多模态生成 ：multimodal(title,abstract)
AI总结 研究如何从自然语言规范生成RTL，提出CircuitWeave合同介导多模态框架，从原理图和文本提取合同并融合，通过联合目标监督相关过程，在生成可执行RTL上取得较好效果，部分指标高于无原理图的情况。
VIPER：用于物理上合理的视频生成的视觉上下文物理推理
机构 * Zhejiang University（浙江大学） ； vivo Mobile Communication Co., Ltd.（维沃移动通信有限公司）
专题命中 多模态生成 ：multimodal(abstract)；MLLM(abstract)；分类 cs.CV
AI总结 研究针对视频生成模型控制物理行为难的问题，提出VIPER框架，利用多模态大语言模型提取物理线索，通过分层训练引导图像到视频生成器，构建VIPER-19K数据集，实验证明该框架能实现物理行为转移且效果良好。
Comments tech report
超越融合：用于无校准红外超分辨率和红外-可见光融合的自对齐潜在扩散
专题命中 多模态生成 ：multimodal(abstract)；cross-modal(abstract)；分类 cs.CV
AI总结 针对移动红外-可见光成像中跨传感器未对准问题，提出超越融合框架，通过引入跨模态自对齐模块及未对准增强模块，实现无校准条件下的红外超分辨率和红外-可见光融合，经实验验证了其有效性。
Comments 13 pages
G-MAD：用于多视图RGB-T航空目标检测的基于游戏的数据生成框架
机构 * LIG Defense&Aerospace（LIG国防与航空航天公司） ； GIST（韩国科学技术院）
专题命中 多模态生成 ：multi-modal(abstract)；分类 cs.CV、cs.AI
AI总结 研究针对航空目标检测中数据集构建的问题，提出基于游戏的G-MAD数据生成框架，可解决视点控制、数据对齐及标注成本等问题，支持多视图相机放置等功能，还构建并发布了AMOD基准。
Comments ACM Multimedia 2026 (Supplementary Material Included)
超越可教内容的搜索：拓展智能体视觉生成的知识边界
机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of Waterloo（滑铁卢大学） ； Qwen Applications（通义千问应用） ； Imperial College London（帝国理工学院）
专题命中 多模态生成 ：multimodal(abstract)；分类 cs.CV、cs.AI
AI总结 针对视觉生成器的世界知识瓶颈，构建专用数据集与基准，提出教-搜协同训练框架定位动态知识边界，实现知识驱动的可迭代视觉生成性能提升。
凝视到文本生成：超越人类注意力的分类解码
机构 * Stony Brook University（纽约州立大学石溪分校） ； Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； Adelaide University（阿德莱德大学）
专题命中 多模态生成 ：multimodal(abstract)；分类 cs.CV
AI总结 该研究提出将凝视解码为自然语言描述人类目标的新问题，构建Gazette框架，基于多模态大语言模型，利用新颖策略合成出声思考转录本并指令调优，使其在多任务凝视解码中达最优性能，能推断多样场景下人类目标意图。
Comments To appear in European Conference on Computer Vision (ECCV) 2026
使用自编码器-扩散级联从极度稀疏测量中重建多尺度物理场
机构 * Internet of Things Thrust（物联网方向） ； Intelligent Transportation Thrust（智能交通方向） ； Marine Hydrodynamic Research Facility（海洋流体研究设施） ； Department of Civil and Environmental Engineering（土木与环境工程系）
专题命中 多模态生成 ：multimodal(abstract)；分类 cs.AI
AI总结 提出Cascaded Sensing框架，通过粗尺度确定性估计和细尺度条件扩散模型级联，解决极度稀疏测量下物理场重建的不适定性和多模态后验问题。
Comments 34 pages,22 figures
Journal ref Journal of Computational Physics, Volume 565, 15 November 2026, Article 115214
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈