高校专区
POLARIS：用于扩散模型中鲁棒和自适应逆向的投影正交最小二乘法
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Griffith University（格里菲斯大学） ； Data61/CSIRO Project（Data61/CSIRO项目）
AI总结 POLARIS通过将逆向问题转化为误差来源问题，以单行代码提升扩散模型逆向的鲁棒性和适应性，显著减少噪声近似误差。
ChartPoint: 通过 grounding 反射引导 MLLMs 进行图表推理
机构 * Tsinghua University（清华大学） ； International Digital Economy Academy（国际数字经济学院） ； Beihang University（北航） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 ChartPoint通过引入 grounding 反射机制，提升 MLLMs 在图表推理中的表现，开发了两个指令微调模型，在多个图表基准上取得显著提升。
Comments Accepted by ICCV 2025
EduEval: 一个用于评估大语言模型在中文教育中表现的分层认知基准
机构 * Zhejiang Normal University（浙江师范大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 EduEval通过分层认知基准评估大语言模型在中文教育中的表现，揭示其在事实性任务与创造性任务上的差异，并发现开源模型在复杂教育推理上的优势。
通过角色感知专家混合与基于大语言模型的细粒度职位描述增强人才搜索排名
机构 * HKUST (GZ)（香港科技大学（广州）） ； Alibaba Group（阿里巴巴集团） ； HKUST（香港科技大学） ； Zhijiang Lab（浙江实验室） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳））
AI总结 本文提出基于大语言模型和角色感知专家混合的方法，提升人才搜索排名效果，通过细粒度职位描述提取和行为建模，提升CTR和CVR，实现招聘效率和成本节约。
AnyTalker: 通过交互细化扩展多人物谈话视频生成
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Video Rebirth（视频重生） ； Zhejiang University（浙江大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 AnyTalker通过引入身份感知注意力机制和高效训练流程，实现了多人物谈话视频生成的高可扩展性和自然交互性。
Comments Homepage: https://hkust-c4g.github.io/AnyTalker-homepage
从像素到感受：将MLLMs对齐于人类对图像的认知感知
机构 * Oxford University（牛津大学） ； HKUST（香港科技大学） ； University College London（伦敦大学学院） ； New York University（纽约大学）
AI总结 本文提出CogIP-Bench基准，通过后训练提升MLLMs对图像认知属性的对齐能力，并展示其在图像生成中的应用。
Comments Project page with codes/datasets/models: https://follen-cry.github.io/MLLM-Cognition-project-page/
通过互样本分析和内样本分析增强部分相关视频检索
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出了一种增强部分相关视频检索的方法，通过互样本分析和内样本分析，结合时间一致性预测模块，提升视频与文本查询的语义对齐效果。
重新思考通过DINOv3进行跨生成器图像伪造检测
机构 * University of Liverpool, UK（利物浦大学） ； Nanyang Technological University（南洋理工大学） ； HKUST（香港科技大学） ； UC Merced（加州大学默塞德分校） ； University of Sheffield（谢菲尔德大学）
AI总结 通过DINOv3发现无需训练即可实现跨生成器图像伪造检测，利用令牌排名策略提升检测准确度。
AutoTailor: 为异构边缘设备实现自动且高效的自适应模型部署
机构 * Southeast University（东南大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Tsinghua University（清华大学） ； University of Macau（澳门大学）
AI总结 AutoTailor通过自动化端到端SuperNet自适应模型部署，显著提升边缘设备的推理效率和模型准确性。
RemedyGS: 保护3D高斯散射免受计算成本攻击
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 RemedyGS通过检测和净化被污染的图像，有效防御3DGS中的计算成本攻击，提升系统安全性和实用性。
一种通过加权动量和尖锐意识最小化实现快速且平坦的联邦学习方法
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Shenzhen University（深圳大学）
AI总结 FedWMSAM通过加权动量和尖锐意识最小化解决非IID联邦学习中的局部-全局曲率不一致和动量-回声振荡问题，提升模型收敛速度和泛化能力。
Journal ref Advances in Neural Information Processing Systems (NeurIPS 2025)
OralGPT-Omni: 一种多功能的牙科多模态大语言模型
机构 * Faculty of Dentistry, The University of Hong Kong（香港大学牙科学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； The Hong Kong University of Science and Technology (GZ)（香港科学与技术大学） ； School of Biomedical Engineering, Southern Medical University（南方医科大学生物医学工程学院） ； Singapore University of Technology and Design（新加坡科技与设计大学） ； University of Auckland（奥克兰大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Computer Science, Peking University（北京大学计算机学院） ； College of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院）
AI总结 OralGPT-Omni是一种专门用于牙科的多模态大语言模型，通过TRACE-CoT数据集和四阶段训练范式，实现了对牙科图像的高效分析和高准确率评估。
Comments 47 pages, 42 figures, 13 tables
UniArt: 一种统一的3D表示方法，用于从单张图像生成具有开集关节的3D可动物体
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学）
AI总结 UniArt通过统一的潜在表示和开集关节预测方法，实现了从单张图像生成高质量可动3D物体的端到端合成。
基于贝叶斯关系事件建模的信任保留人机协同自主性
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（电子与计算机工程学院，佐治亚理工学院） ； Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（电子与计算机工程系，香港科技大学）
AI总结 本文提出基于贝叶斯关系事件建模的信任保留协同自主策略，通过动态推断人类信任提升人机协作效率与用户接受度。
Journal ref in IEEE Robotics and Automation Letters, vol. 9, no. 11, pp. 10716-10723, Nov. 2024
具有结构意识的原型引导可信多视图分类
机构 * HKUST(GZ)（香港科技大学（广州）） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院） ； Harbin Engineering University（哈尔滨工程大学） ； Universiti Sains Malaysia（马来西亚理科大学）
AI总结 本文提出一种基于原型的可信多视图分类框架，通过动态对齐视图间结构提升跨视图一致性，实现高效且可靠的分类性能。
Comments 12 pages, 8 figures, 7 tables, Ongoing Work
多任务学习中的双平衡
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； HKUST(GZ) - SmartMore Joint Lab（HKUST（广州）- SmartMore联合实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Southern University of Science and Technology（南方科技大学） ； Centre for Frontier AI Research, A$^*$STAR（前沿人工智能研究中心，A$^*$STAR）
AI总结 本文提出DB-MTL方法，通过损失和梯度双角度平衡提升多任务学习性能。
Comments Accepted by Neural Networks
DRAFT-RL: 多智能体链式草稿推理用于强化学习增强的大型语言模型
机构 * BUPT（北京邮电大学） ； HKUST(GZ)（香港科技大学（广州）） ； University of Bristol（布里斯托大学）
AI总结 DRAFT-RL通过多智能体链式草稿推理提升强化学习增强的LLM在复杂推理任务中的准确性和收敛速度。
CLIMATEAGENT: 多智能体编排用于复杂气候数据科学工作流
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 ClimateAgent通过多智能体编排和动态API意识，实现端到端自动化气候数据分析，取得优于基线方法的高任务完成率和报告质量。
Comments 30 pages, 6 figures, 3 tables
VGGT4D: 从视觉几何变换器中挖掘运动线索用于4D场景重建
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 VGGT4D通过挖掘视觉几何变换器中的运动线索，提出无需训练的4D场景重建框架，提升动态物体分割、姿态估计和密集重建性能。
HyperbolicRAG: 通过双曲表示增强检索增强生成
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学）
AI总结 HyperbolicRAG通过整合双曲几何提升基于图的检索增强生成，以更准确地捕捉语义和层次结构关系。
Comments 12 pages
ContextFlow: 无训练视频物体编辑通过自适应上下文增强
机构 * State Key Laboratory of General Artifical Intelligence, Peking University, Beijing, China（北京人工智能基础理论国家重点实验室，北京大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 ContextFlow通过自适应上下文增强解决无训练视频物体编辑中的保真度和时间一致性问题，实现高精度编辑效果。
Comments The project page is at https://yychen233.github.io/ContextFlow-page
通过高效校准实现统一多模态编码器的对抗鲁棒性
机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； UTS（澳大利亚UTS大学） ； HKUST(GZ)（香港理工大学（广州））
AI总结 本研究提出高效对抗校准框架，提升统一多模态编码器的对抗鲁棒性，同时保持清洁性能，提升47.3%的鲁棒性。
位置：超越欧几里得——基础模型应拥抱非欧几里得几何
机构 * Yale University（耶鲁大学） ； Chinese University of Hong Kong（香港中文大学） ； Xi’an Jiaotong University（西安交通大学） ； Hong Kong University of Science and Technology（香港科学大学） ； Harvard University（哈佛大学）
AI总结 本文主张基础模型应超越欧几里得几何，以更高效地利用非欧几里得结构，提升模型性能与适应性。
Comments 27 pages, 6 figures, LoG Conference 2025
发现、学习与强化：通过多样化强化学习生成轨迹扩展视觉-语言-动作预训练
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Central South University（中南大学） ； Microsoft Research（微软研究院）
AI总结 本文提出DLR框架，通过多样化强化学习生成轨迹，提升VLA预训练的多样性和扩展性，实现更广泛的状态-动作空间覆盖。
LumiTex: 向高保真PBR纹理生成迈进：基于照明上下文
机构 * CUHK(SZ)（香港中文大学（深圳）） ； HKUST（香港理工大学） ； HKU（香港大学） ； PKU（北京大学） ； LIGHTSPEED
AI总结 LumiTex通过结合光照上下文和几何引导的修补模块，实现了高保真的PBR纹理生成，提升了材料分解和无缝纹理完成的性能。
Comments Project page: https://lumitex.vercel.app
LAST: 为通用视觉-语言模型学习在空间和时间中的思考
机构 * HKUST(GZ)（香港科技大学（广州）） ； University of Rochester（罗切斯特大学）
AI总结 LAST通过学习在空间和时间上思考，提升通用视觉-语言模型对3D空间和长视频的理解能力。
One4D：通过解耦LoRA控制实现统一的4D生成与重建
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 One4D通过解耦LoRA控制实现4D生成与重建的统一框架，提升视频扩散模型在几何重建中的性能
Comments Project page: https://mizhenxing.github.io/One4D
VADE：基于在线样本级难度估计的方差感知动态采样用于多模态强化学习
机构 * Peking University（北京大学） ； Shanghai AI Lab（上海人工智能实验室） ； HKUST（香港科技大学）
AI总结 VADE通过在线样本级难度估计实现方差感知动态采样，提升多模态强化学习的性能与样本效率，减少计算开销。
FlowSteer: 通过真实轨迹引导少步图像合成
机构 * Tsinghua University（清华大学） ； WeChat Vision, Tencent Inc.（腾讯公司微信视觉部门） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 FlowSteer通过引导学生沿教师真实生成轨迹提升ReFlow蒸馏效果，解决分布不匹配和优化调度器问题，提升少步图像合成质量。
Comments Few-Step Image Synthesis
VideoCompressa: 通过联合时间压缩和空间重建实现数据高效的视频理解
机构 * EPIC Lab, SJTU（上海交通大学EPIC实验室） ； KTH（瑞典皇家理工学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； HKUST（香港科技大学）
AI总结 VideoCompressa通过联合时间压缩和空间重建，实现视频数据高效合成，显著提升数据效率和模型性能。
Comments 15 pages, 6 tables, 8 figures
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