高校专区
GenRouter：面向智能体图像生成的统一工作流路由
机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； SUSTech（南方科技大学） ； ZODA ； CUHK（香港中文大学）
AI总结 GenRouter是首个智能体图像生成的统一工作流路由框架，通过需求分析、经验匹配、帕累托过滤实现自适应路由，可大幅降低计算开销与延迟并提升视觉对齐效果。
Comments Code: this https URL (https://github.com/EnVision-Research/GenRouter)
MatchingPolicy：具备对应感知能力的策略实现跨物体的上下文学习
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 该研究提出MatchingPolicy框架，通过解耦演示-场景匹配与策略学习，结合视觉基础模型和两阶段匹配算法，在RLBench及真实操作任务上实现了跨物体的少样本泛化性能提升。
H-PAC Hand：面向控制的建模与欠驱动机械手的肌腱弹性补偿
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Southeast University（东南大学）
AI总结 本文提出模块化欠驱动机械手H-PAC，通过面向控制的建模与肌腱弹性补偿方法，结合分层控制架构，大幅提升关节角度预测精度，实现无传感器下的位姿与抓取控制。
Comments 7 pages, 6 figures. Extended preprint
基于K近邻图的高效核心集选择
机构 * Xidian University（西安电子科技大学） ； Hangzhou Institute, Xidian University（西安电子科技大学杭州研究院） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出基于K近邻图的KNNG-CS核心集选择方法，在保持与梯度近似核心集方法相当精度的同时，大幅降低了选择时间与峰值内存。
Cyclops：以彩色进行“梦境”的相机式激光雷达
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Michigan（密歇根大学） ； University of Macau（澳门大学）
AI总结 本文提出Cyclops框架，将稀疏NRS-LiDAR强度转为RGB视频，通过LBM等技术缓解帧间闪烁，合成RGB可使感知模型在多任务上优于LiDAR基线与传统相机。
HiPHI：面向高精度人体运动与物体交互的大规模基准测试集
机构 * National University of Singapore（新加坡国立大学） ； The University of Hong Kong（香港大学） ； SIGS, Tsinghua University（清华大学深圳国际研究生院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Noitom Robotics（诺亦腾机器人公司）
AI总结 该研究针对现有具身数据集的局限，提出基于FrameNet的600+小时高保真人体运动与物体交互基准HiPHI，配套评估套件，为类人策略学习及计算机图形学运动先验模型提供数据基础。
基于化学反馈的红外光谱合理分子结构解析研究
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Westlake University（西湖大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对现有分子结构解析模型预测结果不合理的问题，提出化学反馈驱动的FIRMPO框架，在三类红外数据集上显著提升了解析准确性。
Tac4Loco：学习用于人形机器人运动的时空足底压力表征
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） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Tac4Loco框架，通过构建拓扑保持的序数表征提取足底压力时空特征，结合增强本体感知训练非对称演员-评论家策略，提升人形机器人在复杂地形的运动性能并实现零样本部署。
Comments 9 pages,6 figures
VibeWorlding：多模态智能体能否端到端构建3D开放世界？
机构 * HKUST(GZ)（香港科技大学（广州）） ； Tencent（腾讯） ； AI Thrust ； TEG AIPD
AI总结 该研究提出VibeWorlding框架，构建VWE-BENCH基准与VibeWorlding-Gym框架，发现当前前沿MLLMs在3D开放世界构建任务中表现不佳，经RL训练的VibeWorlder模型可提升性能，旗舰模型VibeWorlder-30B-A3B表现最优。
Comments preprint
FinFraudBench：用于金融欺诈检测的异质图基准
机构 * HKUST-GZ（香港科技大学（广州）） ； Jilin University（吉林大学） ； Ant Group（蚂蚁集团）
AI总结 针对现有金融欺诈检测基准与实际金融系统不匹配的问题，本文提出异质图基准FinFraudBench，构建两个大规模异质金融图数据集并建立标准化评估协议，为相关研究提供支撑。
Comments 16 pages, 7 figures
从密集预测到视觉编辑：用于统一图像与视频创作的结构化监督
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Celia Research HK ； City University of Hong Kong（香港城市大学）
AI总结 该研究提出基于深度与表面法向量预测的结构化视觉监督框架，共享MMDiT主干实现统一图像视频创作，提升了相关基准任务分数，证明密集监督对下游创作的结构知识迁移价值。
VideoGAIA：面向通用人工智能助手的智能体视频理解基准
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） ； Tongji University（同济大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 VideoGAIA是面向通用AI助手的智能体视频理解基准，构建多轮工具增强交互任务，现有MLLMs在其上准确率不足60%，可评估下一代模型并推动相关转型。
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