高校专区
保留伪造痕迹：在原生尺度上进行AI生成视频检测
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Peking University（北京大学）
AI总结 本文提出在原生尺度上进行AI生成视频检测的新方法，通过构建大规模数据集和新型框架，有效保留高频率伪影和时空不一致特征，提升检测性能。
Comments ICLR 2026 Camera Ready
代理为代理：一种基于 interrogator 的安全框架，用于自主水下物联网
机构 * AI Center, Faculty of Computer and Information Systems, Islamic University of Madinah（伊斯兰麦地那大学计算机与信息系统学院人工智能中心） ； College of Computer Studies, University of Technology Bahrain（巴林科技大学计算机研究学院） ； Faculty of Computer Studies, Arab Open University-Bahrain（阿拉伯开放大学巴林分校计算机研究学院） ； Department of Computer Science, The Islamia University of Bahawalpur（巴哈瓦尔布尔伊斯兰大学计算机科学系） ； ICESCO Chair in Big Data Analytics and Edge Computing, Quaid-e-Azam University（真纳大学ICESCO大数据分析与边缘计算教席） ； Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海））
AI总结 本文提出一种基于 interrogator 的安全框架，用于自主水下物联网，通过行为信任监控提升协调能力，同时保持可扩展性和部署效率。
Comments This paper was presented in ICETAS 2026 in Bahrain
基于模式的规划和混合知识工具集的可靠知识图谱三元组验证
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Bay Area International Business School, Beijing Normal University（北京师范大学湾区国际商学院）
AI总结 本文提出SHARP，一种无需训练的自主代理，通过动态策略规划、主动调查和证据推理改进知识图谱三元组验证的稳定性与解释性，实验证明其在FB15K-237和Wikidata5M-Ind上准确率提升显著。
假设图细化：基于假设的探索与级联错误校正的具身导航
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； Peking University（北京大学）
AI总结 本文提出HGR框架，通过假设节点的可修改性实现具身导航中的定向探索，并通过级联校正系统性地纠正错误。实验显示HGR在GOAT-Bench和QA基准上均取得显著提升。
GenSmoke-GS：一种基于生成模型的多阶段方法，用于从烟雾退化图像中生成新视角
机构 * School of Computer Science and Technology, Hangzhou Dianzi University（杭州电子科技大学计算机科学与技术学院） ； School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院）
AI总结 本文提出GenSmoke-GS方法，通过多阶段流程提升烟雾退化图像的可视性，减少场景内容变化，实验表明其在定量和视觉质量上优于基线模型。
ECHO：基于多智能体协作的多媒体事件提取的事件中心超图操作
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tianjin University（天津大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 ECHO通过多智能体协作将多媒体事件提取重构为超图的迭代优化过程，明确事件结构并提高可审查性，实验表明其在事件提及和论证角色上分别提升了7.3和15.5个F1分数。
动态全身体舞与人形机器人——一种基于模型的控制方法
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） ； Xidian University（西安电子科技大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本文提出了一种基于模型的框架，用于生成和执行人形机器人上的动态全身体舞动作。框架分为离线动作生成和在线动作执行两个阶段，利用未来状态预测实现鲁棒且动态的舞动动作。
爱我，爱我的标签：重新思考标签在视觉上下文学习中的提示检索中的作用
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）
AI总结 本文提出LaPR框架，通过增强标签信息提升视觉上下文学习中提示检索的性能，实验表明其在分割、检测和着色任务中表现优异。
Comments Accepted to CVPR 2026. 10 pages, 5 figures, 3 tables
想象之前聚焦：扩散引导的寄存器增强部分相关视频检索
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出DreamPRVR，通过粗到细的表示学习范式，利用扩散模型生成全局语义寄存器，提升部分相关视频检索的准确性与鲁棒性。
Comments Accepted to CVPR 2026. 15 pages, 7 figures, 3 tables
基于课程学习和密度信息的深度图像聚类
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出IDCL方法，首次引入密度信息的模型训练策略，通过课程学习和密度核心改进聚类鲁棒性与收敛速度。
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