高校专区
CineBrain: 一种大规模多模态大脑数据集用于自然视听叙事处理
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 CineBrain通过多模态融合编码器和神经潜在解码器实现动态视频重建，利用fMRI和EEG互补优势提升视觉保真度，并揭示听觉输入对视觉感知的影响。
Comments Project Page: https://jianxgao.github.io/CineBrain
V-RGBX：具有精确内在属性控制的视频编辑
机构 * Fudan University（复旦大学） ； Adobe Research（Adobe研究院） ； Stanford University（斯坦福大学）
AI总结 V-RGBX通过端到端框架实现基于内在属性的视频编辑，支持直观且物理合理的视频修改，适用于物体外观和场景重照明等应用。
Comments Project Page: https://aleafy.github.io/vrgbx
重建作为事件驱动视觉问答的桥梁
机构 * Peking University（北京大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学）
AI总结 本文提出基于重建的框架，通过FRT和ART方法提升事件驱动视觉问答性能，并引入EvQA基准验证其有效性。
多类工业异常检测的协同重建与修复
机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（智能机器人与先进制造学院，复旦大学） ； College of Physics and Electromechanical Engineering, Hexi University（物理与机电工程学院，河西大学） ； College of Design and Innovation, Tongji University（设计与创新学院，同济大学） ； Shanghai Key Lab of Intelligent Information Processing, College of Computer Science and Artificial Intelligence, Fudan university（智能信息处理上海重点实验室，计算机科学与人工智能学院，复旦大学） ； School of Biomedical Engineering, Tsinghua University（生物医学工程学院，清华大学）
AI总结 本研究提出协同重建与修复框架，通过优化解码器和引入特征遮蔽技术，有效解决工业异常检测中的身份映射问题，提升多类异常检测性能。
Comments Accepted to Data Intelligence 2025
大规模生态环境中复杂行为的出现
机构 * Harvard University（哈佛大学） ； Fudan University（复旦大学） ； University of Washington（华盛顿大学）
AI总结 研究通过大规模生态模拟探索复杂行为的涌现机制，利用进化算法和大规模智能体系统揭示环境规模对行为稳定性的影响。
Comments 33 pages, 23 figures, 12 tables, experiment code available at https://github.com/jbejjani2022/ecological-emergent-behavior
HyperAdaLoRA: 通过超网络在训练过程中加速LoRA秩分配而不牺牲性能
机构 * Harvard University（哈佛大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Fudan University（复旦大学） ； University of Chicago（芝加哥大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； South China Normal University（华南师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai University of Engineering Science（上海工程技术大学）
AI总结 HyperAdaLoRA通过超网络实现训练过程中LoRA秩分配的加速，提升收敛速度同时保持性能
Comments 13 pages
FuncGenFoil：函数空间中的机翼生成与编辑模型
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Shanghai Aircraft Design and Research Institute（上海飞机设计与研究院） ； Innovation Academy for Microsatellites of CAS（中国科学院微卫星创新院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 FuncGenFoil通过函数空间建模实现机翼生成与编辑，提升生成精度与多样性，为高保真空气动力学设计提供新框架。
MeViS：一种多模态数据集，用于指称运动表达视频分割
机构 * Fudan University（复旦大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Nanyang Technological University（南洋理工大学）
AI总结 MeViS数据集通过多模态数据提升视频分割中运动表达的理解能力，提出LMPM++方法实现新突破。
Comments IEEE TPAMI, Project Page: https://henghuiding.com/MeViS/
Journal ref in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 47, no. 12, pp. 11400-11416, 2025
MMSI-Video-Bench: 一个面向视频基于空间智能的综合基准
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 MMSI-Video-Bench是一个综合评估视频基于空间智能的基准，通过多任务和多数据集评估25个MLLMs，揭示了人机推理差距和模型泛化不足的问题。
RoleRMBench & RoleRM：迈向基于角色扮演的对话系统奖励建模
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Saarland University（萨尔兰州大学） ； Tencent Youtu Lab（腾讯优图实验室）
AI总结 RoleRMBench与RoleRM旨在通过连续隐式偏好训练提升角色扮演对话系统中奖励建模的准确性与连贯性。
ShotDirector: 电影化可控多镜头视频生成
机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 ShotDirector通过整合参数级相机控制和分层编辑模式感知提示，实现了电影化可控的多镜头视频生成。
Comments Project Page: https://uknowsth.github.io/ShotDirector/
超越文字和像素：生成模型中隐式世界知识推理的基准测试
机构 * MeiGen AI Team, Meituan（美团梅基因AI团队） ； Fudan University（复旦大学） ； D^{4} Lab（D⁴实验室） ； HHMI Janelia Research Campus（HHMI贾能实验室）
AI总结 本文提出PicWorld基准测试，用于评估生成模型在隐式世界知识和物理因果推理方面的能力，揭示了现有T2I模型在这些方面的局限性，并提出了证据基础的多代理评估器进行细粒度评估。
双向表示增强的自回归生物序列生成
机构 * Fudan University（复旦大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学）
AI总结 本文提出混合框架，通过结合非自回归机制与自回归生成，提升生物序列生成的双向依赖建模能力。
Comments Accepted by NeurIPS 2025
RAD：迈向可信的检索增强多模态临床诊断
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） ； Shanghai AI Laboratory（上海人工智能实验室） ； CMIC, Shanghai Jiao Tong University（上海交通大学计算机学院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Institute of Artificial Intelligence for Medicine, Shanghai Jiao Tong University（上海交通大学医学人工智能研究所）
AI总结 RAD通过检索增强多模态模型，提升临床诊断的可信度与准确性，实现任务特定知识的显式注入。
Comments Accepted to NeurIPS 2025
Game-RL: 合成多模态可验证游戏数据以提升VLMs的通用推理能力
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 Game-RL通过合成多模态可验证游戏数据提升VLMs的通用推理能力。
Comments 69 pages, 24 figures
基于谱序列化通用序排名的半监督深度回归对比学习
机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学电子与计算机工程系） ； School of Science, Sun Yat-sen University（中山大学科学学院） ； Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University（复旦大学脑启发式智能科学与技术研究院）
AI总结 本文提出一种基于谱序列化通用序排名的半监督深度回归对比学习方法，通过引入标记样本和未标记样本构建特征相似性矩阵，提升模型鲁棒性。
通过非局部消息传递解决图神经网络中的过度平滑问题：代数平滑与深度可扩展性
机构 * School of Mathematical Sciences, Fudan University（复旦大学数学学院）
AI总结 本文提出一种基于Post-LN的非局部消息传递方法，通过代数平滑解决图神经网络中的过度平滑问题，并支持更深层网络，提升性能且无需额外参数。
Comments 18 pages, 4 figures
一种面向传感器的现象学框架用于激光雷达退化仿真和SLAM鲁棒性评估
机构 * Turku Intelligent Embedded and Robotic Systems (TIERS) Lab , University of Turku（图尔库智能嵌入与机器人系统实验室，图尔库大学） ； School of Information Science and Technology, Fudan University（信息科学与技术学院，复旦大学）
AI总结 本文提出一种面向传感器的现象学框架，用于模拟激光雷达退化并评估SLAM系统的鲁棒性，通过保留点云结构并应用多种退化方法，实现可控的仿真测试。
SlideGen：用于科学幻灯片生成的协作多模态智能体
机构 * Stony Brook University（石溪大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Fudan University（复旦大学）
AI总结 SlideGen通过协作多模态智能体实现科学论文到高质量幻灯片的生成，提升视觉质量和内容忠实度。
UniPruning：统一局部度量和全局反馈以实现可扩展的稀疏大语言模型
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 UniPruning通过结合局部显著性度量和全局协调，提供一种高效且可扩展的后训练剪枝方法，支持多种稀疏度格式并提升LLM性能。
领域-RAG：跨领域少样本目标检测的检索引导组合图像生成
机构 * Fudan University（复旦大学） ； Fuzhou University（福州大学） ； East China Normal University（华东师范大学） ； HKUST(GZ)（香港科技大学（广州））
AI总结 Domain-RAG通过检索引导的组合图像生成方法，解决跨领域少样本目标检测中的领域对齐与背景生成问题，实现高质量样本生成。
Unison: 一个完全自动、任务通用且低成本的统一理解和生成框架
机构 * The University of Hong Kong（香港大学） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 Unison提出一个低成本、全自动的多模态理解和生成框架，通过两阶段方案实现任务自适应，覆盖多种理解和生成任务，提升生成质量与自动化水平。
超越现实：旋转位置嵌入的虚数扩展用于长上下文LLM
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Lab（上海人工智能实验室） ； China Unicom（中国联合网络通信集团）
AI总结 本文提出通过复数扩展提升旋转位置嵌入，以增强长上下文LLM对位置信息的建模能力。
Comments 20 pages, 6 figures, under review
Mimir：基于不确定性传播的分层目标驱动扩散用于端到端自动驾驶
机构 * Institue of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； China University of Geosciences（中国地质大学） ； Fudan University（复旦大学）
AI总结 Mimir通过不确定性传播和多速率指导机制，提升端到端自动驾驶中轨迹生成的鲁棒性和推理效率。
VideoVLA: 视频生成器可以成为通用的机器人操作器
机构 * IAIR, Xi’an Jiaotong University（人工智能研究院、西安交通大学） ； Microsoft Research Asia（微软亚洲研究院） ； Fudan University（复旦大学）
AI总结 VideoVLA通过将视频生成模型转化为机器人VLA操作器，实现了动作与视觉后果的双预测，提升机器人操作的泛化能力。
Comments Project page: https://videovla-nips2025.github.io
Journal ref The Thirty-ninth Annual Conference on Neural Information Processing Systems(NeurIPS2025)
FASTer：通过神经动作分词实现高效的自回归视觉语言动作建模
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Galaxea AI ； Tianjin University（天津大学） ； Hong Kong University（香港大学） ； UCSD（加州大学圣地亚哥分校）
AI总结 FASTer通过神经动作分词实现高效自回归视觉语言动作建模，提升机器人学习的推理效率和任务性能。
MM-ACT: 从多模态并行生成中学习以行动
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学）
AI总结 MM-ACT通过多模态并行生成提升机器人任务执行能力，实现96.3%的成功率。
Comments 17 pages
Unilaw-R1：基于强化学习和迭代推理的法律推理大语言模型
机构 * UniDT ； Fudan University（复旦大学）
AI总结 Unilaw-R1通过强化学习和迭代推理，提升法律推理能力，在多个基准测试中超越同类模型。
协变量细化的鲁棒部分信息转移与条件尖峰- slab先验
机构 * Department of Statistics and Data Science, Fudan University（复旦大学统计与数据科学系） ； Department of Biostatistics, Epidemiology and Informatics, University of Pennsylvania（宾夕法尼亚大学生物统计学、流行病学与信息学系） ； Department of Statistics and Applied Probability, University of California, Santa Barbara（加州大学圣芭芭拉分校统计学与应用概率系）
AI总结 本文提出CONCERT方法，通过条件尖峰- slab先验实现高维数据的鲁棒部分信息转移，同时完成变量选择与信息转移，提升迁移学习性能。
Comments 35 pages, 4 figures
空间检索增强的自动驾驶
机构 * Institute of Trustworthy Embodied AI, Fudan University（可信具身人工智能研究院，复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Key Laboratory of Target Cognition and Application Technology, Aerospace Information Research Institute, Chinese Academy of Sciences（目标认知与应用技术重点实验室，航天信息研究所，中国科学院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出空间检索范式，通过引入离线地理图像提升自动驾驶任务性能，扩展nuScenes数据集并建立多个基准测试。
Comments Demo Page: https://spatialretrievalad.github.io/ with open sourced code, dataset, and checkpoints
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