The Chinese University of Hong Kong（香港中文大学）

BiNoMaP: Learning Category-Level Bimanual Non-Prehensile Manipulation Primitives

BiNoMaP: 学习类别级双臂非抓取操作原语

Huayi Zhou, Kui Jia

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） 纠错

AI总结 BiNoMaP提出了一种无强化学习的双臂非抓取操作原语学习框架，通过几何感知优化和参数化方法实现类别级泛化和跨平台迁移。

Comments Under review. The project link is https://hnuzhy.github.io/projects/BiNoMaP

Concept-as-Tree: A Controllable Synthetic Data Framework Makes Stronger Personalized VLMs

概念树：一个可控的合成数据框架助力更强的个性化视觉语言模型

Ruichuan An, Kai Zeng, Ming Lu, Sihan Yang, Renrui Zhang, Huitong Ji, Hao Liang, Wentao Zhang

机构 * Peking University（北京大学） ； CUHK MMLab（香港中文大学MMLab） ； Zhongguancun Academy（中关村学院） ； Beijing Key Laboratory of Data Intelligence and Security（北京数据智能与安全重点实验室） 纠错

AI总结 研究提升VLM个性化能力问题，提出概念树（CaT）框架，以树结构表示概念生成多样正负样本，经数据过滤策略确保质量，实验证明该框架显著增强VLM在个性化基准测试中的能力，是首个可控合成数据管道。

Comments ECCV26 Camera Ready

Real-World Blind Super-Resolution via Feature Matching with Implicit High-Resolution Priors

通过与隐式高分辨率先验进行特征匹配实现真实世界的盲超分辨率

Chaofeng Chen, Xinyu Shi, Yipeng Qin, Xiaoming Li, Xiaoguang Han, Tao Yang, Shihui Guo

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； School of Computer Science（计算机科学学院） ； Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； SSE, The Chinese University of Hong Kong（香港中文大学（深圳）SSE） 纠错

AI总结 针对现实世界图像超分辨率难题，提出FeMaSR方法，在紧凑特征空间通过匹配LR与HR图像特征及解码来恢复逼真HR图像，利用预训练HR先验、语义正则化及残差连接，实验显示其效果优于以往方法。

Comments Fix training details and some typos