Nanyang Technological University（南洋理工大学）

Generate Your Talking Avatar from Video Reference

从视频参考生成您的对话人像

Zujin Guo, Zhenhui Ye, Yi Ren, Yuanming Li, Ce Chen, Zhibin Hong, Chen Change Loy

机构 * Nanyang Technological University（南洋理工大学） ； University of Melbourne（墨尔本大学） ； HeyGen Research（HeyGen研究院） 纠错

AI总结 本文提出TAVR框架，通过跨场景视频输入生成高保真的对话人像，采用三阶段训练方案提升跨场景适应性，并构建新基准测试集验证鲁棒性。

Comments Project Page: https://gseancdat.github.io/projects/TAVR

How Generative AI Disrupts Search: An Empirical Study of Google Search, Gemini, and AI Overviews

生成式AI如何颠覆搜索：对谷歌搜索、吉米和AI概述的实证研究

Riley Grossman, Songjiang Liu, Michael K. Chen, Mike Smith, Cristian Borcea, Yi Chen

机构 * New Jersey Institute of Technology（新泽西理工学院） ； Nanyang Technological University（南洋理工大学） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

AI总结 本研究通过比较谷歌搜索、吉米和AI概述的搜索结果，发现生成式AI在信息检索中存在显著差异，影响网站可见性和内容质量。

Comments Paper Accepted to ACM SIGIR 2026 (49th International ACM SIGIR Conference on Research and Development in Information Retrieval)

Revisiting RaBitQ and TurboQuant: A Symmetric Comparison of Methods, Theory, and Experiments

重新审视RaBitQ和TurboQuant：方法、理论和实验的对称比较

Jianyang Gao, Yutong Gou, Yuexuan Xu, Jifan Shi, Yongyi Yang, Shuolin Li, Raymond Chi-Wing Wong, Cheng Long

机构 * ETH Zurich（苏黎世联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Michigan（密歇根大学） ； Tsinghua University（清华大学） ； HKUST（香港科技大学） 纠错

AI总结 本文对比了RaBitQ和TurboQuant在方法、理论和实验证据上的表现，发现TurboQuant在内积估计、最近邻搜索和KV缓存量化任务中表现不如RaBitQ，并指出TurboQuant论文中的一些运行时间和召回率结果无法复现。

RIHA: Report-Image Hierarchical Alignment for Radiology Report Generation

RIHA：报告-图像层次对齐用于放射学报告生成

Yucheng Chen, Yang Yu, Yufei Shi, Conghao Xiong, Xulei Yang, Si Yong Yeo

机构 * Lee Kong Chian School of Medicine, Nanyang Technological University（南洋理工大学李科钦医学院） ； MedVisAI Lab（医学影像人工智能实验室） ； Centre of AI in Medicine, Singapore（新加坡人工智能医学中心） ； Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学（深圳）） ； Department of Computer Science and Engineering（计算机科学与工程系） 纠错

AI总结 本文提出RIHA框架，通过多级对齐提升放射学报告生成的准确性，引入视觉和文本特征金字塔及跨模态对齐模块，实验表明其在自然语言生成和临床效果上优于现有方法。

Comments Accepted by Journal of Biomedical and Health Informatics (JBHI)

When Continual Learning Moves to Memory: A Study of Experience Reuse in LLM Agents

当持续学习转向记忆：对LLM智能体经验重用的研究

Qisheng Hu, Quanyu Long, Wenya Wang

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

AI总结 研究揭示了内存增强型LLM智能体在持续学习中经验重用的问题，发现记忆检索时旧经验与新经验的竞争加剧了持续学习的瓶颈，提出了(k,v)框架以解耦外部记忆的设计关键要素。

Comments Working in progress

FeaXDrive: Feasibility-aware Trajectory-Centric Diffusion Planning for End-to-End Autonomous Driving

FeaXDrive: 为端到端自动驾驶的可行性感知轨迹导向扩散规划

Baoyun Wang, Zhuoren Li, Ran Yu, Yu Che, Xinrui Zhang, Ming Liu, Jia Hu, Chen Lv, Bo Leng

机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； College of Transportation Engineering, Tongji University（同济大学交通工程学院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） 纠错

AI总结 FeaXDrive通过轨迹导向的扩散规划方法，提升自动驾驶中轨迹空间的可行性建模，改进轨迹几何和运动学可行性，增强可行驶区域一致性，实验表明其在NAVSIM基准上表现优异。

Comments 22 pages, 6 figures