高校专区
DynFly: 面向城市环境无人机视觉语言导航的动态感知连续轨迹生成
机构 * Beijing Institute of Technology（北京理工大学） ； Tsinghua University（清华大学） ； Dalian University of Technology（大连理工大学） ； Xidian University（西安电子科技大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出DynFly框架，通过B样条控制点空间表示和Spline-DiT生成器，结合无人机动态感知监督，将高层导航意图转化为连续可执行轨迹，显著提升导航性能和轨迹质量。
Comments 34 pages, 9 figures
DAP：面向异构毫米波的点网络用于人类动作识别
机构 * Peking University（北京大学） ； Huazhong University of Science and Technology（华中科技大学） ； DJI Technology Company Ltd.（大疆技术创新有限公司） ； Christian-Albrechts-Universität zu Kiel（基尔大学）
AI总结 本文提出DAP-Net，通过异构雷达源的跨模态对齐和D2R模块实现点云增强，提升动作识别的鲁棒性与准确性。
ExFusion：通过多专家融合实现高效的Transformer训练
机构 * School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Soochow University（苏州大学） ； Chinese University of Hong Kong（香港中文大学） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院）
AI总结 ExFusion通过多专家融合提升Transformer训练效率，在保持性能的同时降低计算成本。
Comments Accepted by IEEE TMM2026
MetaTune: 通过机器人可微动力学进行基于共轭的元调优
机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； The Shenzhen Huazhong University of Science and Technology Research Institute（华中科技大学深圳研究院）
AI总结 本文提出MetaTune框架，通过可微闭环元学习实现反馈控制器与扰动观测器的联合自调优，减少计算复杂度并提升鲁棒性。
分而治之：多模态世界模型的解耦表示对齐
机构 * Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； CSU（中南大学） ； ZJU（浙江大学） ； CUHK（香港中文大学） ； UCAS（中国科学院大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出M²-REPA方法，通过解耦扩散模型中间表示中的模态特定特征并与对应的专家基础模型对齐，实现多模态视频生成中多种基础模型先验的充分利用，显著提升视觉质量和长期一致性。
Comments Accepted to ECCV 2026
具有有界采样违规的分布式在线赌博机子模最大化
机构 * College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化学院） ； School of Artificial Intelligence and Automation at the Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Aeronautics and Astronautics, Purdue University（普渡大学航空航天学院）
AI总结 针对划分拟阵约束下的分布式在线子模最大化问题，提出统一算法框架，在全信息和赌博机反馈下实现次线性(1-1/e)-遗憾，并通过有界随机管道舍入方案使采样违规概率渐近消失。
协同感知-推理治理：用可验证解剖证据为医学多模态大语言模型提供基础
机构 * Huazhong University of Science and Technology（华中科技大学） ； Imperial Global Singapore, Imperial College London（帝国理工学院新加坡全球中心） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Anhui University（安徽大学）
AI总结 提出一种无需训练的证据注入框架，通过ROI引导的视觉激活调制和解剖坐标语义标记，协同校准视觉感知与文本推理，动态路由任务特定干预，有效减少医学MLLM的幻觉。
Comments Accepted by MICCAI 2026 (Early Accept, Top 9%)
FeLoG：具有反馈循环机制的可扩展高效分布式图嵌入
机构 * Huazhong University of Science and Technology（华中科技大学） ； Bowling Green State University（伯灵顿州立大学）
AI总结 提出FeLoG系统，通过反馈耦合采样与训练、活动感知通信和轮次交错流水线，实现分布式图嵌入的加速和资源高效利用。
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
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
掩码到概念：通过高效测试时概念嵌入搜索实现自动可提示的SAM3用于少样本标注
机构 * Wuhan University of Technology（武汉理工大学） ； Huazhong University of Science and Technology（华中科技大学） ； Changzhou United lmaging Healthcare Surgical Technology Co. Ltd.（常州联影医疗手术技术有限公司）
AI总结 提出Mask to Concept (M2C)框架，无需外部模块或重训练，仅用少量标注图像，通过可学习概念嵌入搜索和混合不确定性估计，实现SAM3在医学图像中的自动少样本标注，达到SOTA性能。
Comments Accepted by MICCAI 2026
面向动态环境的通用机器人操作
机构 * Huazhong University of Science and Technology（华中科技大学） ； Huawei Technologies Co. Ltd（华为技术有限公司）
AI总结 本文提出DOMINO数据集与基准，通过实验评估现有VLA模型，提出PUMA架构提升动态感知能力，实现动态任务中的高成功率。
Comments Accepted to ECCV 2026. Project Page: https://h-embodvis.github.io/DOMINO/
Chronos: 一种基于物理信息的全历史框架用于非马尔可夫长时域操作
机构 * School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院）
AI总结 针对现有策略依赖马尔可夫假设导致记忆依赖任务失败的问题，提出Chronos框架，将观测历史作为策略潜状态，通过选择性状态空间模型传播因果历史状态，并利用二阶薛定谔桥预测加速度场，在16个模拟和4个真实任务中显著超越基线。
Comments 20 pages, 10 figures. Submitted to IEEE Transactions on Robotics
SciIR：面向科学图像推理生成的大规模训练数据集与基准
机构 * School of Computer Science and Technology, Huazhong University of Science and Technology, China（华中科技大学计算机科学与技术学院，中国） ； School of Airspace Science and Engineering, Shandong University, China（山东大学航空航天科学与工程学院，中国） ； Department of Electronic Engineering, Tsinghua University, China（清华大学电子工程系，中国）
AI总结 为解决文本到图像模型在科学图像生成中语义对齐与逻辑推理不足的问题，构建了包含8万+高质量科学图像-文本对的SciIR-82k数据集，并提出三层次科学推理框架及可验证评估基准SciIR-Bench，微调模型Qwen-Image-SciIR在基准上得分从35%提升至43%。
Comments Accepted to ECCV 2026
构建人工智能虚拟组织 (AIVT) 用于组织状态表示、特征预测和动态模拟
机构 * School of Biomedical Engineering, Southern Medical University（南方医科大学生物医学工程学院） ； Guangdong Provincial Key Laboratory of Medical Image Processing, Southern Medical University（南方医科大学广东省医学图像处理重点实验室） ； Guangdong Province Engineering Laboratory for Medical Imaging and Diagnostic Technology, Southern Medical University（南方医科大学广东省医学影像与诊断技术工程实验室） ； MOE Key Laboratory for Biomedical Photonics, Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology（教育部生物医学光子学重点实验室、武汉光电物联实验室、华中科技大学）
AI总结 提出人工智能虚拟组织 (AIVT) 框架，基于空间多模态数据学习统一、空间分辨且可动态操控的组织状态表示，实现组织状态分析、特征预测和时空动态模拟。
ViPSim: 协同视觉与参数空间实现一致的长时程具身世界模型
机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出ViPSim框架，通过协同视觉空间（显式空间先验）和参数空间（数值驱动）解决长时程视频生成中的轨迹漂移和不一致问题，实现高保真具身世界模型。
Comments Accepted to Robotics: Science and Systems (RSS) 2026
R-DMesh：通过校正动态网格流实现视频引导的3D动画
机构 * Huazhong University of Science and Technology（华中科技大学） ； Tencent Hunyuan（腾讯混元）
AI总结 本文提出R-DMesh框架，通过校正动态网格流解决视频引导3D动画中的姿态对齐问题，并实现高保真的4D网格生成。
Comments Accepted by SIGGRAPH 2026, Project Page: https://r-dmesh.github.io/ Code URL: https://github.com/Tencent-Hunyuan/R-DMesh
TUGS: 基于物理的紧凑表示法用于水下场景的张量高斯表示
机构 * Huazhong University of Science and Technology（华中科技大学） ； Zhongguancun Academy（中关村学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Zhengzhou University（郑州大学） ； Hainan University（海南大学） ； Shenzhen University（深圳大学）
AI总结 本文提出TUGS，一种基于物理模型的紧凑水下3D表示法，通过物理建模复杂水下光场，实现高效高质量的水下图像渲染，实验表明其在有限参数下能取得优越的重建质量。
EfficientUICoder: 一种用于高效基于多模态大语言模型的UI代码生成的双向标记压缩框架
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huazhong University of Science and Technology（华中科技大学） ； Singapore Management University（新加坡管理大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出EfficientUICoder，通过元素和布局感知标记压缩、区域感知标记精炼和自适应重复标记抑制，有效压缩UI代码生成的标记数量，提升生成效率和代码质量。
Comments Published in the Proceedings of the 2026 ACM International Conference on the Foundations of Software Engineering (FSE 2026)
ReWorld：为世界动作模型学习更好的表示
机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米汽车）
AI总结 提出ReWorld框架，通过优化中间表示（未来预测监督、跨模态对齐、难负样本监督）提升自动驾驶世界动作模型的规划性能，在nuScenes和NAVSIM上取得显著提升。
Comments 19 pages,3 figures
深度学习中的随机矩阵理论：超越线性模型的特征值
机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology, Wuhan, China（电子信息与通信学院，华中科技大学，武汉，中国） ； ICSI, LBNL, and Department of Statistics University of California, Berkeley, USA（ICSI、LBNL 和加州大学伯克利分校统计系，美国）
AI总结 本文扩展了传统随机矩阵理论，以应对非线性深度学习模型在高维比例 regime 中的挑战，提出高维等价概念，统一并泛化确定性等价和线性等价，系统解决高维性、非线性和分析通用特征谱函数的难题。
Comments 30 pages, 6 figures; extended technical report version of the IEEE SPM article, with appendices, minor corrections, and clarified derivations
Journal ref IEEE Signal Processing Magazine (Volume: 43, Issue: 2, March 2026) 93 - 106
HarmVideoBench：大型多模态模型中有害视频理解的基准测试
机构 * Central South University（中南大学） ； Tsinghua University（清华大学） ； South China Normal University（华南师范大学） ； ByteDance Inc（字节跳动公司） ； University of Zaragoza（阿拉维达大学） ； CosmosMind ； Wuhan University（武汉大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Southeast University（东南大学） ； Tencent（腾讯公司） ； Nankai University（南开大学） ； Supermicro Computer Inc（Supermicro计算机公司） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出HarmVideoBench，一个包含1379个视频和4137道选择题的多层次诊断基准，从三个维度评估模型对有害视频的深层理解，并引入BCR方法将宏平均准确率从61.7%提升至84.4%。
关注重要之处：面向扩散MoE的显著性引导精确路由
机构 * Key Laboratory of Image Processing and Intelligent Control, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院图像处理与智能控制重点实验室） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室）
AI总结 针对扩散MoE中路由无法准确分配计算资源给显著令牌的问题，提出SharpMoE后训练框架，利用干净潜在特征作为无噪声引导信号，并引入轨迹路由损失，实现精确资源分配，在视觉生成中达到最优性能。
Comments ECCV 2026
LCG: 基于稀疏关系注意力的一致长上下文图像生成
机构 * Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出LCG框架，利用稀疏关系注意力（SRA）和路由一致性约束（RCC），在长序列图像生成中保持语义和外观一致性，并构建了大规模数据集LCCD进行训练和评估。
阶段感知与粗糙度约束的扩散策略用于多阶段机器人抛光
机构 * State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（华中科技大学智能制造装备与技术国家重点实验室） ； Shanghai Spaceflight Precision Machinery Institute（上海航天精密机械研究所）
AI总结 提出阶段感知与粗糙度约束扩散策略（SRDP），通过多模态观测推断阶段后验并约束去噪过程，实现无外部标签的阶段一致动作生成，提升多阶段抛光质量。
面向机器人视觉检测中低数据空间缺陷检测的软硬件集成设计：混合光电神经网络
机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； China Belt and Road Joint Lab on Measurement and Control（中国一带一路测量与控制联合实验室） ； School of Electric and Electrical Engineering, Chongqing University of Technology（重庆理工大学电气与电子工程学院） ； Department of Precision Instrument, Tsinghua University（清华大学精密仪器系）
AI总结 提出一种软硬件集成的光电架构，通过非成像低数据范式和传感器在环策略，结合压缩感知与CLIP引导注意力，实现缺陷检测数据量减少90%、计算量降低60%。
E-MRL: 跨视图对齐的证据驱动多模态强化学习用于可靠的3D肿瘤分析
机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； Hupan Lab（华平实验室） ； Huazhong University of Science and Technology（华中科技大学） ； East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出跨视图对齐的证据驱动多模态强化学习框架E-MRL，通过将生成过程建模为“诊断-定位-验证”的马尔可夫决策过程，并引入跨视图一致性奖励，减少视觉幻觉并提升3D CT肿瘤诊断准确性。
Comments 9 pages, 2 figures
EMFusion: 一种考虑不确定性的条件扩散框架用于无线网络中频率选择性电磁场预测
机构 * department of Electrical Engineering and Computer Science, York University（电气工程与计算机科学系，约克大学） ； School of Electrical and Electronic Engineering, Huazhong University of Science and Technology（电子与电气工程学院，华中科技大学） ； Central China Branch of State Grid Corporation of China（国家电网公司中部分部） ； Department of Electronic Engineering, University of Rome Tor Vergata（罗马大学Tor Vergata电子工程系） ； Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT)（国家大学间电信研究会（CNIT））
AI总结 本文提出EMFusion框架，通过整合时间、季节等上下文因素，提供不确定性估计，以提升无线网络中频率选择性电磁场预测的准确性。
Comments Accepted in IEEE Transactions on Network Science and Engineering
压缩与检索：视频世界模型的隐式记忆检索
机构 * Huazhong University of Science and Technology（华中科技大学） ； HUJING Digital Media & Entertainment Group（虎鲸数字媒体与娱乐集团） ； Sun Yat-sen University（中山大学）
AI总结 提出注意力驱动的隐式记忆检索机制CaR，通过位置编码注入视角信息实现灵活检索，并引入轻量级上下文压缩网络，在构建的SceneFly数据集上取得SOTA结果并展现强泛化性。
Comments Project page: 3DV-Team/CaR" target="_blank" rel="noopener">https://github.com/Orange-3DV-Team/CaR
CLI-Universe：面向终端代理的可验证任务合成引擎
机构 * Nanjing University（南京大学） ； StepFun（阶跃星辰） ； ZODA ； Shanghai AI Lab（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出CLI-Universe引擎，通过多维能力分类采样和证据引导研究生成终端代理任务，经多阶段可执行验证流水线筛选，构建高质量数据集CLI-Universe-6K，微调Qwen3-32B在Terminal-Bench 2.0上达到33.4%的SOTA。
Comments 20 pages, 5 figures, 3 tables. Preprint
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