VGGT-$Ω$
VGGT-Ω通过改进架构和训练方法，在静态和动态场景重建中提升精度与效率，同时减少内存消耗并利用更多数据
机构 * Visual Geometry Group, University of Oxford（视觉几何组，牛津大学） ； Meta AI
AI总结 VGGT-Ω通过改进架构和训练方法，在静态和动态场景重建中提升精度与效率，同时减少内存消耗并利用更多数据。
Comments CVPR 2026 (Oral)
高校专区
University of Oxford（牛津大学）
Articraft: An Agentic System for Scalable Articulated 3D Asset Generation
Articraft: 一种可扩展的拟人化3D资产生成代理系统
机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Articraft代理系统，利用大语言模型生成大规模拟人化3D资产，构建了包含10000+资产的Articraft-10K数据集，应用于机器人仿真和虚拟现实等下游任务。
Comments Project page: https://articraft3d.github.io/
A Prototyping Framework for Distributed Control of Multi-Robot Systems
多机器人系统分布式控制的原型框架
机构 * Department of Engineering Science, University of Oxford, UK（牛津大学工程科学系）
AI总结 本文提出一个原型框架，用于多机器人系统分布式控制，通过SPMD范式在单台计算机上模拟分布式控制，验证分布式优化算法的理论与实践。
Comments Accepted at IFAC World Congress 2026
Agreement, Diversity, and Polarization Indices for Approval Elections
共识、多样性与极化指数用于同意选举
机构 * AGH University of Kraków（克拉科夫AGH大学） ； Czech Technical University in Prague（布拉格捷克技术大学） ； University of Geneva（日内瓦大学） ； University of Oxford（牛津大学）
AI总结 本文提出三种指数，用于衡量同意选举中投票者的一致性、多样性及极化程度，并通过分析这些指数来绘制选举地图并比较现实中的选举数据。
AuralSAM2: Enabling SAM2 Hear Through Pyramid Audio-Visual Feature Prompting
AuralSAM2：通过金字塔音频视觉特征提示实现SAM2的听觉能力
机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学人工智能研究所） ； Stanford University（斯坦福大学） ； University of Central Florida（佛罗里达中央大学） ； University of Surrey（萨里大学）
AI总结 AuralSAM2通过金字塔音频视觉特征提示整合音频，保持SAM2的可提示分割能力，引入AuralFuser融合音频和视觉特征，并通过音频引导对比损失对齐模态，提升分割精度。
Comments Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Findings, 2026
SceneParser: Hierarchical Scene Parsing for Visual Semantics Understanding
SceneParser: 用于视觉语义理解的分层场景解析
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Zhongguancun Academy（中关村学院） ； Huazhong University of Science and Technology（华中科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； South China University of Technology（华南理工大学） ； University of Oxford（牛津大学） ； Peking University（北京大学）
AI总结 本文提出SceneParser，通过分层解析任务构建场景-对象-部件-功能的层次结构，利用结构完成伪标签和课程学习提升结构感知能力，实验表明其在复杂场景理解中表现更优。
Comments Preprint. Code, models, and dataset are provided in the manuscript
From Sycophantic Consensus to Pluralistic Repair: Why AI Alignment Must Surface Disagreement
从阿谀共识到多元修复：为何AI对齐必须显现分歧
机构 * Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Institute for Ethics in AI, University of Oxford（牛津大学人工智能伦理研究所） ； Responsible Technology Institute, University of Oxford（牛津大学负责任技术研究所）
AI总结 本文提出多元对齐需通过对话机制表面价值冲突，提出多元修复评分指标，探讨部署阶段的治理层对多元主义的影响。
Known By Their Actions: Fingerprinting LLM Browser Agents via UI Traces
以行为识别LLM浏览器代理：通过UI轨迹指纹化
机构 * Oxford Internet Institute, University of Oxford（牛津互联网研究所，牛津大学） ； Department of Engineering Science, University of Oxford（工程科学系，牛津大学）
AI总结 研究通过被动JavaScript跟踪器分析LLM代理的行为和交互时间，发现可识别底层模型，F1达96%，并展示分类器在不同模型上的泛化能力及早期身份推断。
CreFlow: Corrective Reflow for Sparse-Reward Embodied Video Diffusion RL
CreFlow：稀疏奖励具身视频扩散强化学习的纠正回流
机构 * Northwestern University（西北大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Oxford（牛津大学）
AI总结 本文提出CreFlow框架，通过信用感知NFT损失和纠正回流损失提升高维视频生成性能，有效解决稀疏奖励下的具身任务执行问题。
A New Framework for Convex Clustering in Kernel Spaces: Finite Sample Bounds, Consistency and Performance Insights
核空间中凸聚类的新框架：有限样本界、一致性和性能洞察
机构 * Indian Statistical Institute, Kolkata（印度统计研究院，加尔各答） ； Electronics and Communication Sciences Unit, Indian Statistical Institute（印度统计研究院电子与通信科学单位） ； Department of Statistics, University of Oxford（牛津大学统计系） ； Department of Statistics, University of Michigan（密歇根大学统计系）
AI总结 本文提出核化凸聚类方法，通过映射数据到RKHS空间，解决线性不可分和非凸数据的聚类问题，理论分析和实验验证显示其优于现有方法。
SVAG-Bench: A Large-Scale Benchmark for Multi-Instance Spatio-temporal Video Action Grounding
SVAG-Bench：多实例时空视频动作定位的大规模基准
机构 * LMU Munich（慕尼黑大学） ； MCML ； Technical University of Munich（慕尼黑技术大学） ； University of Zurich（苏黎世大学） ； University of Oxford（牛津大学） ； Amazon（亚马逊） ； NVIDIA（英伟达）
AI总结 SVAG-Bench通过多实例整合任务，评估模型在复杂场景中对动作的时空定位能力，包含688个视频和19590个注释，支持细粒度评估多主体歧义消除和动作组合性。
