高校专区
从固定相机到自由相机：无需标定的视图鲁棒视觉-语言-动作模型
机构 * Nanyang Technological University（南洋理工大学） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； HuPan Lab（湖畔实验室） ； Alibaba Group（阿里巴巴集团）
AI总结 针对真实机器人部署中相机位姿变动问题，提出CamVLA模型，解耦操控控制与相机几何，实现无标定视图鲁棒的机器人任务执行。
PixWorld：在像素空间中统一3D场景生成与重建
机构 * Nanyang Technological University（南洋理工大学） ； AISphere（人工智能领域）
AI总结 针对3D场景生成与重建原有范式存在信息损失等缺陷，提出像素空间统一扩散框架PixWorld，引入几何感知损失，无需预训练自编码器，性能优于现有方法。
Comments Project page: https://sensengao.github.io/PixWorld/
当智能体的记忆留存却不外露：持久化个人智能体中的隐秘内存注入攻击
机构 * Nanyang Technological University（南洋理工大学） ； CFAR, A*STAR（CFAR，A*STAR） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 针对持久化个人智能体的隐秘内存注入威胁，构建多场景基准测试集WhisperBench，提出单次邮件投送的黑盒攻击框架MemGhost，可跨架构、跨防御实现高成功率的长期智能体入侵。
Comments 25 pages, 8 figures. Preprint
TacReasoner：面向真实场景交互推理的动态触觉-语言框架
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Zhongguancun Academy（北京中关村科学城） ； Nanyang Technological University（南洋理工大学） ； Guangdong Institute of Artificial Intelligence and Advanced Computing（广东省人工智能与先进计算研究院）
AI总结 针对动态触觉信号建模不足、触觉基础模型易幻觉的问题，提出含动态触觉编码器的TacReasoner框架，配套构建TouchCoT-10k数据集与DynTac-Bench基准，推理性能优于主流大模型。
Comments 8 pages, 7 figures. Accepted at IROS 2026
研究工作室-创意：基于机器学习会议成果的有证据支持的研究创意技能套件
机构 * Nanyang Technological University（南洋理工大学） ； Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学） ； CFAR, A*STAR（计算机辅助放射治疗中心，新加坡科技研究局）
AI总结 研究问题是提升研究创意，核心方法是构建包含多种技能的套件，主要贡献是揭示31个反复出现的创意子模式并整合为15个可复用模式，能将其转化为可追溯研究提案，经评估效果优于基线。
Comments Tech Report
SeeMe：通过有效的视觉令牌工程减轻大型视觉语言模型中的幻觉
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理国家重点实验室） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； De Artificial Intelligence Lab（德人工智能实验室）
AI总结 研究大型视觉语言模型易产生幻觉问题，提出无训练框架SeeMe，引入传统机器学习特征工程概念，经三阶段令牌工程重组视觉令牌抑制幻觉源，实验证明其能减轻幻觉并提高输出一致性。
Comments 12 pages, 4 figures, 6 tables
IPDiff：基于信息重构和多先验引导的扩散驱动光学遥感图像显著目标检测
机构 * School of Communication and Information Engineering, Shanghai University（上海大学通信与信息工程学院） ； Department of Medical Equipment, the First Affiliated Hospital of Zhengzhou University（郑州大学第一附属医院医学装备部） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院） ； Shenzhen Key Laboratory of Ubiquitous Data Enabling, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院深圳泛在数据赋能重点实验室）
AI总结 提出IPDiff，一种基于独特动态优化策略的扩散驱动光学遥感图像显著目标检测方法，通过提取多先验信息，在去噪网络中迭代去噪生成显著图，并经混合损失函数监督训练，性能优于46种先进方法。
Comments 22 pages, 8 figures, accepted by IJCV 2026
LBTCap：用于实时遥感图像变化描述的轻量级双边变换器
机构 * School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息系统学院） ； Nanyang Technological University（南洋理工大学）
AI总结 提出轻量级RSICC框架LBTCap，基于双边变换器联合建模变化前后特征。引入双边注意力机制，结合截断主干和分组查询注意力，参数少且推理速度快，在公共数据集实验中实现精度与效率平衡。
文本作为部分约束：用于稳健视觉语言学习的核心-残差对齐
机构 * Nanyang Technological University (NTU)（南洋理工大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区）
AI总结 针对自然字幕不明确致视觉语言对齐脆弱的问题，提出文本作为部分约束框架，以多视图字幕为不完全监督，提炼共识语义核心，降低相似度对未提及残差的依赖，提升视觉语言表征可靠性。
DRBA：动态机器人平衡辅助——一种用于多功能训练的按需辅助步态和平衡康复机器人
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院） ； Guangdong Zhongxin Intelligent Rehabilitation Research Institute（广东众心智能康复研究院） ； Guangdong Jianxiang Hospital Group（广东健翔医院集团）
AI总结 针对现有地面机器人步态训练器的局限，提出动态机器人平衡辅助（DRBA），集成多种部件与算法，能按需提供体重和平衡支持，实验及患者试验验证其有效性，可提升康复效果。
超越启发式方法：用于人在回路仿真中物理人机交互的标准化真实到仿真管道
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航天工程学院） ； Guangdong Zhongxin Intelligent Rehabilitation Research Institute（广东众鑫智能康复研究院）
AI总结 研究针对人在回路仿真中交互模型阻抗参数靠启发式调整的问题，提出Real2Sim管道，用协方差矩阵自适应进化策略识别动力学参数，提高仿真保真度，支持人体数字双胞胎用于个性化控制器临床前验证。
STAC：用于视频推理分割的选择性时空聚合与压缩
机构 * School of EEE, Nanyang Technological University, Singapore（新加坡南洋理工大学电气与电子工程学院） ； Institute for Infocomm Research, A*STAR, Singapore（新加坡资讯通信研究院） ； VCIP, CS, Nankai University, Tianjin, China（中国天津南开大学计算机科学学院视觉计算与模式识别实验室） ； AAIS, Nankai University, Tianjin, China（中国天津南开大学人工智能学院） ； NKIARI, Shenzhen Futian, China（中国深圳福田国家知识创新工程研究院） ； Guizhou University, Guizhou, China（中国贵州大学） ； Fudan University, Shanghai, China（中国上海复旦大学）
AI总结 视频推理分割面临高成本问题，现有方法有局限。基于状态空间模型，STAC通过解耦的空间和时间扫描丰富特征，利用冗余进行分层压缩，在零样本流兼容设置下减少令牌、加速并超越基线。
交易信心：算法交易中的综合不确定性估计
机构 * Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research（前沿人工智能研究中心） ； A*STAR（新加坡科技研究局） ； Laval University（拉瓦尔大学）
AI总结 针对传统强化学习模型在金融交易动态环境中难以应对不确定性问题，提出含分布、认知和随机不确定性估计的框架，用多种方法增强估计，实验表明该框架下的强化学习智能体在收益和风险管理上表现更优。
Comments Accepted at the Pacific Asia Conference on Information Systems (PACIS 2025). 17 pages, 5 figures, 2 tables
双自适应SAM3：基于低秩专家层的分层路由用于参数高效的医学图像分割
机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； Imperial Global Singapore (IGS), Imperial College London（伦敦帝国理工学院新加坡帝国全球（IGS））
AI总结 提出双自适应SAM3框架，通过任务感知的动态专家路由器和参数感知的分解参数化专家设计，兼顾分割精度与参数效率，在医学图像分割上有高表现。
Comments Accepted by MICCAI 2026
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