Johns Hopkins University（约翰斯·霍普金斯大学）

Beyond Referring Expressions: Scenario Comprehension Visual Grounding

超越指称表达：场景理解视觉 grounding

Ruozhen He, Nisarg A. Shah, Qihua Dong, Zilin Xiao, Jaywon Koo, Vicente Ordonez

机构 * Rice University（莱斯大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出RSC基准，探索基于场景的视觉 grounding，通过角色、意图和关系上下文推断目标，而非显式命名。ScenGround方法结合监督预热与难度感知强化学习，提升模型在复杂场景下的表现。

Comments 20 pages, 18 figures, Project Page: https://catherine-r-he.github.io/RSC/

Scaling Video Pretraining for Surgical Foundation Models

为手术基础模型扩展视频预训练

Sicheng Lu, Zikai Xiao, Jianhui Wei, Danyu Sun, Qi Lu, Keli Hu, Yang Feng, Jian Wu, Zongxin Yang, Zuozhu Liu

机构 * The Johns Hopkins University（约翰霍普金斯大学） ； Zhejiang University（浙江大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute（浙江大学伊利诺伊大学厄巴纳-香槟分校联合学院） ； Zhejiang Lab（之江实验室） ； Shaoxing University（绍兴大学） ； Angelalign（时代天使） ； Harvard Medical School（哈佛医学院） 纠错

AI总结 本文提出SurgRec，通过大规模数据和统一预训练流程提升手术视频理解能力，对比SSL基线和视觉语言模型，展示SurgRec在多个下游任务中的优越性能。

RuleForge: Automated Generation and Validation for Web Vulnerability Detection at Scale

RuleForge: 用于大规模Web漏洞检测的自动化生成与验证

Ayush Garg, Sophia Hager, Jacob Montiel, Aditya Tiwari, Michael Gentile, Zach Reavis, David Magnotti, Wayne Fullen

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Amazon Web Services（亚马逊云服务） 纠错

AI总结 RuleForge通过自动化生成基于JSON的检测规则，结合LLM作为判断系统和反馈机制，提升漏洞检测的准确性和效率，减少误报。

Comments 11 pages, 10 figures. To be submitted to CAMLIS 2026

Robust Autonomous Control of a Magnetic Millirobot in In Vitro Cardiac Flow

在体外心脏流中磁性微机器人自主控制的鲁棒性

Anuruddha Bhattacharjee, Xinhao Chen, Lamar O. Mair, Suraj Raval, Yancy Diaz-Mercado, Axel Krieger

机构 * Laboratory for Computational Sensing and Robotics, Johns Hopkins University（约翰霍普金斯大学计算传感与机器人实验室） ； Division of Magnetic Manipulation and Particle Research, Weinberg Medical Physics, Inc.（温伯格医学物理公司磁操控与粒子研究部） ； Department of Mechanical Engineering, University of Maryland（马里兰大学机械工程系） 纠错

AI总结 本文提出基于视觉引导的控制框架，实现磁性微机器人在生理相关流体条件下的自主导航，通过滑模控制器与扰动观测器在多线圈电磁驱动下实现亚毫米精度，优于PID和MPC基准。

AffordTissue: Dense Affordance Prediction for Tool-Action Specific Tissue Interaction

AffordTissue: 密集的工具-动作特定组织交互 affordance 预测

Aiza Maksutova, Lalithkumar Seenivasan, Hao Ding, Jiru Xu, Chenhao Yu, Chenyan Jing, Yiqing Shen, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文提出AffordTissue框架，通过多模态方法预测手术中工具-动作特定的组织affordance区域，改进了视觉语言模型在密集手术affordance预测中的表现，为安全手术自动化提供空间推理。

PRISM: Robust VLM Alignment with Principled Reasoning for Integrated Safety in Multimodality

PRISM：面向多模态集成安全的原理化推理对齐

Nanxi Li, Zhengyue Zhao, G. Edward Suh, Marco Pavone, Chaowei Xiao

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； NVIDIA（英伟达） 纠错

AI总结 PRISM通过结构化四阶段推理过程，有效应对多模态安全违规，提升VLM的鲁棒性与安全性，同时保持模型实用性。