高校专区
CameraAnything：使用任意相机控制重新拍摄视频
机构 * The Chinese University of Hong Kong（香港中文大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 CameraAnything是用于相机控制视频编辑的统一框架，采用逐像素普吕克光线注入等方法联合控制相机参数，开发合成管道克服数据稀缺，能在单过程中实现多种视频编辑操作，为视频制作提供实用价值。
Comments Project page: https://yixuanli98.github.io/cameraanything/
SIREN：借助基于经验的大语言模型智能体实现端到端极端天气预警
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； The World Sustainable Development Institute（世界可持续发展研究所）
AI总结 研究借助大语言模型智能体实现端到端极端天气预警。开发了包含多任务问答实例的SIREN-Bench基准，发现现有框架差距后，构建基于经验的SIREN框架，结合多种技术，实验证明其在预警程序和预警链上优于基线。
MSVS-VAE：用于高保真3D重建的多尺度锚定向量集
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lightspeed Studios（光速工作室）
AI总结 研究针对高保真3D重建中VAE的瓶颈问题，提出MSVS-VAE。通过分层点洗牌上采样 densify 锚定向量集潜在特征，用AVS-Conv取代全局交叉注意力，引入多尺度查询解码融合特征，实验表明其性能优于现有方法，解码速度和紧凑性有显著提升。
每个客户端都是一个环境：用于时空预测的联邦去混淆
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； Harbin Engineering University（哈尔滨工程大学）
AI总结 针对时空预测，提出联邦去混淆框架\method，将客户端视为不同因果环境，利用客户端异质性作为分布式环境证据，学习全局原型码本捕获共享环境模式，推导理论边界，实验证明其优于联邦基线，提供可转移等环境表示。
推理以规范：用于交通规则理解的思维链
机构 * CUHK-SZ, Shenzhen-FNii（香港中文大学（深圳），深圳高等金融研究院） ； HKUST(GZ)（香港科技大学（广州）） ； Tencent T Lab（腾讯T实验室）
AI总结 针对交通规则理解这一自动驾驶关键挑战，提出为视觉语言模型配备思维链能力的框架，设计整理管道，采用两阶段训练方案，显著提升了可解释性和准确性，建立首个基于推理的自动驾驶框架。
Comments Technical Report
MarineEVT：通过视觉工具推理推进以事件为中心的海洋视频理解
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 针对海洋视频理解面临的挑战，构建MarineEVT数据集，将其理解分解为EVT-R1过程，利用视觉工具驱动模型。实验显示EVT-R1优于多个SOTA VLMs，为海洋相关发展奠定基础并推动VLMs进步。
Comments Accepted to The 19th European Conference on Computer Vision (ECCV) 2026
MemVLN：用于视觉与语言导航的情景记忆和程序记忆
机构 * The Chinese University of Hong Kong（香港中文大学） ； LIGHTSPEED（光速） ； The University of Hong Kong（香港大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究连续环境中视觉与语言导航问题，提出MemVLN框架，利用视觉编码器、大语言模型，通过情景记忆管理和程序记忆，实现实时推理，提升导航成功率并降低推理延迟。
γ-桥：一种外观参数化扩散桥
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Macquarie University（麦考瑞大学） ； Ningxia University（宁夏大学）
AI总结 针对乘法伽马噪声在相干成像中的问题，提出γ-桥这一外观参数化扩散桥，通过特定调度连接噪声观测与干净极限，结合均匀补丁外观估计器，能处理多传感器数据，实现零样本恢复且结果领先，还提供可物理解释的控制。
Comments 13 pages, 9 figures
Spatula：探索用于属性控制的按需原位界面和交互
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Utah（犹他大学） ； University of Utah Salt Lake City USA（犹他大学盐湖城美国）
AI总结 研究针对生成内容属性控制问题，提出Spatula系统，基于技术探针沿四个维度探索属性控制空间，用户研究显示其交互直观便捷，支持多样参数控制，且即插即用设计可推广到其他领域。
IB-Flow：用于少步文本到图像生成的信息瓶颈引导的CFG蒸馏
机构 * Tsinghua University（清华大学） ； Wan Team, Alibaba Group（万团队，阿里巴巴集团） ； HKUST（香港科技大学） ； Beijing Normal University（北京师范大学）
AI总结 研究针对少步文本到图像生成中推理延迟问题，通过信息论将蒸馏建模为信息瓶颈引导的动态互信息博弈，提出双轨自适应框架，消除过度条件化伪影，在2步配置下实现SOTA生成保真度。
超越可教内容的搜索：拓展智能体视觉生成的知识边界
机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of Waterloo（滑铁卢大学） ； Qwen Applications（通义千问应用） ； Imperial College London（帝国理工学院）
AI总结 针对视觉生成器的世界知识瓶颈，构建专用数据集与基准，提出教-搜协同训练框架定位动态知识边界，实现知识驱动的可迭代视觉生成性能提升。
机制驱动的LLM训练不稳定性抢先检测监控器
机构 * HKUST（香港科技大学） ； Huawei（华为） ； Independent Researcher（独立研究者）
AI总结 针对大语言模型训练中的数值或超参数故障，提出基于模块功能角色的内部监控器，通过QK双线性分解谱熵和MoE路由器指标，在损失发散前数千步检测到不稳定性。
AutoFed: 通过自适应提示实现个性化联邦交通预测
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 本文提出AutoFed框架，通过自适应提示学习实现个性化联邦交通预测，解决传统联邦学习在非独立同分布数据下的不足，无需手动调参，提升交通预测性能。
将MARL连接到SARL：一种通过潜在共识的顺序无关多智能体Transformer
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 本文提出CMAT框架，通过Transformer编码器处理联合观测空间，利用层次决策机制生成共识向量，实现顺序无关的联合决策，优于传统MARL方法。
重新思考用于大语言模型的前景理论：在认知不确定性下决策的不稳定性
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文重新审视前景理论在大语言模型中的应用，发现其在认知不确定性下的决策稳定性存在问题，指出前景理论可能无法可靠地处理此类不确定性。
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