高校专区
CMCC-ReID: 跨模态服装变化人员重识别
机构 * School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； School of Informatics, Xiamen University（厦门大学信息学院）
AI总结 本文提出CMCC-ReID任务，解决跨模态和服装变化的人员匹配问题，构建SYSU-CMCC基准数据集，并提出PIA网络，通过DBDL和BPL模块提升重识别性能。
Comments ECCV2026
JoyNexus：面向服务的视觉语言动作模型多租户训练后处理
机构 * Peking University（北京大学） ； Beihang University（北航） ； Beijing Institute of Technology（北京理工大学） ； Tsinghua University（清华大学）
AI总结 针对VLA模型训练后处理问题，提出JoyNexus统一服务，解耦相关服务，多租户可通过API调用，引入组批处理提高效率，经评估能减少GPU时间，提升服务利用率。
Comments 23 pages, 12 figures
BrainPilot：通过智能研究实现大脑发现自动化
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Qizhi Institute（上海期智研究院） ； Business School, Renmin University of China（中国人民大学商学院） ； School of Physics, Beihang University（北京航空航天大学物理学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Behavioral and Cognitive Neuroscience Center, Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University（复旦大学脑科学与智能技术研究院行为与认知神经科学中心） ； College of Engineering, Georgia Institute of Technology（佐治亚理工学院工程学院） ； School of Life Sciences & IDG/McGovern Institute for Brain Research, Tsinghua University（清华大学生命科学学院&清华-IDG/麦戈文脑科学研究院） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院） ； Weixian College, Tsinghua University（清华大学未央学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系）
AI总结 研究针对脑科学研究整合证据难、人工智能代理有缺陷的问题，提出完全开源的多智能体系统BrainPilot，它有可追溯日志和验证结果，含知识库与技能库，经实验评估，其开源模型以低成本达先进框架性能。
重新思考CLIP的全局知识以实现无训练开放词汇语义分割
机构 * Beihang University（北航大学）
AI总结 本文提出GCLIP，通过重塑最后块注意力和Value嵌入来提取CLIP的全局知识，提升无训练开放词汇语义分割性能。
Comments TMM 2026
从Docker化环境生成大规模终端代理轨迹
机构 * University of Manchester（曼彻斯特大学） ； IQuest Research（IQuest研究） ； Beihang University（北航大学） ； Sichuan University（四川大学） ； Multimodal Art Projection Research Community（多模态艺术投影研究社区）
AI总结 本文提出TerminalTraj，通过Docker化环境生成高质量终端轨迹，提升代理模型在终端任务中的性能表现。
Comments Accepted as a Spotlight paper at ICML 2026
用于多步视觉推理的分层去噪
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理技术国家重点实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Beihang University（北京航空航天大学） ； Fuzhou University（福州大学） ； Muka Robotics（木卡机器人）
AI总结 研究针对视频模型多步推理不足的问题，提出HDR框架，通过树形层次结构和稀疏分层注意力模式进行多步推理，在新基准测试中提升了成功率和进度，推理更快，数据效率更高，在机器人实验中展现潜力。
VLT：用于工业智能的视觉-语言-时间序列多模态基础模型
机构 * School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； State Key Laboratory of Intelligent Manufacturing System Technology（智能制造系统技术国家重点实验室） ； School of Computer Science and Artificial Intelligence, Zhengzhou University（郑州大学计算机科学与人工智能学院）
AI总结 针对工业时间序列单模态建模局限及连接时间序列与文本语义的挑战，提出VLT多模态基础模型，通过设计Time-MoE等机制联合建模多种模态，经实验验证其在多种复杂设置下优于现有方法，提升了鲁棒性和泛化能力。
Comments 18 pages, 13 figures, and 13 tables, including supplementary material. Haiteng Wang and Jingheng Yan contributed equally to this work
通过表示反馈对扩散模型的残差进行条件设定
机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（虚拟现实技术与系统国家重点实验室，北京航空航天大学） ； Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院）
AI总结 研究扩散模型中能否利用固有路径路由内部推断语义，提出条件残差这一轻量级反馈机制，通过反馈紧凑特征摘要提供自适应指导，实验显示其提升了生成性能及下游任务表现，还揭示了训练动态和特征结构的改进。
Comments Substantially revised and retitled. Code available at https://github.com/FutureXiang/ddae_plus_plus
TSSM：用于全球台站天气预报的具有时间可变历史建模的三轴状态空间模型
机构 * Beihang University（北京航空航天大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学）
AI总结 研究针对全球台站天气预报中现有方法的局限，提出三轴状态空间模型TSSM，通过时间可变历史范式纳入历史数据，设计扫描捕捉多种特性，在多数据集上性能优异，尤其在长期和迭代预测及应对缺失观测方面优势明显。
ReflectVLN：通过反思推理训练视觉语言导航智能体
机构 * Amap, Alibaba Group（高德软件有限公司，阿里巴巴集团） ； Beihang University（北京航空航天大学）
AI总结 研究针对现有视觉语言导航方法缺乏闭环机制问题，提出ReflectVLN框架，通过双向交互智能体决策，引入行动思维链训练方案，实验证明该框架在有限数据下提升成功率和路径效率，且具良好训练成本与可解释性。
用于CAD平面图的文本辅助多模态全景符号识别
机构 * CCSE Lab, Beihang University（北京航空航天大学CCSE实验室） ； School of Transportation Science and Engineering, Beihang University（北京航空航天大学交通科学与工程学院） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 针对CAD平面图全景符号识别中现有方法未充分利用文本注释的问题，提出多模态框架TextCAD，设计TACE编码注释语义，引入语义层次对齐框架，实验表明该方法有效提升符号识别性能并达最优。
从安卓到开源鸿蒙系统的图形用户界面测试迁移实证研究
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） ； Beihang University（北航） ； Peking University（北京大学）
AI总结 研究从安卓到开源鸿蒙系统的图形用户界面测试迁移问题，构建数据集，选择并适配两种先进迁移方法进行评估，发现现有方法效果不佳，进而提出增强方法ITeM-HM，显著提升了测试迁移成功率。
INFANiTE：隐式神经表示用于高分辨率胎儿脑空间-时间大体图谱学习从临床厚切片MRI
机构 * Beihang University（北航大学） ； Tsinghua University（清华大学） ； Sichuan University（四川大学） ； University of Oxford（牛津大学）
AI总结 INFANiTE通过隐式神经表示方法，实现了从厚切片MRI中高效生成高分辨率胎儿脑空间-时间大体图谱，显著加快了图谱构建过程，提升了图谱的一致性、参考保真度和生物合理性。
面向动作的生成序列建模用于短视频推荐
机构 * Kuaishou Inc.（快手公司） ； Beihang University（北航）
AI总结 本文提出A2Gen模型，通过时间维度细化用户动作并生成序列，提升短视频推荐的准确性和用户参与度。
Comments We request the retraction of our paper due to discrepancies in the authorship information (https://dl.acm.org/doi/10.1145/3805712.3809728). To ensure accurate representation of contributions, we plan to revise the authorship list and resubmit. Thank you for your understanding
关于CVPR 2026@AdvML研讨会挑战赛的技术报告
机构 * Beihang University（北京航空航天大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Tongji University（同济大学） ； iFLYTEK Co., Ltd.（科大讯飞股份有限公司） ； Anhui Laboratory for Safe Artificial Intelligence in the Yangtze River Delta（长三角安全人工智能安徽实验室） ； Wenzhou Business College（温州商学院） ； Jiangnan University（江南大学） ； Guangzhou City University of Technology（广州理工学院） ； Inceptio Technology（智元机器） ； Institute of Dataspace（数据空间研究所） ； Zhongguancun Laboratory（中关村实验室） ； Tsinghua University（清华大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； BAAI（北京智源人工智能研究院） ； Meta ； Johns Hopkins University（约翰·霍普金斯大学） ； University of California, Berkeley（加州大学伯克利分校） ； Nanyang Technological University（南洋理工大学）
AI总结 介绍CVPR 2026@AdvML研讨会针对自动驾驶VLAs的对抗性多模态攻击挑战赛，基于多视图视觉问答，参赛者要生成对抗图像和文本扰动。阐述任务设计等，研究领先提交作品发现后缀惩罚等模式，为多模态自动驾驶系统相关工作提供参考。
解析、搜索与确认：基于思维链推理和结构化空间记忆的免训练空中视觉与对话导航
机构 * School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息工程学院） ； Jianghuai Advance Technology Center（江淮先进技术中心） ； Anhui Provincial Key Laboratory of Humanoid Robots（安徽省人形机器人重点实验室） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； University of Macau（澳门大学）
AI总结 研究免训练环境下的空中视觉与对话导航任务，提出PSC - AVDN框架，结合解析 - 搜索 - 确认推理管道与结构化空间记忆，整合多种空间线索，在免训练设置中取得新的最优性能。
Comments 10 pages, 4 figures. Accepted to CVPR 2026
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 23859-23868
通过图到表对齐实现惊人简单且有效的多域图基础模型
机构 * Nankai University（南开大学） ； Beihang University（北京航空航天大学） ； Tsinghua University（清华大学）
AI总结 研究如何让表格基础模型有效捕获图结构信息，提出GTAlign框架，先预训练图编码器捕获图表示，通过社区引导持续预训练弥合差距，应用于目标域推理，实验表明该框架在节点和图分类上显著优于基线，提供简单无文本的图基础模型。
SynCLIP：用于鲁棒开放词汇密集感知的同义词一致语言-图像预训练
机构 * Beihang University（北京航空航天大学） ； State Key Laboratory of Space Information System and Integrated Application（空间信息系统与集成应用国家重点实验室） ； Nanjing University（南京大学） ； Harbin Engineering University（哈尔滨工程大学） ； Beijing Zhongguancun Academy（北京中关村科学城）
AI总结 研究针对开放词汇密集感知中同义词引起的定位不一致问题，提出SynCLIP框架，通过SSA和SAR模块增强注意力一致性与定位精度，构建SEViC支持预训练，实验证明该方法显著提升定位一致性并达领先性能。
Comments Accepted by CVPR 2026
诊断和缓解基于策略的自蒸馏中的思维崩溃
机构 * Beihang University（北京航空航天大学） ； Hong Kong Polytechnic University（香港理工大学） ； Alibaba Group（阿里巴巴集团）
AI总结 研究基于策略的自蒸馏在复杂推理任务中性能下降问题，发现思维崩溃陷阱。提出自适应双视角OPSD，通过动态调节自蒸馏目标缓解该问题，在多模型规模和数据集上实验验证其有效性，提升绝对平均准确率4.1%。
成像101：在科学计算成像上对大语言模型编码智能体进行基准测试
机构 * College of Future Technology and the National Biomedical Imaging Center, Peking University（北京大学未来技术学院和国家生物医学成像中心） ； AI for Science Institute (AISI)（科学人工智能研究所） ； University of Michigan（密歇根大学） ； State Key Laboratory of Acoustics and Marine Information, Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所声场声信息国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Astronautics, Beihang University（北京航空航天大学宇航学院） ； Key Laboratory of Spacecraft Design Optimization and Dynamic Simulation Technologies, Ministry of Education（教育部航天器设计优化与动态仿真技术重点实验室）
AI总结 研究针对计算成像构建正确重建管道费力的问题，引入含57个任务的Imaging-101基准及三个评估轨道，评估七个前沿大语言模型，发现应用编码智能体于计算成像存在系统性挑战，指出技能增强、领域专业化智能体是可靠成像辅助的途径。
通过几何感知预训练增强上下文全景生成
机构 * Insta360 Research（影石创新研究院） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学） ； Wuhan University（武汉大学）
AI总结 该研究提出两阶段框架Canvas360用于上下文全景生成，结合几何感知预训练与微调。通过构建数据集及特定建模方法，增强文本到全景生成，经实验验证其能提高全景图像保真度，在相关指标上表现优异。
Comments Project page: https://zry000.github.io/Canvas360/ Github: https://github.com/Insta360-Research-Team/Canvas360
IntentVLA：用于有歧义机器人操作的短周期意图建模
机构 * HUST（华中科技大学） ； ZGCA（中钢集团人工智能研究院） ； ZGCI（中钢智能科技有限公司） ； HIT（哈尔滨工业大学） ； HKUST(GZ)（香港科技大学（广州）） ； BUAA（北京航空航天大学） ； ZZU（浙江工业大学） ； ECNU（华东师范大学） ； USTC（中国科学技术大学） ； DeepCybo
AI总结 IntentVLA通过编码近期视觉观测为紧凑的短周期意图表示，提升机器人操作的执行稳定性，并在多个基准测试中优于现有VLA基线。
Comments Code can be found in https://github.com/ZGC-EmbodyAI/IntentVLA
XR-1：通过学习统一的视觉-运动表示实现多功能的视觉-语言-动作模型
机构 * Beijing Innovation Center of Humanoid Robotics, Beijing, China（北京人形机器人创新中心，北京，中国） ； School of Mechanical Engineering and Automation, Beihang University, Beijing, China（北京航空航天大学机械工程及自动化学院，北京，中国） ； State Key Laboratory of Virtual Reality Technology and Systems, SCSE, Beihang University, Beijing, China（虚拟现实技术与系统国家重点实验室，SCSE，北京航空航天大学，北京，中国） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, Beijing, China（多媒体信息处理国家重点实验室，计算机科学学院，北京大学，北京，中国）
AI总结 XR-1通过学习统一的视觉-运动表示，解决视觉-语言-动作模型在低级动作生成和跨数据源领域差距的挑战，提出三阶段训练方法并验证了其在多种机器人和任务上的优越性能。
Comments Accepted to ICML2026 as Oral
FedMosaic：通过参数适配器进行联邦检索增强生成
机构 * SKLCCSE Lab Beihang University Beijing China（SKLCCSE实验室 北航） ； Department of Data Science City University of Hong Kong Hong Kong China（数据科学系 香港城市大学） ； Beijing Advanced Innovation Center Beihang University Beijing China（北京先进创新中心 北航） ； Beihang University（北航） ； City University of Hong Kong（香港城市大学）
AI总结 研究针对隐私敏感领域，解决联邦检索增强生成中高存储通信及适配器聚合问题。核心方法是提出FedMosaic框架，聚类文档成多文档适配器并选择性聚合。主要贡献是准确率提高，存储和通信成本降低，且不共享原始文档。
Comments 11 pages
基于显式和隐式依赖推理的大语言模型驱动的提交解缠协作模型
机构 * State Key Laboratory of Complex \& Critical Software Environment (SKLCCSE), School of Computer Science ； Engineering, Beihang University Beijing China ； SKLCCSE, School of Computer Science ； School of Computing ； Data Science, The University of Hong Kong Hong Kong SAR China ； Engineering, Beihang University ； Data Science, The University of Hong Kong
AI总结 针对开发者常产生的缠结提交问题，提出ColaUntangle协作框架，集成大语言模型驱动智能体，构建显式和隐式上下文捕捉信息，经实验验证，该框架在提交解缠任务中性能优于基线，凸显基于大语言模型协作框架的潜力。
GLC-SLAM：基于高效循环闭合的高斯点云SLAM
机构 * Beihang University（北航大学） ； Hangzhou Innovation Institute of Beihang University（北航杭州创新研究院）
AI总结 GLC-SLAM通过全局优化和高效循环闭合解决大规模环境中的SLAM漂移问题，提升密集建图性能。
Journal ref Expert Systems with Applications (2026)
循环渲染：通过视觉自反馈生成矢量图形
机构 * School of Software, Beihang University（北航软件学院） ； Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； Paradigm（4Paradigm）
AI总结 本文提出Render-in-the-Loop方法，通过视觉上下文引导矢量图形生成，提升模型对视觉信息的利用效率，实现更高效的SVG生成。
IFAR：基于大语言模型的多视角多层次因果发现
机构 * Beihang University（北航大学）
AI总结 研究针对大语言模型溯因推理中多视角多层次原因这一挑战，提出IFAR框架，结合广义反向推理与正向验证，构建专门数据集，实验表明该框架能提升大语言模型溯因推理性能，在F1分数等方面有显著改进。
视线之外：针对智能爬虫的压缩感知内容保护
机构 * Beihang University（北航大学）
AI总结 研究基于LLM的智能体给在线内容带来的新威胁，提出CAPE框架，通过注入不可见扰动保护文本内容，在低查询预算下有效提升信息损失，实验证明其有效性与通用性，推动智能体时代内容保护研究。
LDFE：用于基于双流 CNN 的 RGB-IR 目标检测的拉普拉斯解耦特征增强模块
机构 * Beihang University（北京航空航天大学） ； State Key Laboratory of High-Efficiency Reusable Aerospace Transportation Technology（高效可重复使用航天运输技术国家重点实验室） ； The School of Astronautics（航天学院） ； The National Key Laboratory of Integrated Air-Ground Navigation Technologies（集成空天地导航技术国家实验室） ； The State Key Laboratory of Media Convergence and Communication（媒体融合与传播国家重点实验室） ； The School of Artificial Intelligence（人工智能学院） ； Zhongguancun Academy（中关村学院） ； The School of Automation Science and Electrical Engineering（自动化科学与电气工程学院） ； Beijing Institute of Control and Electronics Technology（北京控制电子技术研究所） ； Ningbo Institute of Digital Twin（宁波数字孪生研究所） ； Eastern Institute of Technology（东部技术研究所） ； Hangzhou Research Institute, School of Artificial Intelligence（杭州研究院，人工智能学院）
AI总结 研究基于双流 CNN 的 RGB-IR 目标检测问题，提出拉普拉斯解耦特征增强模块 LDFE，通过全局-局部分解等操作融合不同阶段特征，在多个数据集上显著提升目标检测性能，mAP 超 SOTA 方法。
Journal ref Pattern Recognition,Volume 179, Part D,2026,113935
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