高校专区
4DHumanDiff：直接基于文本生成4DGS以实现一致的360度动态人类
机构 * School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院）
AI总结 针对文本生成360度动态人类的现有方法存在成本高、一致性差的问题，本文提出4DHumanDiff扩散框架，直接基于文本生成4DGS表示的动态人类，结合新数据集与技术，实现高效且一致性更好的生成。
Comments 14 pages
少即是多：通用AIGC音频-视频检测的模态解耦
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； University of Agder（阿格德大学）
AI总结 针对通用AIGC音频-视频检测，现有方法假设不总成立，本文提出DAV-Det系统，通过决策级融合独立建模各模态取证证据，视觉和音频检测器分别利用多粒度表示及门控双分支架构，在挑战赛中排名第一。
Comments First place in the General AIGC Audio-Video Detection Challenge at the IJCAI-ECAI 2026 DDL 2.0 Workshop
ReLATE：用于稳健无人机-卫星跨视角地理定位的可靠性引导证据融合
机构 * School of Electronics and Information Engineering, Harbin Institute of Technology（哈尔滨工业大学电子与信息工程学院） ； National Key Laboratory of Radar Detection and Sensing, Nanjing Research Institute of Electronics Technology（南京电子技术研究所雷达探测与感知国家重点实验室） ； School of Electrical and Electronic Engineering, University of Manchester（曼彻斯特大学电气与电子工程学院）
AI总结 针对无人机-卫星跨视角地理定位在实际飞行中受多种因素影响、现有方法稳健性不足的问题，提出ReLATE框架，通过可靠性自适应特征融合提升稳健性，在UAVSat-Deg基准测试中表现最佳，且干净图像精度具竞争力。
表格型马尔可夫决策过程中具有转移过渡动态的混合强化学习统一算法框架
机构 * Southern University of Science and Technology（南方科技大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能研究院）
AI总结 研究表格型MDP中混合强化学习，提出含MIN-UCB-VI和MAX-LCB-VI的统一算法框架，利用细粒度偏差信息有效利用离线数据，给出理论保证并通过实验验证，解决离线数据因转移动态而无效的问题。
Comments 59 pages, 3 figures, and 2 tables
用于结构化超材料统一生成设计的引导拓扑分布
机构 * Imperial College London（伦敦帝国理工学院） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Southwest Jiaotong University（西南交通大学） ； Ningbo University（宁波大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究结构化超材料设计问题，提出GenTO统一框架，通过训练扩散模型并引导拓扑分布，能为异构任务重用拓扑先验，保留结构多样性，获高性能方案，确立拓扑知识为超材料设计统一原则。
PRISM：通过基于图像的自我奖励机制进行文本到图像生成的提示优化
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Sun Yat-sen University（中山大学） ； South China University of Technology（华南理工大学） ； Guangdong University of Technology（广东工业大学）
AI总结 针对文本到图像生成模型对提示制定敏感的问题，提出PRISM框架，通过基于图像的自我奖励机制，利用结构化视觉诊断和多任务监督微调等方法，提高图像质量和语义对齐，并提供可解释反馈。
Comments 18 pages, 5 figures
StanceFlip：用于多模态对话立场翻转预测的综合多维基准测试
机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件学院） ； Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）） ； City University of Macau（澳门城市大学）
AI总结 研究针对现有对话立场检测基准测试的局限，提出StanceFlip基准测试及ConStaFF框架，含多模态立场六元组提取和动态立场翻转归因两个新子任务，基于大语言模型实现端到端立场推理，实验显示该方法性能领先。
Comments 17pages, 8 figures
神经形态目标检测：深入研究与未来方向
机构 * Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Chinese Academy of Sciences（中国科学院） ； Italian Institute of Technology（意大利理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh（匹兹堡大学） ； Sorbonne Université（索邦大学） ； INSERM（法国国家健康与医学研究院） ； CNRS（法国国家科学研究中心） ； Institut de la Vision（视觉研究所）
AI总结 针对传统相机在特定条件下目标检测的挑战，本文对神经形态目标检测算法进行全面调查和基准测试，从多视角探索现有方法，评估多种模型并分析结果，讨论未解决问题，为该领域研究提供资源与方向。
Comments Accepted by Proceedings of the IEEE
FSE：通过快速-慢速专家进行命名实体识别的持续学习
机构 * School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院）
AI总结 研究命名实体识别的持续学习问题，提出FSE模型，通过快速-慢速专家结合及长度衰减负采样策略，在跨任务知识共享、减轻学习负担等方面发挥作用，在CLNER场景中取得了最优性能。
Comments Preprint submitted to Pattern Recognition Letters
从水平集演化到阈值优化：用于图像分割的灰度水平集框架
机构 * School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院）
AI总结 针对图像分割中多种退化情况分割的难题，该研究基于对长度项的理论分析，构建灰度水平集，提出将偏微分方程演化转化为一维阈值搜索的快速分割框架，有效提升计算速度，经实验验证了其在多种退化图像上的分割性能。
用于均匀结构弱边界分割的平滑相分离模型
机构 * School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院）
AI总结 针对相邻结构弱边界分割难题，提出基于Cahn-Hilliard方程的平滑相分离变分模型，结合区域拟合与相场正则化，引入梯度流并开发SAV方案，实验表明该方法能有效分割弱边界相邻均匀结构，提升分割精度与边界定位。
CLUIE：用于水下图像增强的具有局部结构补偿的聚类感知循环传播
机构 * School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； School of Computer Science, Wuhan University（武汉大学计算机科学学院）
AI总结 针对水下图像增强难题，提出聚类感知RWKV框架CRWKV，引入聚类感知语义动态重排序和暗响应调制局部传播，使WKV状态沿语义相关区域积累，补偿局部结构线索，在多个水下图像增强基准测试中取得最优性能。
Comments 13 pages, 12 figures, IEEE Transactions on Image Processing journal paper, code available at https://github.com/geekpool/CLUIE. This paper presents CLUIE, a clustering-aware recurrent RWKV framework for spatially heterogeneous underwater image enhancement, with full-reference/no-reference quantitative comparisons, comprehensive ablation studies and feature visualization for CSDR and DMLP modules
因果智能体图像恢复：用于自适应图像恢复智能体的自进化因果记忆
机构 * Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 针对图像恢复智能体知识存储局限，提出Causal-AgentIR框架，通过构建结构化因果记忆图及协作系统，支持智能体进行因果推理，依质量变化和反馈调整恢复经验，有效提升图像恢复能力。
DC-Leap：通过草稿引导的连续跳跃解码实现无训练的dLLMs加速
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
AI总结 研究针对dLLMs并行解码中因保守置信阈值致效率低的问题，提出DC-Leap框架。其采用动态连续验证策略消除JPDE，结合草稿引导解码机制。实验表明该框架能大幅加速dLLMs，长序列生成加速显著，且保证生成质量。
用于红外与可见光图像融合的电流注入脉冲神经网络
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； The Hong Kong Polytechnic University（香港理工大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； State Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理国家重点实验室）
AI总结 研究红外与可见光图像融合问题，提出CIS - Fuse脉冲网络，通过电流注入脉冲算子在膜电位水平实现跨模态融合，构建双向跨模态融合模块并部署在双分支架构上，实验表明其融合质量与基于ANN的方法相当且更节能。
一种从网络威胁情报报告中提取可达攻击链的自动化框架
机构 * Guangdong Provincial Key Laboratory of Novel Security Intelligence Technologies（广东新型安全情报技术重点实验室） ； School of Computer Science and Technology（计算机科学与技术学院） ； Harbin Institute of Technology（哈尔滨工业大学） ； New Network Research Department（新网络研究部） ； Peng Cheng Laboratory（鹏城实验室） ； Great Bay University（大湾区大学）
AI总结 该研究针对CTI报告非结构化无法用于自动化攻击路径推理的问题，提出将攻击步骤建模为含条件和行为的单元，经多阶段管道结合大语言模型提取并规范化，编译成规则推理，在数据集上有更好表现，能有效提取可达攻击链。
Comments 16 pages, 3 figures
脑电到文本在现实场景中可行吗？使用受神经心理学启发的基准进行深入分析
机构 * Research Center for Social Computing and Interactive Robotics, Harbin Institute of Technology（哈尔滨工业大学社会计算与交互机器人研究中心） ； Shanghai Innovation Institute（上海创新院） ； State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Zhongguancun Laboratory（中关村实验室）
AI总结 探讨脑电到文本在现实场景的可行性，利用受神经心理学启发的范式，发现现有基准忽略脑电不稳定性问题。通过实验为无教师强制的EEG2Text解码提供证据，构建COFETT基准，可区分模型性能，实现稳健评估，推动EEG2Text实际应用。
Comments 17 pages, 8 figures. Published in Proceedings of ACL 2026 Main Conference
Journal ref Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics, Volume 1: Long Papers (2026), 1378-1393
SEE：用于长视野GUI代理轨迹合成的结构感知探索与利用
机构 * Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海）） ； Harbin Institute of Technology (Weihai) Qingdao Research Institute（哈尔滨工业大学（威海）青岛研究院）
AI总结 针对GUI代理轨迹合成中缺乏高覆盖率长视野轨迹的问题，提出SEE两阶段数据合成框架，通过高效探索和基于图的合成，产生可重复可解释数据，避免虚假循环，提升代理任务成功率和泛化能力，还将发布代码和数据集。
Comments Accepted by ACM International Conference on Multimedia 2026 (ACM MM 2026)
用于高效基于高斯的图像表示的局部感知密度控制
机构 * Shenzhen University（深圳大学） ； Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 研究二维高斯喷溅图像表示中高斯容量分配低效问题，提出局部感知密度控制框架LocoADC，通过区域高斯致密化和相似性驱动高斯合并策略及局部颜色一致性约束，有效提升高斯容量利用率，改进图像表示。
Comments Accepted by ACMMM 2026
ConceptTree：为机器人操作的黑箱决策带来语义透明度
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Nanyang Technological University（南洋理工大学）
AI总结 研究长期机器人操作中可解释决策问题，提出ConceptTree框架，将高级技能选择重构为基于视觉观察的概念推理。该方法学习归一化概念空间并训练决策树，实验表明其优于现有基线，支持细粒度干预以纠正决策错误。
ShotPlan：使用可学习规划令牌生成电影级视频
机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 针对电影级视频生成难题，提出ShotPlan框架，基于视频扩散基础模型，引入可学习规划令牌捕捉镜头过渡线索，结合分数时间旋转位置嵌入在帧级别建模，实验证明其优于现有方法，提升了镜头管理与一致性。
Comments Project page: https://pensioner-11.github.io/ShotPlan/
HCPG-Flow：用于流策略机器人操作的分层接触进展引导
机构 * State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（机器人技术与系统国家重点实验室，哈尔滨工业大学）
AI总结 研究机器人操作流策略中动作选择问题，提出HCPG-Flow方法，通过分层、以对象为中心的接触进展引导增强SAC-Flow，在模拟和物理任务中提高成功率，减少完成时间。
用于域增量目标检测的正交知识刷新
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Nankai University（南开大学） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 研究域增量目标检测问题，提出正交知识刷新（OKR）框架，通过构建特定域子空间、采用正交刷新策略和拓扑感知一致性，减少知识干扰和语义碎片化，实验表明该方法在mAP上比最佳无范例方法有显著提升。
Comments Accepted by ECCV 2026
用于大语言模型训练后处理的蒸馏强化学习
机构 * College of Elite Engineers, Nankai University（南开大学精英工程师学院） ； Zhongguancun Academy（中关村学院） ； Beijing Institute of Technology（北京理工大学） ； Zhejiang University（浙江大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Harbin Institute of Technology（哈尔滨工业大学） ； College of Software, Nankai University（南开大学软件学院）
AI总结 研究大语言模型训练后处理问题，提出蒸馏强化学习方法，集成教师监督到RL目标，含反向重要性采样等三个组件，能有效转移知识，在家族内和跨家族蒸馏实验中性能大幅优于标准RL和OPD。
用于噪声标签学习的单变量基函数鲁棒损失
机构 * School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院） ； School of Earth and Space Sciences, Peking University（北京大学地球与空间科学学院）
AI总结 针对噪声标签学习问题，提出从单变量基函数构建鲁棒多类损失的框架，开发两种方案并分析其性质，推导理论标准，所提损失在多噪声设置下经实验验证有竞争力或更优。
用于文本引导医学图像分割的定位注入视觉语言语义融合
机构 * Air Force Engineering University（空军工程大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Sydney（悉尼大学） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院）
AI总结 研究针对文本引导医学图像分割，提出LoG框架，通过联合执行多尺度目标定位任务，实现三级定位注入语义融合，在三个基准数据集实验中表现出色，优于现有医学图像分割方法。
GMoT：用于基于多模态大语言模型的细粒度微手势视频推理的门控运动感知令牌化
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Great Bay University（大湾区大学） ； Dongguan Key Laboratory for Intelligence and Information Technology（东莞市智能信息技术重点实验室）
AI总结 研究针对微手势识别中运动易被掩盖及MLLMs处理运动学困难的问题，提出GMoT模块，通过空间加权池等提取运动线索并融合，引入渐进奖励引导策略优化范式，在多数据集上表现出色，还提出BRG召回及跨域转移协议。
Comments Accepted to ACM MM 2026
CIGPO：用于多轮证据阅读语言模型代理的上下文信息增益策略优化
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 研究多轮证据阅读语言模型代理训练不稳定问题，提出CIGPO方法，通过方差注入策略，利用冻结参考模型对数似然边际增加作逐轮信号，避免奖励方差崩溃，在HotpotQA实验中取得更好效果。
地图作为提示：学习用于跨场景无线定位的多模态空间信号基础模型
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院）
AI总结 针对无线定位在不同环境中面临的挑战及现有方法的局限，提出多模态基础模型SigMap，通过循环自适应掩码策略和“地图即提示”框架学习无线表示并实现跨场景适应，实验证明其性能领先且零样本泛化能力强。
Comments 17pages, 9 figures, poster in International Conference on Learning Representations (ICLR), 2026
InCarEmo：用于车内情感识别和驾驶员状态监测的多模态数据集
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； SERES（赛力斯）
AI总结 针对现有车内情感计算数据集局限，引入多模态InCarEmo数据集，整合多种数据支持情感识别、疲劳检测和分心监测等任务，构建中英文基准并给出基线结果，证明多模态融合优势，为车内情感理解奠基，推动人车交互发展。
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