Beihang University（北京航空航天大学）

HiSem: Hierarchical Semantic Disentangling for Remote Sensing Image Change Captioning

HiSem：面向遥感图像变化描述的层次语义解缠

Man Wang, Chenyang Liu, Wenjun Li, Feng Ni, Bing Jia, Baoqi Huang, Riting Xia, Zhenwei Shi

机构 * College of Computer Science, Inner Mongolia University（内蒙古大学计算机学院） ； Research Center for Spatiotemporal Intelligence, Inner Mongolia University（内蒙古大学时空智能研究中心） ； Department of Aerospace Intelligent Science and Technology, School of Astronautics, Beihang University（北航宇航学院航空航天智能科学与技术系） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北航虚拟现实技术与系统国家重点实验室） ； China Mobile Communications Group Inner Mongolia Co., Ltd.（中国移动通信集团内蒙古有限公司） 纠错

AI总结 本文提出HiSem网络，通过层次化语义解缠模块解决遥感图像变化描述中语义纠缠问题，提升变化检测的准确性和描述质量。

BioHuman: Learning Biomechanical Human Representations from Video

BioHuman: 从视频中学习生物力学人体表示

Yujun Huo, He Zhang, Chentao Song, Honglin Song, Zongyu Zuo, Tao Yu

机构 * Beihang University（北航） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出BioHuman模型，通过视频输入联合预测人体运动和肌肉激活，建立视觉观测与内部生物力学状态的联系，展示了在多样化的主体和动作上准确重建运动和肌肉活动的能力。

MambaRain: Multi-Scale Mamba-Attention Framework for 0-3 Hour Precipitation Nowcasting

MambaRain：多尺度Mamba-注意力框架用于0-3小时降水现在预报

Chunlei Shi, Cui Wu, Xiang Xu, Hao Li, Ni Fan, Xue Han, Yongchao Feng, Yufeng Zhu, Boyu Liu, Zengliang Zang, Hongbin Wang, Yanlan Yang, Dan Niu

机构 * School of Automation, Southeast University（东南大学自动化学院） ； Nanjing XinDa Institute of Meteorological Science and Technology（南京新达气象科学与技术研究所） ； Beijing Leninainfo Technology Co., Ltd.（北京 Leninainfo 技术有限公司） ； China CEC Engineering Corporation（中国 CEC 工程公司） ； School of Mathematical Sciences, Tongji University（同济大学数学科学学院） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学虚拟现实技术与系统国家重点实验室） ； College of Meteorology and Oceanography, National University of Defense Technology（国防科技大学气象学与海洋学学院） ； Key Laboratory of Transportation Meteorology of China Meteorological Administration, Nanjing Innovation Institute for Atmospheric Sciences（中国气象局交通运输气象重点实验室，南京大气科学创新研究院） 纠错

AI总结 本文提出MambaRain框架，结合Mamba的线性复杂度长程建模与自注意力机制，提升0-3小时降水现在预报精度，通过混合设计增强时空表征能力，实验显示在2-3小时预测中表现突出。

Comments 9 pages,7 figures

VMU-Diff: A Coarse-to-fine Multi-source Data Fusion Framework for Precipitation Nowcasting

VMU-Diff：一种用于降水现在预测的粗到细多源数据融合框架

Chunlei Shi, Hao Li, Yufeng Zhu, Boyu Liu, Yongchao Feng, Zengliang Zang, Hongbin Wang, Yanlan Yang, Dan Niu

机构 * Department of Automation, Southeast University（东南大学自动化部门） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学虚拟现实技术与系统国家重点实验室） ； Key Laboratory of Transportation Meteorology, China Meteorological Administration（中国气象局交通运输气象重点实验室） 纠错

AI总结 本文提出VMU-Diff框架，通过粗阶段确定性模型预测全局运动趋势，细阶段概率模型生成精细预测细节，利用雷达和多波段卫星数据融合，提升短期降水预测精度。

Comments 5 pages, 2 figures

Let Robots Feel Your Touch: Visuo-Tactile Cortical Alignment for Embodied Mirror Resonance

让机器人感受你的触摸：用于具身镜像共振的视觉-触觉皮层对齐

Tianfang Zhu, Ning An, Rui Wang, Jiasi Gao, Qingming Luo, Anan Li, Guyue Zhou

机构 * Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Key Laboratory of Biomedical Engineering of Hainan Province, School of Biomedical Engineering, Hainan University（海南省生物医学工程重点实验室，海南大学生物医学工程学院） ； School of New Media Art and Design, Beihang University（北航艺术与设计学院） ； MoE Key Laboratory for Biomedical Photonics, Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology（教育部生物医学光子学重点实验室，武汉光电研究所，华中科技大学） 纠错

AI总结 本文提出镜像触觉网络，通过多级约束实现视觉与触觉表征的语义、分布和几何对齐，使机器人能从RGB图像预测毫米级触觉信号，为具身镜像共振提供可解释的机器人感知路径。

Enjoy Your Layer Normalization with the Computational Efficiency of RMSNorm

享受RMSNorm的计算效率：层归一化

Yuxin Guo, Yihao Yue, Yunhao Ni, Yizhou Ruan, Jie Luo, Wenjun Wu, Lei Huang

机构 * State Key Laboratory of Complex and Critical Software Environment (SKLCCSE)（复杂与关键软件环境国家重点实验室） ； Beihang University（北京航空航天大学） ； Hangzhou International Innovation Institute（杭州国际创新研究院） 纠错

AI总结 本文提出一种框架，确定任意DNN中的层归一化是否可替换为RMSNorm而不改变模型功能，通过折叠归一化操作提升效率，实验显示可提升2%-12%的推理速度。

Comments 33 pages, 21 figures

D-VLA: A High-Concurrency Distributed Asynchronous Reinforcement Learning Framework for Vision-Language-Action Models

D-VLA：一种面向视觉-语言-动作模型的高并发分布式异步强化学习框架

Yucheng Guo, Yongjian Guo, Zhong Guan, Wen Huang, Haoran Sun, Haodong Yue, Xiaolong Xiang, Shuai Di, Zhen Sun, Luqiao Wang, Junwu Xiong, Yicheng Gong

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Tianjin University（天津大学） ； Beihang University（北航） ； JDT AI Infra（京东AI基础设施） 纠错

AI总结 本文提出D-VLA框架，通过平面解耦和四线异步流水线提升大规模视觉-语言-动作模型的并发性和效率，实验显示其在吞吐量和采样效率上优于主流框架。