高校专区
GKDT: 通用关键点检测Transformer
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Australian National University（澳大利亚国立大学） ； Tencent Inc.（腾讯公司） ； Adelaide University（阿德莱德大学）
AI总结 提出通用关键点检测模型GKDT，基于大规模统一数据集MegaKPT和DINOv3 Transformer，支持视觉/文本提示，在22个测试集上多数类别PCK@0.1超90%。
Comments Accepted by ECCV 2026
Rosetta: 可组合的原生多模态预训练
机构 * HKUST（香港科技大学） ； Tencent Hunyuan（腾讯混元）
AI总结 提出Rosetta框架，通过动量锚定正交投影（MAOP）实现无损模态扩展，解决多模态预训练中的灾难性遗忘和梯度冲突问题。
Korzhinskii-Net: 用于地下矿产潜力建模的物理信息神经网络
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出Korzhinskii-Net，一种耦合达西流、热输运和反应速率的二维径向物理信息神经网络，在五个矿省四个矿种上平均PR-AUC达0.885，显著优于传统基线。
Comments 14 pages, 10 figures, 3 tables
人类作为人形机器人：通过人类对齐的具身从自我-外部人类视频实现零样本人形机器人学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； DeepCybo ； ZGCA ； ZGCI ； Harbin Institute of Technology（哈尔滨工业大学） ； Huazhong University of Science and Technology（华中科技大学） ； Beihang University（北京航空航天大学）
AI总结 提出Human-as-Humanoid框架，通过对齐机器人本体、感知设置和动作标签接口，将大规模人类演示视频转化为可执行的动作监督，实现高自由度人形机器人的零样本学习。
Comments 20 pages, 9 figures
LUNA: 超越蒙皮的学习通用3D人体动画
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Codec Avatars Lab, Meta（Meta编解码虚拟形象实验室）
AI总结 提出无LBS的通用神经动画模型LUNA，通过Transformer运动回归器将多种2D控制映射为3D高斯变形，结合混合监督实现零样本跨身份泛化。
Comments ECCV 2026, Project page: https://penghtyx.github.io/LUNA/
无处可藏：基于背景控制对的视频幻觉基准测试
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Knowin AI（考恩人工智能） ； The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； 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 提出VidPair-Halluc基准，通过背景相似但前景语义不同的视频对，精确评估大型视频模型中的视频幻觉，包含1K对抗视频对和11K时空问答对。
Comments ECCV 2026
DataEvolver: 面向文本丰富图像生成的自我进化多智能体数据构建
机构 * Central South University（中南大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出DataEvolver，一种自我进化的多智能体框架，通过反馈驱动策略迭代优化数据构建，显著提升文本丰富图像生成质量。
CSTrader: 社区驱动虚拟资产市场中基于语言的交易测试平台
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出CSTrader多智能体框架，通过集成异构信号、技术分析、流动性、事件和反转情绪等智能体，在CS2皮肤市场实现语言到交易的映射，在波动期取得7.58%累计收益并控制风险。
CDR-Bench：评估组合式、顺序敏感数据精炼配方的忠实执行
机构 * HKUST（香港科技大学） ； NUS（新加坡国立大学）
AI总结 提出CDR-Bench基准，包含3462个高质量任务，评估LLM在组合式和顺序敏感设置下直接执行数据精炼配方的能力，发现当前LLM缺乏程序忠实性。
Comments 29 pages, 20 figures. Corresponding authors: Daoyuan Chen and Yi R. Fung
先规划正确，再规划紧凑：面向高效具身推理的符号强化学习
机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tencent（腾讯） ； University of London（伦敦大学）
AI总结 针对具身任务规划中缺乏低成本确定性验证的问题，提出基于BDDL规范的符号强化学习框架，通过视频解析、LLM验证和轻量符号引擎提供毫秒级密集反馈，并引入难度感知长度调度GroupAdapt，在BEHAVIOR-1000上实现97.3的严格通过率，相对Qwen3-8B提升25.9%。
Comments 18 pages, 10 figures, 14 tables; includes appendix
基于扩散的无人机集群四维轨迹预测与分布式控制
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Southern University of Science and Technology（南方科技大学） ； MoSense Technologies
AI总结 提出统一框架，结合粗到细轨迹预测与不确定性感知分布式非线性模型预测控制，通过维度解耦和扩散残差动力学模块降低计算复杂度并捕捉动态不确定性，在复杂环境下实现亚0.07米平均跟踪误差和34 FPS实时推理。
DDIAgents: 机制条件上下文流用于药物相互作用预测
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute of Biomedical Engineering, University of Oxford（牛津大学生物医学工程研究所） ； Division of Emerging Interdisciplinary Areas, Hong Kong University of Science and Technology（香港科技大学新兴跨学科领域学部）
AI总结 提出DDIAgents多智能体框架，通过动态知识编排预测药物相互作用，减少无关信息并生成可解释推理，性能优于现有方法。
AVTok: 用于整体音视频生成的1D统一分词化
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出AVTok统一分词器，采用双流Transformer架构和分层训练策略，将音视频对编码为紧凑的一维潜在表示，在音视频重建及下游生成任务中表现优异。
Comments ECCV 2026
PolyFlow: 连续拓扑嵌入流匹配用于艺术家风格网格生成
机构 * ZJU（浙江大学） ； Tencent（腾讯） ； THU（清华大学） ； CUHK（香港中文大学） ； HKUST（香港科技大学） ； HKU（香港大学）
AI总结 提出PolyFlow，通过连续拓扑嵌入将离散网格转换为连续顶点状态空间，结合Transformer流匹配实现并行去噪，在保持高质量拓扑的同时大幅提升生成速度。
TIGER：驯服身份、几何和生成先验以实现高质量人脸视频恢复
机构 * MiLM Plus, Xiaomi Inc.（小米公司MiLM Plus） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出TIGER框架，融合身份、几何和生成先验，通过解耦3D参数空间和一步整流流，解决人脸视频恢复中的身份偏移、视角纠缠和感知真实性问题，实现高保真、时间一致且高效的恢复。
PA-BiCoop: 一种通用双臂操作的主辅协作框架
机构 * SGIT AI Lab, State Grid Corporation of China（国家电网公司SGIT人工智能实验室） ； The Hong Kong University of Science and Technology, Guangzhou（香港科技大学（广州）） ； Baidu Research, Beijing, China（百度研究院） ； Zhejiang University of Technology, Hangzhou（浙江工业大学）
AI总结 提出PA-BiCoop框架，通过动态主辅臂角色分配和共享编码器-双解码器结构，实现双臂协调操作，在仿真和真实任务中平均性能提升超48%。
Comments ICRA2026
基于级联扩散先验和UV空间可微分着色的单目虚拟人重建
机构 * Beihang University（北航） ； Great Wall Motors（长城汽车） ； CUHK-Shenzhen（香港科技大学深圳研究院） ； HKUST（香港科技大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； KAUST（王国 Abdullah 基础科学研究院） ； Tsinghua University（清华大学）
AI总结 提出数据高效框架，利用统一预训练扩散模型的鲁棒先验，通过级联LoRA依次处理纹理补全、去光照和材质分解，结合UV空间可微分BRDF着色损失，从单张野外图像重建高保真可重光照3D虚拟人。
Comments Accepted by ECCV 2026. Project page: https://luh1124.github.io/MARCUS-Avatar-Projectpage/
RPM-Distill：生理引导的自适应跨模态蒸馏用于鲁棒的远程生理测量
机构 * McGill University（麦吉尔大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学）
AI总结 提出RPM-Distill框架，利用训练时的雷达信号通过频域蒸馏指导视频模型，提升光照、肤色和运动变化下的远程心率估计鲁棒性，在挑战性条件下MAE降低81%，相关性提升21%。
Comments Accepted by ECCV2026
Video-MME-Logical: 面向视频时序逻辑推理的受控诊断基准
机构 * HKUST（香港科技大学） ； Colab, Beihang University（北京航空航天大学合作实验室） ； CUHK（香港中文大学）
AI总结 为隔离评估多模态大模型在视频中的时序逻辑推理能力，提出包含五种时序逻辑操作和25个细粒度任务类别的受控基准，通过控制时间跨度和推理复杂度进行难度可控评估，并支持中间状态诊断。
低宜人性人格条件化用于安全的大语言模型微调
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对温暖微调降低大语言模型安全性的问题，提出基于低宜人性人格的改写流水线，在保持对话温暖的同时降低越狱成功率与有害输出率。
Comments 9 pages, 8 tables, 5 figures
CWI: 复合型人形机器人全身模仿系统用于移动操作
机构 * LimX Dynamics ； The University of Hong Kong（香港大学） ； School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院） ； Hong Kong University of Science and Technology（香港科技大学） ； ZJU-UIUC Institute, Zhejiang University（浙江大学伊利诺伊大学厄巴纳香槟校区联合学院）
AI总结 提出CWI框架，通过解耦上下半身动作捕捉数据，结合对抗性运动先验和多评论家架构，实现人形机器人稳定移动与灵巧操作的全身协调控制。
MER-R1：通过慢-快思维协同的多模态情感推理
机构 * University of Science and Technology of China（中国科学技术大学） ； SenseTime Research（商汤科技研究院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
AI总结 提出MER-R1强化学习框架，利用慢-快思维互补性优化多模态情感识别，通过双目标解耦和置信度校准联合优化召回率与精确度，实现SOTA性能。
Comments Under review
Agent-as-a-Router: 面向编码任务的智能体模型路由
机构 * National University of Singapore（新加坡国立大学） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； University of California, Berkeley（加州大学伯克利分校） ； The Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 提出Agent-as-a-Router框架，通过C-A-F循环积累执行经验，实现编码任务的动态模型路由，ACRouter在分布内任务上取得最低累积遗憾并泛化到分布外任务。
Comments 39 pages, 21 figures, a living technical report with a living benchmark that continuously updates
并非所有动作都同等重要：重新思考灵巧世界模型的条件化
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shenzhen University（深圳大学） ； Beijing University of Technology（北京工业大学） ； JD Explore Academy（京东探索研究院）
AI总结 针对高自由度灵巧动作中不同分量重要性不均导致优化失衡的问题，提出DexAC-WM，通过动作标记化保留维度级语义，结合局部细化与全局调制对齐动作与视觉动态，并引入语义分支提供物体场景先验，显著提升视频预测的真实感和动作一致性。
LISA: 似然分数对齐用于视觉条件可控生成
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Huawei Research（华为研究院）
AI总结 提出LISA方法，通过将侧网络中间特征与近似似然分数对齐，加速训练收敛并提升生成质量，且不增加推理成本。
几何梯度修正用于安全开放集半监督学习
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Liangzhu Laboratory and WeDoctor Cloud（良渚实验室和微医云） ； Shanghai Innovation Institute（上海创新研究院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； State Key Laboratory of Transvascular Implantation Devices and TIDRI（经血管植入器械全国重点实验室和TIDRI） ； Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江省医学影像人工智能重点实验室）
AI总结 提出几何梯度修正（GGR）框架，通过将辅助梯度投影到监督梯度的允许区域，解决开放集半监督学习中样本筛选与利用的权衡问题，提升闭集泛化与开放集鲁棒性。
Comments ECCV 2026
PhysEditWorld: 一个面向物理可编辑世界模型的大规模数据集
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Beihang University（北京航空航天大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Independent Researcher（独立研究者） ； Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent（腾讯）
AI总结 提出PhysEditWorld数据集，通过UE5重放渲染管线生成多重力配置下的动作条件视频，支持可控物理编辑，用于改进世界模型的动力学建模和一致性。
Comments Project page: https://yizhiqianbi.github.io/physeditworld/
从权重到特征：SAE引导的激活正则化用于大语言模型持续学习
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对大语言模型持续学习中的灾难性遗忘问题，提出利用预训练稀疏自编码器（SAE）在激活空间进行正则化，通过特征掩码平衡稳定性和可塑性，无需旧任务数据，内存效率高，在TRACE和MedCL基准上超越EWC等方法。
Comments 21 pages, 4 figures, 6 tables
VoiceTTA: 通过基于强化学习的测试时自适应增强零样本文本到语音
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tencent（腾讯）
AI总结 提出VoiceTTA，一种基于强化学习的测试时自适应方法，通过优化可学习前缀和风格奖励，提升预训练零样本TTS模型对罕见语音风格的模仿能力。
Comments 5 pages, accepted to Interspeech 2026
OmniContact: 通过接触流链接元技能实现可泛化的人形移动操作
机构 * Noitom Robotics（诺亦腾机器人） ； The Hong Kong University of Science and Technology（香港科技大学） ； Wuhan University（武汉大学） ； The University of Hong Kong（香港大学）
AI总结 提出以接触流为核心的分层框架，通过低层策略学习统一技能库、高层模块合成未来接触流序列，实现人形机器人长时程任务的鲁棒执行与自主恢复，在搬运箱子和推叠箱子任务上分别达到98.7%和76.5%的成功率。
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