Fudan University（复旦大学）

SAM2Matting: Generalized Image and Video Matting

SAM2Matting：通用图像与视频抠图

Ruiqi Shen, Guangquan Jie, Chang Liu, Henghui Ding

机构 * Fudan University（复旦大学） ； Shanghai University of Finance and Economics（上海财经大学） 纠错

AI总结 提出SAM2Matting框架，将VOS追踪器增强为高保真视频抠图，通过区域提议桥接和专用抠图头解耦任务，仅用图像训练即实现视频抠图新SOTA，支持多种提示类型并保持强时间一致性。

Comments ECCV 2026. Extended version. Project Page: https://henghuiding.com/SAM2Matting/

Event-Aware Instructed Assistant for Referring Video Segmentation

事件感知指令助手用于指代视频分割

Jinyu Liu, Henghui Ding, Shuting He, Yu-Gang Jiang

机构 * Institute of Big Data, College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与技术学院大数据研究所） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究所） ； Shanghai University of Finance and Economics（上海财经大学） 纠错

AI总结 提出EVIS模型，通过可学习事件查询将视频分解为简单事件，结合对象-像素混合学习，实现层次化视频理解，在5个基准上表现优异。

Comments IEEE Transactions on Image Processing

Modeling Local, Global, and Cross-Modal Context in Multimodal 3D MRI

多模态3D MRI中的局部、全局和跨模态上下文建模

Minh Duc Do, Tillmann Rheude, Noel Kronenberg, Roland Eils, Benjamin Wild

机构 * Berlin Institute of Health at Charité - Universitätsmedizin Berlin（柏林健康研究所，柏林夏里特医学院） ； Health Data Science Unit, Heidelberg University Hospital and BioQuant（海德堡大学医院与BioQuant健康数据科学部） ； Intelligent Medicine Institute, Fudan University（复旦大学智能医学研究所） ； Department of Mathematics and Computer Science, Freie Universität Berlin（柏林自由大学数学与计算机科学系） 纠错

AI总结 提出MICViT，一种3D视觉Transformer，通过四种注意力机制显式建模模态内和跨模态的局部与全局交互，在多数据集脑龄预测任务中优于现有方法。

Appearance-Preserving Refinement of Generated 3D Assets for Monochromatic Fabrication

面向单色制造的三维生成资产的外观保持优化

Chentao Shen, Chen Jia, Mingjie Huang, Zhuang Zhang, Haisen Zhao, Xiangru Huang

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Fudan University（复旦大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Shandong University（山东大学） 纠错

AI总结 提出GenMF框架，通过外观导向的几何优化将纹理依赖的视觉线索转为几何着色效果，并引入可微应力正则化，在单色制造中保持外观细节并降低应力集中。

Comments under review

Liquid Fusion of Heterogeneous Representations Towards General Salient Object Detection

异构表示的液态融合用于通用显著目标检测

Ke Chen, Ling Zhou, Guangqi Jiang, Gengshen Wu, Yi Liu, Shoukun Xu

机构 * School of Computer Science and Artificial Intelligence, Changzhou University（常州大学计算机科学与人工智能学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） 纠错

AI总结 提出液态融合网络（LFNet），通过动态门控机制融合SSM（VMamba）和CNN（ConvNeXt）的异构表示，并设计显著引导上采样（SGU）算子，在五个任务上实现SOTA性能。

Comments 20 pages, 5 figures

Position Rebinding Cache Reuse: Replay-Free Visual Revisiting for Interleaved Multimodal Reasoning

位置重绑定缓存复用：交错多模态推理中无重放的视觉重访

Mengzhao Wang, Yanli Ji, Wangmeng Zuo, Peng Ye, Chongjun Tu

机构 * Sun Yat-sen University（中山大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Harbin Institute of Technology (HIT)（哈尔滨工业大学） ； Fudan University（复旦大学） ； 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） 纠错

AI总结 提出位置重绑定缓存复用（PRCR）框架，通过重绑历史视觉KV缓存的位置坐标，实现无重放的高效视觉重访，在多个多模态推理基准上平均准确率提升5%，计算量减少数万倍。

PMDformer: Patch-Mean Decoupling Information Transformer for Long-term Forecasting

PMDformer: 用于长期预测的补丁均值解耦信息Transformer

Ao Hu, Liangjian Wen, Jiang Duan, Yong Dai, He Yan, Dongkai Wang, Jun Wang, Yukun Zhang, Ruoxi Jiang, Zenglin Xu

机构 * Southwestern University of Finance and Economics（西南财经大学） ； Shanghai Academy of AI for Science（上海人工智能研究院） ； Fudan University（复旦大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； X-Humanoid Research Institute（X-Humanoid 研究院） ； Chengdu Everimaging Science and Technology Co., Ltd.（成都永新科技有限公司） ； Artificial Intelligence and Digital Finance Key Laboratory of Sichuan Province（四川省人工智能与数字金融重点实验室） 纠错

AI总结 提出补丁均值解耦方法分离趋势与残差形状，结合趋势恢复注意力和邻近变量注意力，提升长期时间序列预测的稳定性和准确性。

TransXion: A High-Fidelity Graph Benchmark for Realistic Anti-Money Laundering

TransXion: 一种高保真的图基准用于现实中的反洗钱

Keyang Chen, Mingxuan Jiang, Yongsheng Zhao, Zeping Li, Zaiyuan Chen, Weiqi Luo, Zhixin Li, Sen Liu, Yinan Jing, Guangnan Ye, Xihong Wu, Hongfeng Chai

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Institute of Financial Technology, Fudan University（复旦大学金融技术研究所） ； Peking University（北京大学） 纠错

AI总结 TransXion通过整合正常活动的profile-aware模拟与非模板生成的非法子图，解决现有交易图数据集的稀疏性和模板偏差问题，提供更真实的反洗钱检测测试环境。

Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26), 8707-8718, 2026

SEMixer: Semantics Enhanced MLP-Mixer for Multiscale Mixing and Long-term Time Series Forecasting

SEMixer: 语义增强的MLP-Mixer用于多尺度混合和长期时间序列预测

Xu Zhang, Qitong Wang, Peng Wang, Wei Wang

机构 * Shanghai Key Laboratory of Data Science, College of Computer Science and Artificial Intelligence Fudan University（上海数据科学 key 实验室，复旦大学计算机科学与人工智能学院） ； Harvard University（哈佛大学） 纠错

AI总结 提出SEMixer模型，通过随机注意力机制和多尺度渐进混合链，有效建模多尺度时间依赖并解决语义鸿沟问题，在10个公开数据集和真实无线网络数据上取得优异性能。

Comments This work is accepted by the proceedings of the ACM Web Conference 2026 (WWW 2026). The code is available at the link https://github.com/Meteor-Stars/SEMixer

Linguistics and Human Brain: A Perspective of Computational Neuroscience

语言学与人脑：计算神经科学的视角

Fudong Zhang, Bo Chai, Yujie Wu, Wai Ting Siok, Nizhuan Wang

机构 * Institute of AI and Robotics, College of Intelligent Robotics and Advanced Manufacturing, Fudan University（人工智能与机器人研究院，智能机器人与先进制造学院，复旦大学） ； Department of Language Science and Technology, The Hong Kong Polytechnic University（语言科学与技术系，香港理工大学） ； Department of Computing, The Hong Kong Polytechnic University（计算系，香港理工大学） 纠错

AI总结 本文从计算神经科学视角，通过建模、模拟和数据分析将语言层次动态结构转化为可测试神经模型，并利用深度学习和大语言模型探索语言处理的神经基础。

Journal ref Cognitive Neurodynamics, 2026

Limited Reference, Reliable Generation: A Two-Component Framework for Tabular Data Generation in Low-Data Regimes

有限参考，可靠生成：低数据场景下的表格数据生成双组件框架

Mingxuan Jiang, Keyang Chen, Yongxin Wang, Yongsheng Zhao, Ziyue Dai, Yicun Liu, Zeping Li, Qiuyang Zhang, Hongyi Nie, Hongbin Zhu, Sen Liu, Guangnan Ye, Hongfeng Chai

机构 * School of Computer Science, Fudan University（复旦大学计算机科学学院） ； Institute of Financial Technology, Fudan University（复旦大学金融技术研究院） ； Northwestern Polytechnical University（西北工业大学） 纠错

AI总结 提出ReFine框架，通过从可解释模型提取符号规则嵌入提示引导生成，并采用双粒度过滤减少局部冗余，在低数据场景下实现稳健的表格数据生成，平均提升7.48%。