Beyond 2D Matching: A Unified Single-Stage Framework for Geometry-Aware Cross-View Object Geo-Localization
超越2D匹配：用于几何感知跨视角目标地理定位的统一单阶段框架
机构 * Beihang University（北航） ； Meituan（美团）
AI总结 提出GAGeo单阶段框架，利用3D基础模型和对比损失，结合多模态提示和相机位姿，实现跨视角目标地理定位，显著优于现有方法。
高校专区
Beihang University（北京航空航天大学）
FlowAWR: Online Adaptive Flow Reinforcement via Advantage-Weighted Rectification
FlowAWR: 通过优势加权修正的在线自适应流强化
机构 * Beihang University（北京航空航天大学） ； Joy Future Academy（京东探索研究院） ； Zhongguancun Academy（中关村学院） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出FlowAWR方法，将连续生成策略优化转化为对最优速度场的监督回归，避免SDE和CFG，实现2-5倍收敛加速。
AERIS: Aerial-Edge Role-Driven Intelligence at Runtime via Orchestrated Language-Model Swarm
AERIS: 通过编排语言模型群在运行时实现空中边缘角色驱动智能
机构 * 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） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院）
AI总结 提出AERIS框架，通过编排专用小语言模型和轻量感知控制模块，在边缘实现空中平台的长时指令分解与实时闭环运行。
Comments 10 pages, 11 figures. Preprint version of the submitted manuscript
AURORA: Asymmetry and Update-Induced Rotation for Robust Hallucination Detection in Large Language Models
AURORA：用于大型语言模型中鲁棒幻觉检测的不对称性与更新诱导旋转
机构 * School of Artificial Intelligence, Beihang University, China（北京航空航天大学人工智能学院） ； Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, Beihang University, China（北京航空航天大学未来区块链与隐私计算先进创新中心）
AI总结 提出AURORA框架，利用权重梯度动态（不对称性和旋转比）检测LLM幻觉，跨模型和数据集表现鲁棒。
HiReFF: High-Resolution Feedforward Human Reconstruction from Uncalibrated Sparse-View Video
HiReFF: 从未校准稀疏视角视频的高分辨率前馈式人体重建
机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University, Beijing, China（北京航空航天大学虚拟现实技术与系统国家重点实验室） ； Tsinghua University, Beijing, China（清华大学） ； College of Computer Science, Beijing Information Science and Technology University, Beijing, China（北京信息科技大学计算机学院） ； Zhongguancun Laboratory, Beijing, China（中关村实验室）
AI总结 提出HiReFF，一种从四视角未校准视频前馈式重建2K分辨率360度人体视频的方法，通过尺度同步相机校准和高斯前景掩码实现干净前景重建，并利用高分辨率侧调优在保持骨干网络0.5K分辨率下实现2K渲染。
FDM-MFVT: Few-step Sampling Diffusion Model for Mask-Free Virtual Try-On
FDM-MFVT: 用于无掩模虚拟试穿的少步采样扩散模型
机构 * School of Electronic Information Engineering, Beihang University, Beijing, China（北京航空航天大学电子信息工程学院） ； Zhongguancun Academy, Beijing, China（中关村学院） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University, Beijing, China（虚拟现实技术与系统国家重点实验室）
AI总结 提出FDM-MFVT，一种少步扩散模型，通过噪声优化模块和指令驱动模块实现高效无掩模虚拟试穿，并构建了3万对的无掩模数据集MFVT。
Comments Accepted by ECCV2026
Adaptive Spectrum-Aware Feature Disentangled Network for Small Object Detection
自适应频谱感知特征解耦网络用于小目标检测
机构 * Shenzhen Campus of Sun Yat-sen University（孙中山大学深圳校区） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Renmin University of China（中国人民大学） ； CITIC Bank（中国 CITIC 银行）
AI总结 针对小目标检测中背景干扰问题，提出SFDNet框架，通过自适应频谱解耦模块分解特征为互补频谱分量并丢弃背景干扰，结合类原型蒸馏增强同类语义一致性，在多个基准上显著超越现有方法。
Comments 19 pages, 7 figures. Accepted at ECCV 2026
Drift-AR: Single-Step Visual Autoregressive Generation via Anti-Symmetric Drifting
Drift-AR：通过反向对称漂移实现单步视觉自回归生成
机构 * University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong, MMLAB（香港中文大学多媒体实验室） ； JD Explore Academy（京东探索研究院） ； Beihang University（北京航空航天大学）
AI总结 Drift-AR通过利用熵信号加速自回归和视觉解码阶段，实现单步生成，提升了生成速度并保持了高质量。
SVCBench: A Streaming Video Counting Benchmark for Spatial-Temporal State Maintenance
SVCBench：一种用于空间-时间状态维护的流视频计数基准
机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院）
AI总结 SVCBench通过流式多点查询观察状态维护轨迹，设计了三个互补指标来诊断数值精度、轨迹一致性及时间意识，评估主流视频语言模型在空间-时间状态维护上的不足，尤其在周期性事件计数上表现不佳。
Comments Accepted to ECCV 2026. Project page: https://buaa-colalab.github.io/SVCBench/
HieraMix: A Hierarchical MLP-Mixer for Large-Scale Traffic Forecasting
HieraMix：一种用于大规模交通预测的分层MLP-Mixer
机构 * State Key Laboratory of Complex & Critical Software Environment (SKLCCSE)（复杂关键软件环境国家重点实验室） ； 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） ； MOE Engineering Research Center of Advanced Computer Application Technology, Beihang University（教育部先进计算机应用技术工程研究中心，北京航空航天大学）
AI总结 本文提出HieraMix框架，通过分层时空混合模块和自适应区域混合器，实现高效有效的大规模交通预测，实验表明其在性能和效率上均优于现有方法。
Comments 9 pages, 8 figures
