高校专区
OARS：面向生成真实世界图像超分辨率的在线对齐
机构 * ByteDance Inc.（字节跳动公司） ； Peking University（北京大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 OARS通过过程感知的在线对齐框架，结合COMPASS奖励模型，在线优化图像超分辨率模型，实现感知与保真度的平衡，提升真实世界图像超分辨率性能。
Comments Super-Resolution, Reinforcement Learning
从稀疏到密集：通过增强条件空间的多视图GRPO用于流模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Adobe Research（Adobe研究实验室） ； Stanford University（斯坦福大学） ； Shanghai Innovation Institute（上海创新研究院） ； CPII under InnoHK Project（InnoHK项目下的CPII）
AI总结 本文提出多视图GRPO，通过增强条件空间探索样本间关系，提升文本到图像流模型的对齐性能。
GA-Drive：用于自由视角驾驶场景生成的几何-外观解耦建模
机构 * MMLab, CUHK（CUHK的MMLab） ； CASIA ； Shanghai Jiaotong University（上海交通大学） ； SenseTime Research（商汤科技研究院）
AI总结 GA-Drive通过几何-外观解耦和扩散生成技术，生成可编辑的高保真驾驶场景，提升自动驾驶训练和评估的效率与效果。
相信你的批评者：用于忠实图像编辑和生成的鲁棒奖励建模与强化学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； BUPT（北京邮电大学） ； CUHK（香港中文大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出FIRM框架，通过定制数据集和鲁棒奖励模型，提升图像编辑和生成的忠实性与指令遵循，采用'基础与奖励'策略平衡一致性与质量，实现性能突破。
通过高度增强的ReLU网络高效逼近解析函数和L^p函数
机构 * link.cuhk.edu.hk（香港中文大学） ； cityu.edu.hk（城市大学） ； bnbu.edu.cn（北京理工大学）
AI总结 本文通过高度增强的ReLU网络，高效逼近解析函数和L^p函数，改进了解析函数的逼近速率并首次实现了L^p函数的高阶非渐近逼近。
See4D: 通过自回归视频修复实现无姿态4D生成
机构 * NUS（新加坡国立大学） ； HKU（香港大学） ； CUHK（香港中文大学） ； THU（清华大学） ； Shanghai AI Lab（上海人工智能实验室） ； Horizon Robotics（地平线机器人） ； NTU（国立科技大学）
AI总结 See4D通过自回归视频修复实现无姿态4D生成，提升从随意视频到4D世界建模的实用性。
Comments Eurographics2026; 26 pages; 21 figures; 3 tables; project page: https://see-4d.github.io/
天quant-S2S：通过整合气候状态构建全球亚季节至季节天气模型
机构 * Sun Yat-Sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Huawei Technologies Co Ltd（华为技术有限公司）
AI总结 天quant-S2S通过整合气候状态和不确定性增强的Transformer，提升了亚季节至季节天气预测的准确性和稳定性。
AlphaFlowTSE：通过条件AlphaFlow实现的一步生成目标说话人提取
机构 * School of Electronic Science and Engineering, Xiamen University, Xiamen, China（1 厦门大学电子科学与技术学院，厦门，中国） ； School of Informatics, Xiamen University, Xiamen, China（2 厦门大学信息学院，厦门，中国） ； School of Intelligence Science and Technology, Nanjing University, Suzhou, China（3 南京大学智能科学与技术学院，苏州，中国） ； Shenzhen Loop Area Institute, Shenzhen, China（4 深圳循环区研究所，深圳，中国） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen, Shenzhen, China（5 香港中文大学人工智能学院，深圳，中国） ； The Chinese University of Hong Kong, Shatin, N.T., Hong Kong SAR, China（6 香港中文大学，沙田，香港特别行政区，中国）
AI总结 AlphaFlowTSE通过条件AlphaFlow实现一步生成目标说话人提取，提升目标语音保真度和真实混合泛化能力。
Comments Submitted to Interspeech 2026 for review
梯度流漂移：基于KDE近似发散的梯度流的生成建模
机构 * The Chinese University of Hong Kong（香港中文大学） ； Civil Aviation University of China（中国民航大学）
AI总结 本文提出梯度流漂移模型，通过Wasserstein梯度流生成模型，结合反向KL和χ²发散避免模式崩溃与模糊，扩展至黎曼流形以适应语义空间。
无模型的可制造传感器布局与变形本体感觉共优化
机构 * Department of Mechanical and Aerospace Engineering, The University of Manchester, United Kingdom（曼彻斯特大学机械与航空航天工程系） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Shatin, Hong Kong（香港中文大学机械与自动化工程系）
AI总结 本文提出一种无模型的数据驱动方法，通过共同优化传感器布局和网络参数，提升软机器人和可穿戴设备中自由形变形的预测精度。
通过对角蒸馏实现流式自回归视频生成
机构 * South China University of Technology（南方科技大学） ； Westlake University（西湖大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California, Merced（加州大学默塞德分校） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出对角蒸馏方法，通过不对称生成策略和隐式光学流建模，在减少计算步骤的同时提升视频生成的运动质量和效率。
Comments ICLR 2026 (31 pages, 10 figures, project page: https://spherelab.ai/diagdistill/)
BrandFusion: 一种多智能体框架，用于文本到视频生成中的无缝品牌整合
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； State University of New York at Buffalo（纽约州立大学布法罗分校） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 BrandFusion通过多智能体框架实现文本到视频生成中的无缝品牌整合，提升品牌辨识度和内容自然度，推动T2V的可持续商业化应用。
Cosmos-H-Surgical: 通过世界建模学习手术机器人策略
机构 * NVIDIA ； The Chinese University of Hong Kong（香港中文大学） ； Sung Kyun Kwan University（全州大学） ； Wenzhou Medical University（温州医学院） ； National University of Singapore（新加坡国立大学） ； Ruijin Hospital（瑞金医院）
AI总结 本文提出通过世界建模学习手术机器人策略，利用合成数据和逆动力学模型提升自主手术能力。
鲁棒的音频视觉目标说话人提取与情感感知多注册融合
机构 * School of Computer Science, Wuhan University, Wuhan, China（1 武汉大学计算机学院，武汉，中国） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen, China（2 香港中文大学（深圳）人工智能学院，中国） ； School of Artificial Intelligence, Wuhan University, Wuhan, China（3 武汉大学人工智能学院，武汉，中国） ； School of Cyber Science and Engineering, Wuhan University, Wuhan, China（4 武汉大学网络科学与工程学院，武汉，中国） ； Digital Innovation Research Center, Duke Kunshan University, Kunshan, China（5 香港中文大学（深圳）数字创新研究中心，中国） ； AI Center, OPPO, Beijing, China（6 OPPO人工智能中心，北京，中国）
AI总结 本文提出一种鲁棒的音频视觉目标说话人提取方法，通过情感感知的多注册融合技术，在模态缺失情况下提升提取性能和鲁棒性。
Comments submitted to Interspeech 2026
通过推理时间适应提升基于扩散的神经组合求解器的跨问题泛化能力
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 本文提出DIFU-Ada框架，通过推理时间适应提升基于扩散的神经组合求解器在跨问题和跨尺度上的泛化能力。
InternVL-U: 使统一多模态模型在理解、推理、生成和编辑方面更加普及
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； South China University of Technology（华南理工大学） ； Nanjing University（南京大学） ； Xiamen University（厦门大学） ； CUHK MMLab（香港中文大学MMLab）
AI总结 InternVL-U通过轻量级统一多模态模型，在保持强大生成能力的同时，实现了在理解、推理、生成和编辑方面的高效平衡。
Comments technical report, 61 pages, https://github.com/OpenGVLab/InternVL-U
逐帧测试时校正用于自回归长视频生成
机构 * Nanjing University（南京大学） ； Tencent Hunyuan（腾讯文言） ； Chinese University of Hong Kong Shenzhen（香港中文大学（深圳）） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出TTC方法，通过利用初始帧作为参考锚点，有效校正自回归长视频生成中的漂移问题，提升生成质量并延长生成长度。
ADHint: 基于难度先验的自适应提示用于强化学习
机构 * Alibaba Group（阿里巴巴集团） ； Beijing Institute of Technology（北京理工大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Zhongguancun Academy（中关村学院）
AI总结 ADHint通过整合难度先验，改进强化学习中的探索与模仿平衡，提升推理能力和分布外泛化。
半监督置信预测与未标记非一致性评分
机构 * Southern University of Science and Technology（南方科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出SemiCP，通过结合标记和未标记数据提升置信预测的覆盖性能，实验表明在有限标记数据下可显著降低覆盖差距。
Comments Accept by CVPR 2026
逐步引导策略优化：在GRPO中着色你的错误推理
机构 * Department of Industrial Engineering and Operations Research（工业工程与运营管理系） ； Department of Mathematics（数学系） ； Columbia University（哥伦比亚大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Stern School of Business, New York University（纽约大学斯特恩商学院）
AI总结 SGPO通过引入组内响应多样性，解决GRPO在所有负样本组时无法更新策略的问题，提升推理模型性能。
Comments Accepted by TMLR; 47 pages
在运动和环境不确定性下为机械臂提供可证明安全的轨迹生成
机构 * Hong Kong Center for Construction Robotics, The Hong Kong University of Science and Technology（香港建设机器人中心，香港理工大学） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（机械与自动化工程系，中国香港大学） ； Department of Electronic Engineering, The Chinese University of Hong Kong（电子工程系，中国香港大学） ； Shenzhen Key Laboratory of Robotics Perception and Intelligence and the Department of Electronic and Electrical Engineering at Southern University of Science and Technology（深圳机器人感知与智能重点实验室和南方科技大学电子与电气工程系） ； Department of Electronic Engineering at The Chinese University of Hong Kong（电子工程系，中国香港大学）
AI总结 本文提出了一种可证明安全的轨迹生成框架，通过整合深度随机Koopman操作符模型和分层验证方法，有效应对运动和环境不确定性下的碰撞风险问题。
CktEvo: 用于设计演化的仓库级RTL代码基准
机构 * The Chinese University of Hong Kong（中国香港大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 CktEvo提出一个用于仓库级RTL代码演化的基准和框架，通过闭环框架实现PPA改进，无需人工干预。
DynamicVGGT: 为自动驾驶中的4D场景重建学习动态点图
机构 * Fudan University（复旦大学） ； Huawei（华为） ； Yinwang Intelligent Technology（依文智能技术） ； Shanghai Innovation Institute（上海创新研究院） ； CUHK（香港中文大学）
AI总结 DynamicVGGT通过联合预测当前和未来点图，结合Motion-aware Temporal Attention模块和动态3D高斯点散射头，实现了自动驾驶中4D动态场景的高精度重建。
并非所有查询都需要深度思考：CoFiCot用于自适应粗到细状态细化
机构 * Xi’an Jiaotong University（西安交通大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Institute of Automation CASIA（中国科学院自动化研究所）
AI总结 CoFiCot通过自适应粗到细框架，利用多指标分类器和状态依赖传播过程，提升大语言模型在不同任务上的推理能力与上下文一致性。
隐私保护的端到端全双工语音对话模型
机构 * Nanyang Technological University（南洋理工大学） ； A*STAR ； Huawei Leibniz Research Center（华为莱比锡研究中心） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出两种流式匿名化方法，通过增强隐私保护在全双工语音对话模型中显著提升安全性，同时保持高效响应速度。
WhispEar: 一种通过伪并行 whisper 生成扩展 whisper 语音转换的双向框架
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（数据科学学院，香港中文大学（深圳）） ； Honor Device Co., Ltd, China（荣誉设备有限公司）
AI总结 WhispEar 提出了一种双向框架，通过伪并行 whisper 生成实现 whisper 语音转换的扩展，利用统一语义表示提升转换性能，并发布最大双语语料库。
Comments Submitted to Interspeech 2026
VORL-EXPLORE: 多机器人在动态环境中的混合学习规划方法
机构 * The University of Western Australia（西澳大学） ； The Chinese University of Hong Kong（香港中文大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； Nanjing University（南京大学）
AI总结 VORL-EXPLORE通过混合学习和规划方法，解决多机器人在动态环境中探索时的执行保真度问题，提升路径效率与安全交互。
SWE-Fuse: 通过无问题轨迹学习和熵感知RLVR训练增强软件代理
机构 * Ant Group（蚂蚁集团） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 SWE-Fuse通过融合问题描述引导和无问题样本，提升软件代理在解决现实问题中的性能，其熵感知训练模块有效平衡探索与稳定性。
Comments 19 pages
TDM-R1: 通过非可微奖励强化少步扩散模型
机构 * Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； hi-Lab, Xiaohongshu Inc（小红书实验室） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 TDM-R1通过非可微奖励强化少步扩散模型，提升文本到图像生成性能
Holi-Spatial: 将视频流转化为整体3D空间智能
机构 * Shanghai AI Lab（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Sichuan University（四川大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 Holi-Spatial通过自动化方法构建大规模多模态3D空间数据集，提升空间推理任务的模型性能。
Comments project page: https://visionary-laboratory.github.io/holi-spatial/
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