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

Purify Once, Edit Freely: Breaking Image Protections under Model Mismatch

一次净化，自由编辑：在模型不匹配下突破图像保护

Qichen Zhao, Shengfang Zhai, Xinjian Bai, Qingni Shen, Qiqi Lin, Yansong Gao, Zhonghai Wu

机构 * Peking University（北京大学） ； National University of Singapore（国立新加坡大学） ； The University of Western Australia（西澳大学） 纠错

AI总结 研究提出统一的后期净化框架，评估模型不匹配下的保护有效性，提出VAE-Trans和EditorClean两种实用净化器，显著提升图像编辑质量，揭示一次净化后保护信号失效的问题。

Beyond Imitation: Reinforcement Learning Fine-Tuning for Adaptive Diffusion Navigation Policies

超越模仿：用于自适应扩散导航策略的强化学习微调

Junhe Sheng, Ruofei Bai, Kuan Xu, Ruimeng Liu, Jie Chen, Shenghai Yuan, Wei-Yun Yau, Lihua Xie

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

AI总结 本文提出一种针对扩散导航的强化学习微调框架，通过Group Relative Policy Optimization提升策略适应性，在Isaac Sim中提升成功率和SPL，减少碰撞，展示出更强的零样本迁移能力和安全泛化能力。

Batched Kernelized Bandits: Refinements and Extensions

批量核化老虎机：改进与扩展

Chenkai Ma, Keqin Chen, Jonathan Scarlett

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

AI总结 本文研究了在批量噪声反馈下进行黑盒优化的问题，改进并扩展了基于核的老虎机的后悔界结果，提出了适应性批量策略，并在鲁棒设置中设计了鲁棒-BPE算法。

Think with 3D: Geometric Imagination Grounded Spatial Reasoning from Limited Views

用3D思考：从有限视角出发的几何想象引导的空间推理

Zhangquan Chen, Manyuan Zhang, Xinlei Yu, Xufang Luo, Mingze Sun, Zihao Pan, Xiang An, Yan Feng, Peng Pei, Xunliang Cai, Ruqi Huang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Meituan（美团） ； National University of Singapore（新加坡国立大学） ； Beihang University（北航） ； LMMs-Lab（LMMs实验室） 纠错

AI总结 本文提出3DThinker框架，通过利用图像中的丰富几何信息实现空间推理，无需3D先验输入或显式标注3D数据，在多个基准测试中优于现有方法。

Comments 25 pages, 17 figures

Journal ref CVPR 2026

Understanding Dataset Distillation via Spectral Filtering

通过频谱过滤理解数据集蒸馏

Deyu Bo, Songhua Liu, Xinchao Wang

机构 * National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出UniDD框架，通过频谱过滤统一不同数据集蒸馏目标，提出Curriculum Frequency Matching方法提升性能，验证了UniDD的实用性。

Comments Accepted by ICLR 2026. Code is available at https://github.com/bdy9527/UniDD