Fudan University（复旦大学）

M^3: Dense Matching Meets Multi-View Foundation Models for Monocular Gaussian Splatting SLAM

M^3：密集匹配与多视角基础模型结合的单目高斯点云SLAM

Kerui Ren, Guanghao Li, Changjian Jiang, Yingxiang Xu, Tao Lu, Linning Xu, Junting Dong, Jiangmiao Pang, Mulin Yu, Bo Dai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Zhejiang University（浙江大学） ； Beijing Institute of Technology（北京理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出M^3，结合多视角基础模型与单目高斯点云SLAM，通过引入匹配头提升密集对应关系，增强跟踪稳定性，在多种基准上取得优异的位姿估计和场景重建性能。

Comments Project page: https://city-super.github.io/M3/

Vision-Language Model Based Multi-Expert Fusion for CT Image Classification

基于视觉-语言模型的多专家融合用于CT图像分类

Jianfa Bai, Kejin Lu, Runtian Yuan, Qingqiu Li, Jilan Xu, Junlin Hou, Yuejie Zhang, Rui Feng

机构 * College of Computer Science and Artificial Intelligence, Shanghai Key Laboratory of Intelligent Information Processing, Fudan University（复旦大学计算机科学与人工智能学院，上海智能信息处理重点实验室） ； University of Oxford（牛津大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出一种三阶段源感知多专家框架，通过构建肺部感知3D专家、开发MedSigLIP基专家和训练源分类器，提升多源CT图像中新冠检测的鲁棒性，实验结果显示在不同阶段模型在宏F1、ACC和AUC指标上均取得优异成绩。

Advancing Visual Reliability: Color-Accurate Underwater Image Enhancement for Real-Time Underwater Missions

提升视觉可靠性：用于实时水下任务的精确色彩水下图像增强

Yiqiang Zhou, Yifan Chen, Zhe Sun, Jijun Lu, Ye Zheng, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； College of Computer and Control Engineering, Northeast Forestry University（东北林业大学计算机与控制工程学院） ； College of Future Information Technology, Fudan University（复旦大学未来信息技术学院） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能、光学与电子学院（iOPEN）） ； Fujian Ocean Innovation Center, Xiamen（福建海洋创新中心，厦门） 纠错

AI总结 本文提出一种实时水下图像增强框架，通过自适应加权通道补偿模块、多分支重参数化扩张卷积和统计全局色彩调整模块，实现高精度色彩恢复，提升水下任务的视觉可靠性。

PanguMotion: Continuous Driving Motion Forecasting with Pangu Transformers

PanguMotion: 基于Pangu Transformer的连续驾驶运动预测

Quanhao Ren, Yicheng Li, Nan Song

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

AI总结 本文提出PanguMotion框架，利用Pangu-1B的Transformer模块提升连续驾驶场景的运动预测能力，通过Argoverse 2数据集的RealMotion策略生成连续序列以提升预测准确性。

Reliable Reasoning in SVG-LLMs via Multi-Task Multi-Reward Reinforcement Learning

通过多任务多奖励强化学习实现SVG-LLMs的可靠推理

Haomin Wang, Qi Wei, Qianli Ma, Shengyuan Ding, Jinhui Yin, Kai Chen, Hongjie Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出CTRL-S框架，通过多任务多奖励优化提升SVG生成的结构连贯性和视觉保真度，实验表明其在任务成功率和SVG代码质量上优于现有方法。

SQL-ASTRA: Alleviating Sparse Feedback in Agentic SQL via Column-Set Matching and Trajectory Aggregation

SQL-ASTRA: 缓解代理SQL中的稀疏反馈 via 列集匹配和轨迹聚合

Long Li, Zhijian Zhou, Jiangxuan Long, Peiyang Liu, Weidi Xu, Zhe Wang, Shirui Pan, Chao Qu

机构 * Griffith University（格里菲斯大学） ； Fudan University（复旦大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） ； InFly ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Academy of Artificial Intelligence for Science（上海人工智能科学研究院） 纠错

AI总结 本文提出SQL-ASTRA框架，通过列集匹配和轨迹聚合解决代理SQL中的稀疏反馈问题，引入轨迹奖励和列集匹配奖励，提升多轮任务的奖励分配效率与稳定性。

Comments 17 pages

DyJR: Preserving Diversity in Reinforcement Learning with Verifiable Rewards via Dynamic Jensen-Shannon Replay

DyJR: 通过动态Jensen-Shannon回放在强化学习中保持多样性

Long Li, Zhijian Zhou, Tianyi Wang, Weidi Xu, Zuming Huang, Wei Chu, Zhe Wang, Shirui Pan, Chao Qu, Yuan Qi

机构 * Griffith University, Australia（澳大利亚格里菲斯大学） ； Fudan University, China（复旦大学） ； Beijing University of Post（北京邮电大学） ； Shanghai Innovation Institute, China（上海创新研究院） ； Shanghai Academy of Artificial Intelligence for Science, China（上海人工智能科学研究院） 纠错

AI总结 本文提出DyJR方法，通过动态参考分布和Jensen-Shannon散度正则化，在强化学习中保持多样性，提升数学推理和Text-to-SQL任务性能。

Comments 14 pages, 3 figures

Boosting Quantitive and Spatial Awareness for Zero-Shot Object Counting

提升零样本物体计数的定量与空间意识

Da Zhang, Bingyu Li, Feiyu Wang, Zhiyuan Zhao, Junyu Gao

机构 * Northwestern Polytechnical University（西北工业大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） 纠错

AI总结 本文提出QICA框架，通过引入协同提示策略和成本聚合解码器，提升零样本物体计数的定量感知和空间聚合能力，实验表明其在多个数据集上具有优越的泛化性能。

Comments Accepted to CVPR 2026

Clinical Priors Guided Lung Disease Detection in 3D CT Scans

基于临床先验的3D CT扫描肺部疾病检测

Kejin Lu, Jianfa Bai, Qingqiu Li, Runtian Yuan, Jilan Xu, Junlin Hou, Yuejie Zhang, Rui Feng

机构 * College of Computer Science and Artificial Intelligence, Shanghai Key Laboratory of Intelligent Information Processing, Fudan University（计算机科学与人工智能学院，上海智能信息处理重点实验室，复旦大学） ； University of Oxford（牛津大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出一种考虑性别因素的两阶段肺部疾病分类框架，通过性别分类器和性别特异性疾病分类器提升少数类疾病识别性能，尤其在鳞状细胞癌上表现突出。

Closed-Loop Action Chunks with Dynamic Corrections for Training-Free Diffusion Policy

闭环动作块与动态修正的训练无关扩散策略

Pengyuan Wu, Pingrui Zhang, Zhigang Wang, Dong Wang, Bin Zhao, Xuelong Li

机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Northwestern Polytechnical University（西北工业大学） ； Institute of Artificial Intelligence, China Telecom Corp Ltd（中国电信人工智能研究院） 纠错

AI总结 本文提出DCDP框架，结合动作块生成与实时修正，提升动态场景下的适应性，无需重新训练，计算量仅增加5%，在动态PushT模拟中适应性提升19%。

Comments Accepted by ICRA2026

Few-Shot Video Object Segmentation in X-Ray Angiography Using Local Matching and Spatio-Temporal Consistency Loss

利用局部匹配和时空一致性损失的X射线血管造影中少样本视频目标分割

Lin Xi, Yingliang Ma, Xiahai Zhuang

机构 * University of East Anglia（东安大大学） ； King’s College London（伦敦国王学院） ； Fudan University（复旦大学） 纠错

AI总结 本文提出了一种新颖的FSVOS模型，通过局部匹配策略限制搜索空间，采用非参数采样机制提升灵活性，并设计监督时空对比学习方案提升特征一致性，实验表明在CADICA、XACV和MOSXAV数据集上优于现有方法。

SARMAE: Masked Autoencoder for SAR Representation Learning

SARMAE：用于SAR表示学习的遮蔽自动编码器

Danxu Liu, Di Wang, Hebaixu Wang, Haoyang Chen, Wentao Jiang, Yilin Cheng, Haonan Guo, Wei Cui, Jing Zhang

机构 * School of Information and Electronics, Beijing Institute of Technology, Beijing, China（北京理工大学信息与电子学院，北京，中国） ； School of Computer Science, Wuhan University, Wuhan, China（武汉大学计算机学院，武汉，中国） ； School of Electronic Information, Wuhan University, Wuhan, China（武汉大学电子信息学院，武汉，中国） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； School of Data Science, Fudan University, Shanghai, China（复旦大学数据科学学院，上海，中国） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China（武汉大学测绘遥感信息工程国家重点实验室，武汉，中国） 纠错

AI总结 本文提出SARMAE，通过构建SAR-1M数据集和引入Speckle-Aware Representation Enhancement与Semantic Anchor Representation Constraint，提升SAR图像在多任务中的表现。

Comments The paper is accepted by CVPR 2026! Code and models will be available at https://github.com/MiliLab/SARMAE

3M-TI: High-Quality Mobile Thermal Imaging via Calibration-free Multi-Camera Cross-Modal Diffusion

3M-TI: 通过无校准多相机跨模态扩散实现高质量移动热成像

Minchong Chen, Xiaoyun Yuan, Junzhe Wan, Jianing Zhang, Jun Zhang

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能联合实验室，人工智能研究院，上海交通大学） ； School of Computer Science, Shanghai Jiao Tong University（计算机科学学院，上海交通大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出3M-TI，一种无需校准的多相机跨模态扩散框架，通过跨模态自注意力模块提升热成像的分辨率和细节，验证其在实际应用中的优越性能。

Comments Accepted by CVPR 2026, Code: https://github.com/work-submit/3MTI, Project page: https://lab.xiaoyunyuan.net/index.html?project=3m-ti

MARIS: Marine Open-Vocabulary Instance Segmentation with Geometric Enhancement and Semantic Alignment

MARIS: 基于几何增强与语义对齐的海洋开放词汇实例分割

Bingyu Li, Feiyu Wang, Da Zhang, Zhiyuan Zhao, Junyu Gao, Xuelong Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究院（TeleAI）） ； China Telecom（中国电信） ； Fudan University（复旦大学） ； Northwestern Polytechnical University（西北工业大学） 纠错

AI总结 本文提出MARIS，首个大规模细粒度水下开放词汇分割基准，通过几何先验增强模块和语义对齐注入机制提升水下场景下的实例分割性能。

IdentityGuard: Context-Aware Restriction and Provenance for Personalized Synthesis

IdentityGuard: 基于上下文的限制与溯源的个性化合成

Lingyun Zhang, Yu Xie, Ping Chen

机构 * School of Computer Science and Technology, Fudan University（复旦大学计算机科学与技术学院） ； Institute of Big Data, Fudan University（复旦大学大数据研究院） ； Purple Mountain Laboratories（紫金山实验室） 纠错

AI总结 本文提出IdentityGuard，通过上下文感知的限制和概念特定水印，实现个性化合成的安全控制，防止滥用同时保持模型效用。

Comments 5 pages, 3 figures, Accepted to ICASSP