Nanjing University（南京大学）

Distributed Online Convex Optimization with Compressed Communication: Optimal Regret and Applications

分布式在线凸优化与压缩通信：最优懊悔与应用

Sifan Yang, Dan-Yue Li, Lijun Zhang

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） 纠错

AI总结 本文研究了在压缩通信下分布式在线凸优化问题，提出最优算法，解决了压缩误差与投影误差之间的耦合问题，并在非光滑优化中提供了首次保证。

Prototype-Regularized Federated Learning for Cross-Domain Aspect Sentiment Triplet Extraction

领域原型化联邦学习用于跨域方面情感三元组提取

Zongming Cai, Jianhang Tang, Zhenyong Zhang, Jinghui Qin, Kebing Jin, Hankz Hankui Zhuo

机构 * State Key Laboratory of Public Big Data, Guizhou University（贵州大学公共大数据国家重点实验室） ； College of Computer Science and Technology, Guizhou University（贵州大学计算机科学与技术学院） ； School of Information Engineering, Guangdong University of Technology（广东工业大学信息工程学院） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） 纠错

AI总结 本文提出PCD-SpanProto框架，通过原型正则化联邦学习实现跨域方面情感三元组提取，提升全局原型在域异质性下的表现，并降低通信成本。

MV3DIS: Multi-View Mask Matching via 3D Guides for Zero-Shot 3D Instance Segmentation

MV3DIS: 基于3D引导的多视图掩码匹配用于零样本3D实例分割

Yibo Zhao, Yigong Zhang, Jin Xie

机构 * College of Computer Science, Nankai University（南开大学计算机科学学院） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） 纠错

AI总结 本文提出MV3DIS框架，通过引入3D引导的掩码匹配策略，利用粗略3D段作为参考，匹配多视图掩码并提升3D分割一致性，同时引入深度一致性加权方案以增强鲁棒性。

ETCH-X: Robustify Expressive Body Fitting to Clothed Humans with Composable Datasets

ETCH-X：通过可组合数据集增强具有衣物人类的表达性身体拟合

Xiaoben Li, Jingyi Wu, Zeyu Cai, Siyuan Yu, Boqian Li, Yuliang Xiu

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出ETCH-X，通过引入紧致性感知拟合范式、SMPL-X扩展和隐式密集对应关系，提升身体拟合的鲁棒性和细节表达，实现对衣物动态、姿态变化和噪声输入的高效处理。

Comments Page: https://xiaobenli00.github.io/ETCH-X/, Code: https://github.com/XiaobenLi00/ETCH-X

LADR: Locality-Aware Dynamic Rescue for Efficient Text-to-Image Generation with Diffusion Large Language Models

LADR：基于局部性的动态救援方法，用于高效文本到图像生成的扩散大语言模型

Chenglin Wang, Yucheng Zhou, Shawn Chen, Tao Wang, Kai Zhang

机构 * East China Normal University（华东师范大学） ； University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出LADR方法，通过利用图像的空间马尔可夫性质加速推理，实现文本到图像生成的高效生成，同时保持生成质量。

Comments ACL2026 Main Conference

IntrinsicWeather: Controllable Weather Editing in Intrinsic Space

IntrinsicWeather: 内在空间中可控的天气编辑

Yixin Zhu, Zuo-Liang Zhu, Jian Yang, Miloš Hašan, Jin Xie, Beibei Wang

机构 * Nanjing University（南京大学） ； Nankai University（南开大学） ； NVIDIA（英伟达） 纠错

AI总结 本文提出IntrinsicWeather框架，通过内在空间编辑实现可控天气生成，利用内在映射提升大场景控制能力，并在合成与真实数据集上验证其优越性。

Comments Accepted to CVPR 2026 (Highlight)