National University of Singapore（新加坡国立大学）

DreamVideo-Omni: Omni-Motion Controlled Multi-Subject Video Customization with Latent Identity Reinforcement Learning

DreamVideo-Omni: 基于潜在身份强化学习的多主体视频定制与 Omni-运动控制

Yujie Wei, Xinyu Liu, Shiwei Zhang, Hangjie Yuan, Jinbo Xing, Zhekai Chen, Xiang Wang, Haonan Qiu, Rui Zhao, Yutong Feng, Ruihang Chu, Yingya Zhang, Yike Guo, Xihui Liu, Hongming Shan

机构 * Fudan University（复旦大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Zhejiang University（浙江大学） ； MMLab, The University of Hong Kong（香港大学MMLab） ； Nanyang Technological University（南洋理工大学） ； Show Lab, National University of Singapore（新加坡国立大学Show Lab） 纠错

AI总结 DreamVideo-Omni通过渐进式两阶段训练范式，实现多主体视频定制与Omni-运动控制，采用条件感知嵌入和分层运动注入策略，提升身份保持与运动控制精度。

Comments Project Page: https://dreamvideo-omni.github.io

Slow-Fast Inference: Training-Free Inference Acceleration via Within-Sentence Support Stability

慢-快推理：通过句内支持稳定性实现无需训练的推理加速

Xingyu Xie, Zhaochen Yu, Yue Liao, Tao Wang, Kim-Chuan Toh, Shuicheng Yan

机构 * National University of Singapore（新加坡国立大学） ； ByteDance（字节跳动） 纠错

AI总结 SFI通过利用句内支持稳定性，将生成过程分为快速低成本步骤和偶尔的密集注意力慢步骤，从而提高解码吞吐量并保持质量。

Modeling Trial-and-Error Navigation With a Sequential Decision Model of Information Scent

用信息气味的序列决策模型建模试错导航

Xiaofu Jin, Yunpeng Bai, Antti Oulasvirta

机构 * Aalto University（艾罗大学） ； National University of Singapore（国立新加坡大学） 纠错

AI总结 本文提出了一种基于信息气味的序列决策模型，用于建模用户在信息架构中试错导航的行为，通过考虑局部和全局气味及内存限制，解释了用户提前选择、错误转弯和回溯恢复等导航行为。

See4D: Pose-Free 4D Generation via Auto-Regressive Video Inpainting

See4D: 通过自回归视频修复实现无姿态4D生成

Dongyue Lu, Ao Liang, Tianxin Huang, Xiao Fu, Yuyang Zhao, Baorui Ma, Liang Pan, Wei Yin, Lingdong Kong, Wei Tsang Ooi, Ziwei Liu

机构 * NUS（新加坡国立大学） ； HKU（香港大学） ； CUHK（香港中文大学） ； THU（清华大学） ； Shanghai AI Lab（上海人工智能实验室） ； Horizon Robotics（地平线机器人） ； NTU（国立科技大学） 纠错

AI总结 See4D通过自回归视频修复实现无姿态4D生成，提升从随意视频到4D世界建模的实用性。

Comments Eurographics2026; 26 pages; 21 figures; 3 tables; project page: https://see-4d.github.io/