Nanyang Technological University（南洋理工大学）

MonoArt: Progressive Structural Reasoning for Monocular Articulated 3D Reconstruction

MonoArt：基于渐进结构推理的单目关节3D重建

Haitian Li, Haozhe Xie, Junxiang Xu, Beichen Wen, Fangzhou Hong, Ziwei Liu

机构 * S-Lab, Nanyang Technological University, 637335 Singapore（南洋理工大学S实验室） 纠错

AI总结 MonoArt通过渐进结构推理实现单目关节3D重建，无需外部运动模板或多阶段流程，提升重建精度和推理速度，并扩展至机器人操作和关节场景重建。

Comments Project page: https://lihaitian.com/MonoArt

Bridging Semantic and Kinematic Conditions with Diffusion-based Discrete Motion Tokenizer

通过扩散基离散运动分词器弥合语义与运动条件

Chenyang Gu, Mingyuan Zhang, Haozhe Xie, Zhongang Cai, Lei Yang, Ziwei Liu

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出三阶段框架，结合连续扩散模型与离散分词生成器，通过MoTok分词器实现语义与运动控制的结合，提升运动生成的可控性与保真度。

Comments Project Page: https://rheallyc.github.io/projects/motok GitHub: https://github.com/rheallyc/MoTok

Multi-Modal Building Change Detection for Large-Scale Small Changes: Benchmark and Baseline

多模态大规模小变化建筑物变化检测：基准与基线

Ye Wang, Wei Lu, Zhihui You, Keyan Chen, Tongfei Liu, Kaiyu Li, Hongruixuan Chen, Qingling Shu, Sibao Chen

机构 * MOE Key Lab of ICSP, Anhui Provincial Key Lab of Multimodal Cognitive Computation, IMIS Lab of Anhui Province, School of Computer Science and Technology, Anhui University, Hefei, China（教育部信息与通信领域重点实验室、安徽省多模态认知计算重点实验室、安徽省IMIS实验室、计算机科学与技术学院、安徽大学、合肥，中国） ； School of Public Safety and Emergency Management, Anhui University of Science and Technology, Hefei 231131, China（公共安全与应急管理学院、安徽理工大学、合肥231131，中国） ； College of Computing and Data Science, Nanyang Technological University, Singapore 639798（计算与数据科学学院、南洋理工大学、新加坡639798） ； Shaanxi Joint Laboratory of Artificial Intelligence, Shaanxi University of Science and Technology, Xi’an 710021, China（人工智能联合实验室、陕西科技大学、西安710021，中国） ； School of Software Engineering, Xi’an Jiaotong University, Xi’an 710049, China（软件工程学院、西安交通大学、西安710049，中国） ； Graduate School of Frontier Sciences, The University of Tokyo, Chiba, 277-8561, Japan（前沿科学研究生院、东京大学、千叶，日本） 纠错

AI总结 本文提出LSMD多模态数据集和MSCNet网络，通过融合RGB和NIR信息提升小变化检测精度，验证了多模态特征融合的有效性。

Comments 15 pages, 12 figures

RoboForge: Physically Optimized Text-guided Whole-Body Locomotion for Humanoids

RoboForge：物理优化的文本引导全身体态运动为人形机器人

Xichen Yuan, Zhe Li, Bofan Lyu, Kuangji Zuo, Yanshuo Lu, Gen Li, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） 纠错

AI总结 本文提出RoboForge框架，通过物理优化解决文本生成与机器人运动控制的耦合问题，提升运动精度与稳定性。

Comments 10 pages, 5 figures

DSPO: Stable and Efficient Policy Optimization for Agentic Search and Reasoning

DSPO：用于代理搜索和推理的稳定高效策略优化

Chenyang Gu, Yewen Pu, Bruce Yang, Xiaofan Li, Huan Gao

机构 * Sapiens AI ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 DSPO通过序列级优化和动态样本过滤提升代理训练稳定性，使7B模型在多个问答基准上超越前作34.1%，在复杂多跳问答中甚至超越14B模型9个百分点。

OFTSR: One-Step Flow for Image Super-Resolution with Tunable Fidelity-Realism Trade-offs

OFTSR: 一种用于图像超分辨率的一步流方法，具有可调保真度-现实感权衡

Yuanzhi Zhu, Ruiqing Wang, Shilin Lu, Junnan Li, Hanshu Yan, Kai Zhang

机构 * Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出OFTSR，一种基于流的图像超分辨率框架，通过可调保真度与现实感权衡实现一步生成。通过训练条件流模型并应用特殊约束，使学生模型预测与教师模型采样轨迹对齐，从而提升性能。

Comments ICLR 2026

SpecForge: A Flexible and Efficient Open-Source Training Framework for Speculative Decoding

SpecForge：一种灵活且高效的开源训练框架用于推测解码

Shenggui Li, Chao Wang, Yikai Zhu, Yubo Wang, Fan Yin, Shuai Shi, Yefei Chen, Xiaomin Dong, Qiaoling Chen, Jin Pan, Ji Li, Laixin Xie, Yineng Zhang, Lei Yu, Yonggang Wen, Ivor Tsang, Tianwei Zhang

机构 * Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出SpecForge，一种支持EAGLE-3的开源框架，通过解耦目标与草案模型、混合并行等技术，显著提升Qwen3-235B-A22B的训练速度，并发布SpecBundle草案模型以解决高质量草案稀缺问题。

MLOW: Interpretable Low-Rank Frequency Magnitude Decomposition of Multiple Effects for Time Series Forecasting

MLOW：多效应时间序列预测的可解释低秩频率幅度分解

Runze Yang, Longbing Cao, Xiaoming Wu, Xin You, Kun Fang, Jianxun Li, Jie Yang

机构 * Macquarie University（麦考瑞大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 MLOW通过低秩频率幅度分解方法，实现时间序列中多效应的可解释分解，解决了传统模型在可解释性、效率和泛化性上的不足。

Insight-V++: Towards Advanced Long-Chain Visual Reasoning with Multimodal Large Language Models

Insight-V++: 向多模态大语言模型实现高级长链视觉推理迈进

Yuhao Dong, Zuyan Liu, Shulin Tian, Yongming Rao, Ziwei Liu

机构 * S-Lab（S实验室） ； Nanyang Technological University（南洋理工大学） ； Tencent Hunyuan（腾讯文言） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出Insight-V++框架，通过多代理视觉推理系统提升多模态大语言模型的长链视觉推理能力，采用ST-GRPO和J-GRPO算法增强空间时间推理和评估鲁棒性，实验显示在图像和视频推理任务中性能显著提升。

Comments arXiv admin note: text overlap with arXiv:2411.14432

DynamicVis: Dynamic Visual Perception for Efficient Remote Sensing Foundation Models

DynamicVis: 面向高效遥感基础模型的动态视觉感知

Keyan Chen, Chenyang Liu, Bowen Chen, Wenyuan Li, Zhengxia Zou, Shijian Lu, Zhenwei Shi

机构 * Beihang University（北航大学） ； Nanyang Technological University（南洋理工大学） ； University of Hong Kong（香港大学） 纠错

AI总结 本文提出DynamicVis，针对遥感图像稀疏性设计，通过动态区域感知SSM和元嵌入MIL预训练，提升稀疏目标感知性能，尤其在小目标检测和变化检测中表现优异。