The Hong Kong University of Science and Technology（香港科技大学）

Gaussian Wardrobe: Compositional 3D Gaussian Avatars for Free-Form Virtual Try-On

高斯服装：用于自由形式虚拟试穿的组合式3D高斯虚拟人物

Zhiyi Chen, Hsuan-I Ho, Tianjian Jiang, Jie Song, Manuel Kaufmann, Chen Guo

机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） ； ETH AI Center, ETH Zürich（苏黎世联邦理工学院人工智能中心） ； HKUST(GZ)（香港科技大学（广州）） 纠错

AI总结 Gaussian Wardrobe通过组合式3D高斯表示，实现从多视角视频中生成高保真虚拟人物，并支持自由形式服装的跨个体重用，提升虚拟试穿的实用性

Comments 3DV 2026, 16 pages, 12 figures

SlideSparse: Fast and Flexible (2N-2):2N Structured Sparsity

SlideSparse: 快速且灵活的(2N-2):2N结构稀疏

Hanyong Shao, Yingbo Hao, Ting Song, Yan Xia, Di Zhang, Shaohan Huang, Xun Wu, Songchen Xu, Le Xu, Li Dong, Zewen Chi, Yi Zou, Furu Wei

机构 * Peking University（北京大学） ； South China University of Technology（南方科技大学） ； Microsoft Research（微软研究院） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 SlideSparse通过滑动窗口分解和激活提升技术，在通用GPU上实现(2N-2):2N结构稀疏的高效加速，提升LLM推理效率的同时保持准确性。

Federated Heterogeneous Language Model Optimization for Hybrid Automatic Speech Recognition

联邦异构语言模型优化用于混合自动语音识别

Mengze Hong, Yi Gu, Di Jiang, Hanlin Gu, Chen Jason Zhang, Lu Wang, Zhiyang Su

机构 * Hong Kong Polytechnic University（香港理工大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Shenzhen University（深圳大学） 纠错

AI总结 本文提出了一种联邦异构语言模型优化方法，通过遗传算法和强化学习实现高效合并，提升混合自动语音识别系统的性能和可扩展性。

Comments Accepted by ICASSP 2026

U-Parking: Distributed UWB-Assisted Autonomous Parking System with Robust Localization and Intelligent Planning

U-Parking：基于UWB的分布式自主泊车系统，具备稳健定位与智能规划

Yiang Wu, Qiong Wu, Pingyi Fan, Kezhi Wang, Wen Chen, Guoqiang Mao, Khaled B. Letaief

机构 * Jiangnan University（江南大学） ； Zhuhai Fudan Innovation Institute（珠海复旦创新研究院） ； Tsinghua University（清华大学） ； Brunel University of London（布鲁内尔大学） ； Shanghai Jiao Tong University（上海交通大学） ； Southeast University（东南大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

AI总结 U-Parking通过整合大语言模型辅助规划、稳健定位与轨迹跟踪，实现具有挑战性的室内环境中的可靠自动化泊车。

Comments This paper has been accepted by infocom. The source code has been released at: https://github.com/qiongwu86/U-Parking

Diffusion Policy through Conditional Proximal Policy Optimization

通过条件近端策略优化实现扩散策略

Ben Liu, Shunpeng Yang, Hua Chen

机构 * Southern University of Science and Technology, Shenzhen, China（南方科技大学） ； Hong Kong University of Science and Technology, Hongkong, China（香港科技大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute, Haining, China（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） 纠错

AI总结 本文提出了一种基于条件近端策略优化的高效方法，用于在在线强化学习中训练多模态扩散策略，解决了计算动作对数似然的难题，并在多个基准任务中取得优异性能。

Track4World: Feedforward World-centric Dense 3D Tracking of All Pixels

Track4World: 基于馈送的世界中心密集3D追踪所有像素

Jiahao Lu, Jiayi Xu, Wenbo Hu, Ruijie Zhu, Chengfeng Zhao, Sai-Kit Yeung, Ying Shan, Yuan Liu

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； ARC Lab, Tencent PCG Project（腾讯PCG项目ARC实验室） 纠错

AI总结 Track4World提出一种高效的世界中心坐标系下所有像素密集3D追踪方法，通过新颖的3D相关方案实现优于现有方法的2D/3D流估计和追踪性能。

Comments Project Page: https://jiah-cloud.github.io/Track4World.github.io/ Code: https://github.com/TencentARC/Track4World

EgoTraj-Bench: Towards Robust Trajectory Prediction Under Ego-view Noisy Observations

EgoTraj-Bench: 向在第一人称视角噪声观测下实现稳健轨迹预测迈进

Jiayi Liu, Jiaming Zhou, Ke Ye, Kun-Yu Lin, Allan Wang, Junwei Liang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The University of Hong Kong（香港大学） ； Miraikan – The National Museum of Emerging Science and Innovation（Miraikan——新兴科学与创新国家博物馆） 纠错

AI总结 EgoTraj-Bench通过引入BiFlow模型，解决第一人称视角噪声观测下的轨迹预测问题，实现更鲁棒的预测性能。

GUIDE: A Diffusion-Based Autonomous Robot Exploration Framework Using Global Graph Inference

GUIDE: 一种基于扩散的自主机器人探索框架，使用全局图推断

Zijun Che, Yinghong Zhang, Shengyi Liang, Boyu Zhou, Jun Ma, Jinni Zhou

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 GUIDE通过结合全局图推断与扩散决策，提升机器人在复杂环境中的自主探索效率，实现更快的覆盖完成和更少的冗余运动。

MuRating: A High Quality Data Selecting Approach to Multilingual Large Language Model Pretraining

MuRating: 一种用于多语言大语言模型预训练的高质量数据选择方法

Zhixun Chen, Ping Guo, Wenhan Han, Yifan Zhang, Binbin Liu, Haobin Lin, Fengze Liu, Yan Zhao, Bingni Zhang, Taifeng Wang, Yin Zheng, Trevor Cohn, Meng Fang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； ByteDance（字节跳动） ； Eindhoven University of Technology（埃因霍温理工大学） ； University of Melbourne（墨尔本大学） ； University of Liverpool（利物浦大学） 纠错

AI总结 MuRating通过多语言评估器选择高质量数据，提升多语言大语言模型的预训练效果。

Comments NeurIPS 2025 poster