高校专区
InfraNet：用于高效红外目标检测的质量感知RGB引导
机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村科学城） ； Communication University of China（中国传媒大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
AI总结 针对多模态感知系统在不利视觉条件下目标检测的挑战，提出InfraNet框架，采用非对称架构及质量感知融合模块，设计两种变体，实验表明其在低光等条件下准确且高效。
G$^2$TAM：几何基础的轨迹任意模型
机构 * HKU（香港大学） ； Shanghai AI Lab（上海人工智能实验室） ； BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； UCLA（加州大学洛杉矶分校） ； ZJU（浙江大学）
AI总结 研究利用现代前馈3D重建模型的空间一致性，提出G$^2$TAM框架，用无序RGB图像或视频进行3D实例跟踪。核心是跨模态空间编码器，还构建数据集，实验表明该模型有多种优势，为交互式空间推理奠定基础。
Comments Accepted by ICML 2026. Project Page:https://zcmax.github.io/projects/G2TAM/
具身算子与基准测试：迈向可复用和可部署的具身智能系统
机构 * JDT ； Tsinghua University（清华大学） ； Tianjin University（天津大学） ； Beihang University（北京航空航天大学）
AI总结 研究具身智能系统中可复用功能模块即具身算子，明确其定义边界、构建分类法，提出多维度基准框架，探讨加速及挑战，为具身智能系统提供基础。
通过信息过载对大型视觉语言模型进行越狱攻击
机构 * National University of Singapore（新加坡国立大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院）
AI总结 研究大型视觉语言模型易受越狱攻击问题，提出基于递归图像排版布局的信息过载方法，含大量文本和多维图像攻击，大幅提升攻击成功率，凸显此为现实部署安全风险。
CoFEND：用于冷启动药物-药物相互作用预测的跨模态融合端到端网络
机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） ； Beihang University（北京航空航天大学） ； School of Computing, Southern Illinois University Carbondale（南伊利诺伊大学卡本代尔分校计算机学院） ； School of Physics and Electronic Science, Zunyi Normal University（遵义师范学院物理与电子科学学院）
AI总结 针对新药冷启动药物-药物相互作用预测难题，提出CMF-ELN。利用多模态信息构建知识图谱，设计图自动编码器融合跨模态相似性，采用两阶段可解释性方案，提升预测准确性与机制解释性。
Comments 11 pages, 2 figures, accepted by KDD 2026
TACO：作为可扩展VLA训练后自校正器的触觉世界模型
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） ； AI 2 Robotics（人工智能与机器人研究所） ； Sun Yat-sen University（中山大学） ； Beihang University（北京航空航天大学）
AI总结 研究VLA模型在接触丰富任务中的问题，提出TACO框架，通过触觉感知世界模型驱动可扩展VLA训练后校正，结合多种方法提升策略，实验表明其能显著提高成功率。
EVA-Client：用于真实机器人上具身策略的统一数据收集、推理和部署框架
机构 * CoLab, Beihang University（协同实验室，北京航空航天大学）
AI总结 介绍EVA-Client框架，它位于策略服务器和物理硬件之间，统一策略迭代循环的真实机器人阶段。贡献包括组件解耦架构、可检查执行及每次评估兼具数据收集功能，还整合多种实时推理策略。
AutoResearch：用于可靠研究工作流程自动化的基于执行的多智能体框架
机构 * International Research Center for Complexity Sciences（国际复杂性科学研究中心） ； Hangzhou International Innovation Institute, Beihang University（杭州国际创新研究院，北京航空航天大学） ； Department of Computer Science, College of Science, Mathematics and Technology（科学、数学与技术学院计算机科学系） ； Wenzhou-Kean University（温州-凯恩大学） ； Computer Systems Engineering Department, Sukkur IBA University（苏库尔IBA大学计算机系统工程系） ； Yangtze Delta Region Institute (Huzhou), University of Electronic Science and Technology of China（长江三角洲地区研究所（湖州），中国电子科学科技大学）
AI总结 研究针对自动化研究智能体常无法验证实验执行及引用等问题，提出AutoResearch框架，结合多种技术，经实验验证其在多方面提升了研究工件的质量。
基于互信息的多目标探索与偏好优化
机构 * School of Computer, Beihang University（北京航空航天大学计算机学院） ； Xingchen AGI Lab, China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd（星辰AGI实验室，中国电信人工智能技术（北京）有限公司）
AI总结 提出MI-EPO框架，通过最大化生成响应、偏好反馈和偏好向量的联合条件互信息，统一多目标探索与对齐，实现可控且稳定的多目标权衡。
Comments Accepted at ECML/PKDD 2026
LEVIRDet: 用于通用遥感目标检测的百万级159类数据集与基础模型
机构 * Shen Yuan Honors College, Beihang University（北京航空航天大学沈元荣誉学院） ； 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） ； Qian Xuesen Laboratory of Space Technology, China Academy of Space Technology（中国空间技术研究院钱学森空间技术实验室）
AI总结 提出包含159类、256万边界框的遥感目标检测数据集LEVIRDet-159，并设计尺度层次感知检测基础模型LEVIRDetNet，在9个外部基准上无需微调即达到SOTA，平均mAP提升5.02。
Comments 18 pages, 9 figures
通过领域特定的大语言模型后训练增强健身智能
机构 * School of Cyber Science and Technology（网络科学与技术学院） ； Beihang University（北京航空航天大学） ； School of Information（信息学院） ； Renmin University of China（中国人民大学）
AI总结 针对通用大语言模型在科学健身教练中领域知识不足的问题，提出FitOne系列模型，通过三阶段后训练（持续预训练、监督微调、强化学习）提升专业能力，在ACSM-EP和NSCA-CSCS考试中平均提升最高12.73%。
Comments 8 pages, 6 tables, 2 figures. Accepted by the 12th International Conference on Big Data Computing and Communications (BigCom 2026)
教视觉-语言-动作模型看什么和看哪里
机构 * School of Electronic Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） ； National College for Excellent Engineers, Beihang University（北京航空航天大学卓越工程师学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； DiDi（滴滴出行） ； State Key Laboratory of Media Convergence and Communication, Communication University of China（中国传媒大学媒体融合与传播国家重点实验室） ； 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） ； School of Cyber Science and Technology, Beihang University（北京航空航天大学网络安全科学与技术学院） ； 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DriveTeach-VLA框架，通过驾驶感知视觉蒸馏和2D轨迹引导提示，教VLA模型关注驾驶相关区域，实现端到端自动驾驶轨迹预测，在NAVSIM和nuScenes上达到最优性能。
Comments The paper has been accepted by ECCV 2026
多分辨率流匹配：通过分阶段采样实现无训练扩散加速
机构 * State Key Laboratory of Complex & Critical Software Environment, Beihang University（北京航空航天大学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） ； Nanyang Technological University（南洋理工大学） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出MrFlow，一种基于分阶段低到高分辨率管道的无训练多分辨率加速策略，利用低分辨率采样减少计算量，像素空间超分辨率和高频重采样保持质量，实现10倍加速且质量损失小于1%。
Comments The code is available at https://github.com/Xingyu-Zheng/MrFlow
斜率引导的Mamba和角度精炼的Transformer用于光场超分辨率
机构 * Hangzhou International Innovation Institute of Beihang University（北京航空航天大学杭州国际创新研究院）
AI总结 提出SMART混合网络，通过斜率引导的Mamba和角度精炼的Transformer，解决光场超分辨率中空间-角度解耦和扫描-几何失配问题，在五个基准上取得最优性能。
Comments 10 pages, 4 figures, 4 tables. Accepted by IEEE ICME 2026. Hangzhou International Innovation Institute, Beihang University, Hangzhou, China Corresponding author: Jie Wu (jiewu@buaa.edu.cn) Emails: {lijin01, hj, ljd2406107, shuaiwang, shenghao, jiewu}@buaa.edu.cn
DroneFINE: 面向无人机图像的视觉-语言检测器的域感知参数高效微调
机构 * National College for Excellent Engineers, Beihang University, Beijing, China（北京航空航天大学优秀工程师学院） ； School of Computer Science and Engineering, Beihang University, Beijing, China（北京航空航天大学计算机科学与工程学院） ； School of Computer Science and Information Engineering, Hefei University of Technology, Hefei, China（合肥工业大学计算机科学与信息工程学院） ； 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） ； Innovation Center for Intelligent System Cognition and Decision-Making, Beijing, China（智能系统认知与决策创新中心） ； Information Science Academy of China Electronics Technology Group Corporation, Beijing, China（中国电子科技集团有限公司信息科学研究院）
AI总结 针对无人机图像与视觉语言模型预训练数据之间的域差异，提出包含HyperAdapter和SemanticGate的域感知参数高效微调方法，在减少可训练参数的同时达到与全微调相当的性能。
Comments Accepted by ECCV2026
面向长时程移动GUI代理的任务状态表示
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； School of Software, Beihang University（北京航空航天大学软件学院）
AI总结 提出任务状态表示（TSR）框架，通过解耦任务状态与屏幕观察，解决长时程移动GUI代理的上下文负担问题，在复杂跨应用任务中成功率提升最高12个百分点。
Comments Preprint. 9 pages, 3 figures
构建可扩展、可复现、可评估、闭环的具身智能仿真环境基础：面向具身智能训练、评估和数据收集的云原生仿真基础设施
机构 * AI Infra Team at JDT（京东科技AI基础设施团队） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Beihang University（北京航空航天大学）
AI总结 提出一种云原生仿真基础设施框架，通过弹性资源调度、容器化仿真等技术，实现大规模、标准化、可复现的具身智能训练、评估与数据收集。
人类作为人形机器人：通过人类对齐的具身从自我-外部人类视频实现零样本人形机器人学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； DeepCybo ； ZGCA ； ZGCI ； Harbin Institute of Technology（哈尔滨工业大学） ； Huazhong University of Science and Technology（华中科技大学） ； Beihang University（北京航空航天大学）
AI总结 提出Human-as-Humanoid框架，通过对齐机器人本体、感知设置和动作标签接口，将大规模人类演示视频转化为可执行的动作监督，实现高自由度人形机器人的零样本学习。
Comments 20 pages, 9 figures
闭环交通建模中局部观测与全局仿真的桥接
机构 * The University of Hong Kong（香港大学） ； Beihang University（北京航空航天大学）
AI总结 提出CRAFT框架，通过自监督失败发现和偏好引导的测试时对齐，缓解自回归交通模拟器在闭环部署中的局部-全局上下文不匹配问题，减少碰撞31.2%和交通违规33.2%。
基于几何先验的自回归模型生成车道拓扑推理
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 提出TopoGPT生成式框架，通过自回归序列建模学习车道图结构的几何先验，解决现有方法端点不一致和遮挡导致图不完整的问题，在OpenLane-V2上提升6.4/11.6个点。
Comments ECCV 2026
缓解3D掩码自编码器中的位置泄漏以实现鲁棒表示学习
机构 * SKLCCSE, Beihang University（北京航空航天大学软件开发环境国家重点实验室） ； SCSE, Beihang University（北京航空航天大学计算机学院） ； NERCBDS, EIRI, Tsinghua University（清华大学电子工程系智能技术与系统国家重点实验室） ； SASEE, Beihang University（北京航空航天大学自动化科学与电气工程学院）
AI总结 针对3D掩码自编码器中位置信息过度依赖导致语义表示弱化的问题，提出MPL-MAE框架，通过重校准位置嵌入和门控位置接口模块，平衡空间先验与语义特征，提升下游任务性能。
稳定化学习：连接控制理论与机器学习的范式转变
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） ； Tianmushan Laboratory, Beihang University（北京航空航天大学天目山实验室） ； Zhongguancun Academy（中关村学院）
AI总结 提出稳定化学习范式，以稳定性为核心目标，融合控制理论与机器学习，通过李雅普诺夫分析、深度特征提取等方法，解决高维非线性系统的控制、观测与识别问题，并构建统一数学框架。
虚拟管道内的能量最优空间迭代学习
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） ； Tianmushan Laboratory, Beihang University（北京航空航天大学天目山实验室）
AI总结 针对无人机续航受限问题，提出一种无模型在线迭代学习框架，通过O(n)复杂度的空间迭代优化降低能耗，在实验中比基于模型的IPOPT快50-60倍。
Comments 9 pages, 7 figures, submitted to RA-L
AeroVerse-SatAgent: 受认知神经科学双视觉通路理论启发的无人机-卫星协同空间推理
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； Key Laboratory of Target Cognition and Application Technology (TCAT), Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院目标认知与应用技术重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机学院）
AI总结 针对单视角感知易受遮挡和视角变化影响的问题，提出受人类视觉双通路机制启发的无人机-卫星协同空间推理模型SatAgent，通过几何感知3D重建编码器、多视角拓扑语义对齐模块和一致性损失，在复杂城市环境中实现鲁棒推理，构建首个大规模协同数据集，性能超越现有模型。
Comments 21 pages, 10 figures and 8 tables
重新思考特征工程与学习策略在少样本隐藏情感识别中的作用
机构 * Hefei University of Technology（合肥工业大学） ； University College London（伦敦大学学院） ； The University of Sydney（悉尼大学） ； Beijing QBoson Quantum Technology Co., Ltd.（北京量子芯光科技有限公司） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； Beihang University（北京航空航天大学） ； The University of New South Wales（新南威尔士大学） ； United Arab Emirates University（阿拉伯联合酋长国大学）
AI总结 提出跨注意力机制与多实例学习框架，利用多源特征（2D/3D骨架、面部Blendshapes、DINOv2/v3、X-CLIP、Gemini）解决长视频中弱稀疏隐式情感识别，在IJCAI挑战赛Track 3中获第一名。
REDI-Match: 旋转等变蒸馏实现高效鲁棒密集匹配
机构 * Tsinghua University（清华大学） ； Southern University of Science and Technology（南方科技大学） ； Beihang University（北京航空航天大学） ； Zhejiang University（浙江大学）
AI总结 提出REDI-Match框架，通过旋转等变蒸馏将视觉基础模型的语义知识注入轻量等变编码器，结合熵驱动空间对齐模块，在密集匹配中实现高效鲁棒的旋转不变性，在SatAst数据集上提升13.89%姿态精度且速度提升1.9倍。
基于级联扩散先验和UV空间可微分着色的单目虚拟人重建
机构 * Beihang University（北航） ； Great Wall Motors（长城汽车） ； CUHK-Shenzhen（香港科技大学深圳研究院） ； HKUST（香港科技大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； KAUST（王国 Abdullah 基础科学研究院） ； Tsinghua University（清华大学）
AI总结 提出数据高效框架，利用统一预训练扩散模型的鲁棒先验，通过级联LoRA依次处理纹理补全、去光照和材质分解，结合UV空间可微分BRDF着色损失，从单张野外图像重建高保真可重光照3D虚拟人。
Comments Accepted by ECCV 2026. Project page: https://luh1124.github.io/MARCUS-Avatar-Projectpage/
Video-MME-Logical: 面向视频时序逻辑推理的受控诊断基准
机构 * HKUST（香港科技大学） ； Colab, Beihang University（北京航空航天大学合作实验室） ； CUHK（香港中文大学）
AI总结 为隔离评估多模态大模型在视频中的时序逻辑推理能力，提出包含五种时序逻辑操作和25个细粒度任务类别的受控基准，通过控制时间跨度和推理复杂度进行难度可控评估，并支持中间状态诊断。
MindFlow：调和认知语义与声学动态的对话面部动画生成
机构 * Beihang University（北京航空航天大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Zhongguancun Laboratory（中关村实验室）
AI总结 提出双路径生成框架MindFlow，受神经科学腹侧-背侧通路模型启发，通过Chunk-State方法建模上下文感知情感状态链，结合条件自回归流匹配网络与选择性声学注入器，实现高保真面部动画，在语义适切性和运动自然度上超越现有方法。
Comments Accepted by ECCV 2026
CrossPool: 通过KV缓存和权重分离实现冷MoE模型的高效多LLM服务
机构 * School of Software, Beihang University（北京航空航天大学软件学院）
AI总结 针对冷MoE模型权重与KV缓存竞争GPU内存的问题，提出CrossPool引擎，将FFN权重和KV缓存分离到不同内存池，结合规划器、虚拟化器和流水线调度器，显著提升内存利用率和长上下文支持，P99 TBT降低达10.4倍。
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