Beihang University（北京航空航天大学）

Taming Noise-Induced Prototype Degradation for Privacy-Preserving Personalized Federated Fine-Tuning

抑制噪声诱导的原型退化以实现隐私保护的个性化联邦微调

Yuhua Wang, Qinnan Zhang, Xiaodong Li, Huan Zhang, Yifan Sun, Wangjie Qiu, Hainan Zhang, Yongxin Tong, Zhiming Zheng

机构 * School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； School of Statistics, Renmin University of China（中国人民大学统计学院） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） 纠错

AI总结 本文提出VPDR，通过引入自适应原型扰动和蒸馏引导裁剪正则化，改进原型基于个性化联邦学习，提升隐私保护与模型性能的平衡。

Comments Accepted by CVPR 2026 (Highlight)

Edit Where You Mean: Region-Aware Adapter Injection for Mask-Free Local Image Editing

在需要的地方编辑：区域感知的适配器注入用于无掩码的局部图像编辑

Honghao Cai, Xiangyuan Wang, Yunhao Bai, Haohua Chen, Tianze Zhou, Runqi Wang, Wei Zhu, Yibo Chen, Xu Tang, Yao Hu, Zhen Li

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Xiaohongshu Inc.（小红书公司） 纠错

AI总结 本文提出AdaptEdit框架，通过区域感知适配器实现无掩码的局部图像编辑，结合轻量级Block Adapter和SpatialGate提升编辑精度，同时通过Region-Aware Loss优化训练目标，实现无需用户掩码的高质量编辑。