高校专区
超越深度伪造与真实：在开集范式下的人脸深度伪造检测
机构 * The University of Melbourne（墨尔本大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出基于监督对比学习的开集深度伪造分类算法，旨在提升对新兴深度伪造技术的检测能力，通过FaceForensics++数据集验证，实现领先性能。
Comments IEEE/CVF Conference on Computer Vision and Pattern Recognition - Workshop
AdaSFormer：适应性串行变压器用于从室内环境单目语义场景补全
机构 * Tianjin Normal University（天津师范大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出AdaSFormer，一种专为室内单目语义场景补全设计的串行变压器框架，通过自适应串行变压器、中心相对位置编码和卷积调制层归一化等设计，实现更高效的语义场景补全。
Comments Accepted at CVPR 2026
从操控到怀疑：为野外鲁棒驳斥解释多样化的微视频虚假信息
机构 * School of Computer Science and Technology, MOEKLINNS Lab, Xi'an Jiaotong University（西安交通大学计算机科学与技术学院、教育部机器学习与智能决策网络实验室） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Xi'an Jiaotong University（西安交通大学）
AI总结 本文提出WildFakeBench基准和FakeAgent框架，通过多模态理解和外部证据分析，提升微视频虚假信息检测的可解释性和鲁棒性。
Comments Accepted at WWW 2026
机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； NUS（新加坡国立大学）
实用高效全局优化无 regrets
机构 * Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； National University of Singapore（新加坡国立大学） ； National Laboratory of the Rockies（落基山国家实验室）
AI总结 本文首次建立了实用高效全局优化的累积遗憾界，证明其具有亚线性累积遗憾界，适用于常见核函数，分析了 nugget 对遗憾界的影响。
SafeMath: 在推理过程中提升安全性以提高数学准确性
机构 * Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校） ； Cisco Systems（思科系统公司） ； National University of Singapore（新加坡国立大学）
AI总结 本文研究了有害数学问题对LLM的影响，提出SafeMath技术在保障安全的同时提升数学推理能力。
Comments Submitted in ARR March 2026
DiP：在像素空间中驯服扩散模型
机构 * Nanjing University（南京大学） ； Tencent Youtu Lab（腾讯优图实验室） ； National University of Singapore（新加坡国立大学）
AI总结 DiP提出一种高效的像素空间扩散框架，通过解耦生成过程为全局和局部阶段，结合Diffusion Transformer和轻量级Patch Detailer Head，在不依赖VAE的情况下实现高效生成，推理速度提升10倍，FID分数达1.79。
Comments Accepted by CVPR 2026
DiffuGuard: 差分扩散语言模型中内在安全的丧失与恢复
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Squirrel Ai Learning（松鼠AI） ； Peking University（北京大学）
AI总结 本文分析了差分扩散语言模型在对抗攻击中的脆弱性，提出DiffuGuard框架通过随机退火重标记和块级审计修复提升模型安全性，有效降低攻击成功率。
Comments Accepted by ICLR2026
CausalPre：可扩展且有效的因果公平数据预处理
机构 * National University of Singapore（新加坡国立大学）
AI总结 本文提出CausalPre框架，通过因果引导的数据预处理实现高效公平，无需强因果模型假设，实验表明其有效且可扩展。
Comments Accepted at ICDE 2026
物理信息演化：用于求解涉及薛定谔方程的量子控制问题的进化框架
机构 * University of Science and Technology of China（中国科学技术大学） ； Nankai University（南开大学） ； National University of Singapore（新加坡国立大学） ； Wenzhou University（温州大学） ； Hanyang University ERICA Campus（汉阳大学ERICA校区）
AI总结 本文提出物理信息演化框架，将物理定律信息融入进化算法适应度函数，用于求解量子控制问题，验证了该方法在三种基准测试中的有效性。
Comments 17 pages, 4 figures
COIN: 基于协作交互的多智能体强化学习用于自动驾驶系统
机构 * Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院机械工程系） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电机及电子工程学系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院）
AI总结 本文提出COIN框架，通过改进的CIG-TD3算法和双层交互感知集中批评者架构，提升多智能体自动驾驶系统在复杂动态场景中的安全性和效率。
CROSS: 一种用于通用大规模交通信号控制的专家混合强化学习框架
机构 * National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出CROSS框架，通过预测对比聚类和场景自适应MoE模块，提升交通信号控制的泛化能力，实验显示其在SUMO模拟器上表现优于现有方法。
VOLMO：面向眼科学的多功能和开放型大模型
机构 * Department of Biomedical Informatics & Data Science, Yale University（耶鲁大学生物医学信息学与数据科学系） ； Ray and Stephanie Lane Computational Biology Department, Carnegie Mellon University（卡内基梅隆大学雷和斯蒂芬妮·兰德计算生物学系） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学杨洛林医学院） ； Department of Radiology, Washington University in Saint Louis（圣路易斯华盛顿大学放射科） ； National Eye Institute, National Institutes of Health（国家卫生研究院眼科研究所） ； National Library of Medicine, National Institutes of Health（国家卫生研究院国家医学图书馆）
AI总结 VOLMO提出了一种通用框架，用于开发专门的眼科多模态大语言模型，通过预训练、微调和临床推理三个阶段，提升了眼科疾病筛查和诊断的性能。
PE3R：感知高效的3D重建
机构 * xML Lab, National University of Singapore（新加坡国立大学xML实验室）
AI总结 PE3R提出一种无需调优的框架，通过集成多视图几何与2D语义先验，实现跨场景的高效3D语义重建，提升推理速度并取得新的SOTA精度。
Comments Accepted to CVPR 2026
CUA-Suite：大规模人工标注的视频演示用于计算机使用代理
机构 * ServiceNow ； University of Waterloo（多伦多大学） ； Mila ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； University of Oxford（牛津大学） ； National University of Singapore（新加坡国立大学）
AI总结 CUA-Suite通过提供连续高质量视频演示和密集标注，解决计算机使用代理训练中视频数据不足的问题，包含约55小时的专家视频和600万帧数据，支持多模态研究。
Comments Project Page: https://cua-suite.github.io/
CoordLight: 为网络级交通信号控制学习去中心化协调
机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； Chandra Department of Electrical and Computer Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校电子与计算机工程系） ； Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（麻省理工学院电子工程与计算机科学系）
AI总结 本文提出CoordLight框架，通过改进单个交叉口决策和与邻近代理的协调，提升网络级交通优化。引入Queue Dynamic State Encoding和Neighbor-aware Policy Optimization算法，实现更高效的交通信号控制。
Comments \c{opyright} 20XX IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works
LATS：基于多智能体强化学习的交通信号控制中的大语言模型辅助教师-学生框架
机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系）
AI总结 本文提出LATS框架，结合大语言模型和多智能体强化学习，通过教师-学生模块提升交通信号控制的表示能力，实验表明其在多样交通场景中具有更高效和泛化性强的控制策略。
通过空域投影实现原理化引导用于视觉-语言模型中的对抗防御
机构 * MoE Key Lab of BIPC, University of Science and Technology of China（北京信息科技大学MoE关键实验室，中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出NullSteer框架，通过线性变换在模型激活中构建拒绝方向，在良性子空间保持零扰动，动态诱导拒绝有害方向，提升安全性而不损害模型能力。
Comments CVPR 2026
Unicorn: 一种通用且协作的强化学习方法用于可推广的网络级交通信号控制
机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（北京邮电大学网络与交换技术国家重点实验室） ； Cisco-NUS Accelerated Digital Economy Corporate Laboratory（Cisco-NUS加速数字经济企业实验室）
AI总结 本文提出Unicorn框架，通过统一状态动作映射、通用交通表示和对比学习提升交通信号控制的适应性与协作性，解决复杂交通网络的可扩展优化问题。
Comments \c{opyright} 20XX IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works
MedAugment: 用于医学图像分析的通用自动数据增强插件
机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； School of Computer and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） ； Department of Electronic Engineering, Jinan University（济南大学电子工程系）
AI总结 本文提出MedAugment，一种通用自动数据增强方法，通过像素和空间增强空间及超参数映射关系，实现医学图像的高效增强，减少计算开销并避免颜色失真。
Comments Knowledge-Based Systems Accepted
CoCR-RAG：通过面向概念的上下文重建提升Web问答中的检索增强生成
机构 * University of Southern Queensland（昆士兰大学） ； University of Technology Sydney（新南威尔士大学） ； The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； Qatar Computing Research Institute（卡塔尔计算研究所） ； The Education University of Hong Kong（香港教育大学）
AI总结 本文提出CoCR-RAG框架，通过语言学基础的概念级整合解决多源信息融合问题，提升问答系统事实一致性与知识密度。
Instrument-Splatting++: 向可控手术工具数字双胞胎迈进的高斯点云技术
机构 * Department of Biomedical Engineering, National University of Singapore (NUS)（生物医学工程系，新加坡国立大学） ； Department of Electrical and Computer Engineering, The University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学）
AI总结 本文提出Instrument-Splatting++框架，通过高斯点云技术实现高保真可控的手术工具数字双胞胎，利用CAD先验知识和语义感知姿态估计提升重建精度和纹理学习效果。
Comments 10 pages, 9 figures
EditMGT: 解锁屏蔽生成变压器在图像编辑中的潜力
机构 * National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出EditMGT框架，利用Masked Generative Transformers实现局部化编辑，通过多层注意力整合和区域保持采样提升编辑精度与效率，实验表明其在编辑质量和速度上优于现有方法。
MimiCAT：基于对应感知级联变换器的无类别3D姿态迁移
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； Institute for Infocomm Research, A ∗ STAR（资讯通信研究院（A*STAR））
AI总结 本文提出MimiCAT模型，通过语义关键点标签学习软对应关系，实现无类别3D姿态迁移，提升跨形态姿态转换的鲁棒性和泛化能力。
Comments Accepted to CVPR 2026. Project page: https://mimicat3d.github.io/
加速的神经传输并行退火
机构 * University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） ； Cornell University（康奈尔大学） ； Xaira Therapeutics ； National University of Singapore（新加坡国立大学） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 本文提出利用神经采样器加速并行退火，通过减少相邻分布间的重叠需求，提升多模态采样效率并降低计算成本。
Comments Camera-ready version for ICLR 2026
SortedRL: 通过在线长度感知调度加速大语言模型的强化学习训练
机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research Asia（微软亚洲研究院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 SortedRL通过在线长度感知调度策略提升大语言模型强化学习训练效率，减少训练气泡比例并提升性能，实验表明在不同任务中表现优于基线。
FG-Portrait: 基于3D流的可编辑肖像动画
机构 * National University of Singapore（新加坡国立大学） ； University of Warwick（沃里克大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学）
AI总结 本文提出FG-Portrait，通过3D流引导的方法实现高质量的肖像动画生成，结合3D几何信息和扩散模型，提升驱动运动与源肖像的对应精度，并支持用户对表情和头部姿态的编辑。
Comments CVPR 2026
从Hawkes过程到注意力：事件序列的时间调节机制
机构 * Department of Statistics and Data Science, National University of Singapore（统计与数据科学系，新加坡国立大学）
AI总结 本文提出Hawkes注意力机制，通过可学习的类型特定神经核调节查询、键和值投影，统一事件时间和内容交互，提升事件序列建模性能。
ImplicitRM: 从隐式偏好数据中无偏奖励建模以实现语言模型对齐
机构 * Peking University（北京大学） ； Xiaohongshu Inc.（小红书公司） ； National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学）
AI总结 本文提出ImplicitRM，通过隐式反馈数据学习无偏奖励模型，解决隐式偏好数据中缺乏明确负样本和用户偏好偏差的问题，实验验证其有效性。
MsFormer：为工业设备提供可靠预测性维护服务
机构 * School of Software Engineering, Sun Yat-Sen University, China（中山大学软件工程学院） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） ； School of the Art Institute of Chicago（芝加哥艺术学院） ； Institute of Data Science and School of Computing（数据科学研究所和计算学院） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出MsFormer，一种轻量级多尺度Transformer，用于工业设备的可靠预测性维护，通过多尺度采样和位置编码捕捉多流数据的序列相关性，并采用轻量级注意力机制提升数据稀缺环境下的性能。
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