The University of Hong Kong（香港大学）

Vis2Reg: Visibility-Aware Landmark-Free Geometric 3D--2D Registration for Liver Laparoscopy

Vis2Reg：用于肝脏腹腔镜检查的可见性感知无标记几何3D-2D配准

Jiaming Feng, Xukun Zhang, Shahid Farid, Sharib Ali

机构 * AI in Medicine and Surgery Group, School of Computer Science, University of Leeds（利兹大学计算机学院医学与外科人工智能小组） ； Department of Diagnostic Radiology, Li Ka Shing Faculty of Medicine, The University of Hong Kong（香港大学李嘉诚医学院放射诊断学系） ； Department of HPB and Transplant Surgery, St. James’s University Hospital（圣詹姆斯大学医院肝脏胰胆和移植外科） 纠错

AI总结 针对AR引导腹腔镜手术中3D-2D肝脏配准难题，提出Vis2Reg框架，利用掩码一致可见区域约束变形，引入可见性感知自监督，结合刚性初始化模块与隐式神经变形场，在真实数据集上验证了准确性与效率。

Comments 11 pages

Journal ref 29th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI'2026)

Is Progressive Disclosure All You Need for Long-Context Agents?

长上下文智能体仅靠渐进式披露就够了吗？

Yifeng He, Yinzhe Zhao, Jicheng Wang, Hao Chen

机构 * University of California, Davis（加利福尼亚大学戴维斯分校） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 研究长文档问答中智能体获取文档路径自行决定读取内容的模式，通过对照研究，在InfiniteBench上对比原始文档导航、Agent Skills包设计与经典混合检索器，发现不同情况下各方法表现不同，渐进式披露在语料库大时作用关键。

Miles: Metric Learning with Expandable Subspace for Pre-Trained Model-Based Class-Incremental Learning

Miles：基于预训练模型的类增量学习的可扩展子空间度量学习

Kai Jiang, Zisong Lin, Hongyuan Zhang, Xueru Bai, Xuelong Li

机构 * National Key Laboratory of Radar Signal Processing, Xidian University（西安电子科技大学雷达信号处理国家重点实验室） ； The University of Hong Kong（香港大学） ； Institute of Artificial Intelligence (TeleAI) of China Telecom（中国电信人工智能研究院） 纠错

AI总结 研究基于预训练模型的类增量学习问题，提出Miles方法，通过解耦可学习模块与预训练模型，利用骨干网络中间特征先验信息实现参数空间高效扩展，经实验验证在多种CIL设置中性能领先。

Comments This work has been accepted by IEEE Transactions on Image Processing

Journal ref IEEE Transactions on Image Processing, early access, 2026

Autoregressive B-Rep Shape Generation with Parametric Surfaces

基于参数曲面的自回归 B-Rep 形状生成

Dafei Qin, Rui Xu, Zeyu Shen, Kaichun Qiao, Hongyang Lin, Qixuan Zhang, Huaijin Pi, Lan Xu, Jingyi Yu, Wenping Wang, Taku Komura

机构 * The University of Hong Kong（香港大学） ； Deemos Technology Co., Ltd.（迪莫斯科技有限公司） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； ShanghaiTech University（上海科技大学） ； Texas A&M University（德克萨斯A&M大学） 纠错

AI总结 研究提出 ParaCAD 自回归框架，用于点云条件 B-Rep 生成，直接在原生参数曲面上运行，通过以曲面为中心的令牌化编码面信息，先生成参数曲面再构建 B-Rep，实验证明其在多方面优于基于点的基线。

Dataset Distillation by Influence Matching

通过影响匹配进行数据集蒸馏

Haoru Tan, Wang Wang, Sitong Wu, Xiuzhe Wu, Yangtian Sun, Chirui Chang, Shaofeng Zhang, Xiaojuan Qi

机构 * HKU（香港大学） ； CUHK（香港中文大学） ； Stanford（斯坦福大学） 纠错

AI总结 从结果角度重审数据集蒸馏，提出影响匹配方法，通过可微估计器量化参数变化，学习合成集使影响与真实数据集匹配，在分类和视觉语言蒸馏任务中表现出色，超越基线。

Journal ref CVPR 2026

AgentBrew: Lifelong Knowledge Brewing from Strong Teachers to Weak LLM Agents

AgentBrew：从强大教师到弱小语言模型智能体的终身知识酿造

Yangqin Jiang, Chao Huang

机构 * The University of Hong Kong（香港大学） 纠错

AI总结 研究语言模型智能体知识酿造问题，提出AgentBrew方法，含失败触发教师和学生感知合成两个组件，无需训练，能将教师交互经验提炼到学生外部记忆，经实验验证可产生强大且可部署的智能体。