高校专区
GS-Voxel：用于大规模3DGS生成的免拟合结构化隐变量
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； Amap（高德地图） ； Alibaba（阿里巴巴）
AI总结 GS-Voxel是免拟合结构化隐变量框架，可将预优化3DGS重建转为稀疏活跃体素，通过GS专用VAE编码为稀疏3D隐变量，结合图像条件流模型实现大规模航空3DGS场景生成。
PRISM：具备多模态感知的高精度高接触真实工业技能数据集
机构 * State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； Delta Intelligence（三角洲智能公司） ； PKU-Wuhan Institute for Artificial Intelligence（北京大学武汉人工智能研究院） ； Hubei Humanoid Robot Innovation Center Co., Ltd.（湖北人形机器人创新中心有限公司） ； China Academy of Information and Communications Technology（中国信息通信研究院）
AI总结 本文介绍PRISM——一个面向高接触工业操作的大规模多模态数据集，涵盖25余项操作任务，包含5000余条共45小时的遥操作演示，为高精度工业场景的多模态感知与控制提供真实基准。
UniVerse：针对文化包容性低资源音乐理解的基准测试与增强
机构 * Sogang University（西江大学） ； KAIST（韩国科学技术院） ； NYU Shanghai（上海纽约大学） ； JIUTIAN Research, China Mobile（中国移动九天研究院） ； The State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） ； China Mobile (Hong Kong) Innovation Research Institute（中国移动（香港）创新研究院） ； Central Conservatory of Music（中央音乐学院）
AI总结 该研究针对低资源音乐理解问题，推出UniVerse基准与数据集，训练LALMs并研究多模态不平衡学习策略，实现性能提升但仍存在深层音乐理解的差距。
Comments 21 pages, 7 figures, 8 tables
从子宫组织病理学的空间异质性中学习潜在进展状态
机构 * Fuzhou University（福州大学） ； Fuzhou University Affiliated Provincial Hospital（福州大学附属省立医院） ； Interdisciplinary Institute for Medical Engineering, Fuzhou University（福州大学医学工程交叉研究院） ； Medical Optical Technology R&D Center, Research Institute of Tsinghua, Pearl River Delta（清华珠三角研究院医学光学技术研发中心） ； Peking University Health Science Center（北京大学医学部） ； Third Hospital, School of Basic Medical Sciences, Peking University Health Science Center（北京大学医学部基础医学院第三医院） ； Institute of Biopharmaceutical and Health Engineering, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院生物医药与健康工程研究院） ； Tsinghua University（清华大学） ； Peng Cheng Laboratory（鹏城实验室） ； Jinfeng Laboratory（金凤实验室）
AI总结 本研究开发子宫特异性计算病理学框架SpaTIE，从子宫组织病理学空间异质性中学习形态感知表征，推断与肿瘤进展相关的空间连贯状态，关联多组学特征并支持临床预测任务，为肿瘤状态发现提供新工具。
结合世界模型的Q学习
机构 * Stanford University（斯坦福大学） ； Peking University（北京大学）
AI总结 本研究提出QWM框架，将世界模型与标准Q学习结合，在真实环境训练中避免复合模型偏差，在Robomimic和LIBERO基准上的样本效率与性能均优于现有SOTA方法。
SAEVerbalizer：通过表示 verbalization 为稀疏自编码器特征生成解释
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Fudan University（复旦大学）
AI总结 该研究提出 SAEVerbalizer 框架，通过微调 LLM 下游层生成 SAE 特征的自然语言解释，解决了传统解释方法的表面性与低效率问题，其 verbalization 能力可泛化、迁移并扩展到不同 LLM 的 SAE 特征。
将3D生成模型重新利用于自回归布局生成
机构 * School of Software, Beihang University（北航软件学院） ； Tsinghua University（清华大学） ； University of Hong Kong（香港大学） ； Tencent Hunyuan（腾讯文英） ； Peking University（北京大学）
AI总结 本文提出LaviGen框架，利用3D生成模型直接在3D空间中生成布局，通过自回归过程建模几何关系和物理约束，提升3D场景的物理合理性与效率。
Comments this https URL (https://fenghora.github.io/LaviGen-Page/)
Know3D: 通过视觉-语言模型的知识提示3D生成
机构 * Peking University（北京大学） ； Math Magic（数学魔术） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology（广东省超高清沉浸媒体技术重点实验室） ； Dalian University of Technology（大连理工大学）
AI总结 本文提出Know3D框架，利用多模态大语言模型的知识提升3D生成的可控性，通过潜在状态注入实现语言可控的后视图生成，改进3D生成的几何细节与一致性。
Comments ECCV2026 page: this https URL (https://xishuxishu.github.io/Know3D.github.io/)
Dripper：一种轻量级的HTML主内容提取框架
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学）
AI总结 Dripper通过轻量级框架实现高效HTML主内容提取，兼顾效率与准确性，开源模型促进高质量数据集构建。
连续进化池：在在线时间序列预测中驯服反复出现的概念漂移
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Griffith University（格里菲斯大学） ； Peking University（北京大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 CEP通过动态维护专门预测器池，有效解决在线时间序列预测中反复出现的概念漂移问题，减少预测误差20%以上。
行随机矩阵在去中心化学习中可证明优于双随机矩阵
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Center for Data Science, Peking University（北京大学数据科学中心） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心）
AI总结 本文通过加权希尔伯特空间框架，严格证明了行随机矩阵相比双随机矩阵在去中心化学习中具有更快的收敛速度，并给出了拓扑条件指导设计。
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