高校专区
SymphoMotion：相机运动与物体动态的联合控制以实现一致的视频生成
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiaotong University（上海交通大学） ； Nanjing University（南京大学） ； Beihang University（北京航空航天大学）
AI总结 SymphoMotion通过联合控制相机运动和物体动态，提高视频生成的一致性和表达性，其核心方法结合了相机轨迹控制与物体动态控制机制，并引入了RealCOD-25K数据集进行大规模训练和评估，显著提升了视觉保真度和物体运动准确性。
Comments CVPR 2026
2K Retrofit: 熵引导的高效稀疏细化用于高分辨率3D几何预测
机构 * BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； GigaAI ； XREAL ； NUST（南京理工大学） ； RUC（清华大学） ； NUDT（国防科技大学） ； UCAS（中国科学技术大学） ； BIBMS（北京工业大学）
AI总结 提出2K Retrofit框架，通过快速粗预测和基于熵的稀疏细化，在不修改基础模型的情况下实现高效2K分辨率几何预测，达到SOTA精度和速度。
Comments Accepted by ECCV 2026
ZeroWBC: 从人类自我中心数据学习自然全身人形交互
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； TeleAI, China Telecom（TeleAI，中国电信）
AI总结 提出ZeroWBC框架，利用人类自我中心视频和同步全身运动数据，通过生成-跟踪方法实现无遥操作的人形机器人全身交互控制。
CauScale: 大规模神经因果发现
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Tongji University（同济大学）
AI总结 提出CauScale神经架构，通过压缩单元和共享注意力权重实现高效因果发现，可扩展至1000节点图，在分布内外数据上分别达到99.6%和84.4% mAP，推理速度提升4-13000倍。
E-MRL: 跨视图对齐的证据驱动多模态强化学习用于可靠的3D肿瘤分析
机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； Hupan Lab（华平实验室） ； Huazhong University of Science and Technology（华中科技大学） ； East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出跨视图对齐的证据驱动多模态强化学习框架E-MRL，通过将生成过程建模为“诊断-定位-验证”的马尔可夫决策过程，并引入跨视图一致性奖励，减少视觉幻觉并提升3D CT肿瘤诊断准确性。
Comments 9 pages, 2 figures
我们准备好构建原生智能体记忆系统了吗？
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； MemTensor (Shanghai) Technology Co., Ltd（MemTensor（上海）科技有限公司）
AI总结 从数据管理视角系统研究智能体记忆，提出四模块分析框架，评估12种记忆系统，发现无单一架构占优，并揭示成本-性能权衡。
Comments Paper list available at: https://github.com/OpenDataBox/awesome-agent-memory. Source code available at: https://github.com/OpenDataBox/MemoryData
BioMedVR: 面向生物医学视觉重编程的混淆感知提示专家混合模型
机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科技研究院） ； Zhejiang University（浙江大学） ； Southeast University（东南大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Institute of Science Tokyo（东京科学大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出BioMedVR框架，通过可学习的VR模块实现预训练VLM在生物医学图像上的少样本适应，利用混淆最小化机制和提示专家混合模型解决细粒度分类中的类间混淆问题，在18个数据集上验证了优越性能。
Comments Accepted at ECCV 2026. 19 pages, 6 figures. Project page: https://jxliu-ai.github.io/biomedvr-page/
ViTexQA: 面向视频文本问答的多帧时序感知数据集
机构 * Meituan（美团） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出ViTexQA数据集和FrameThinker方法，通过跨帧文本融合的问答对和两阶段训练（CoT微调+时序强化学习），解决多帧时序文本感知难题，ROUGE-L提升6.3%。
Comments Accepted by ECCV2026
通过推理时仿真器在环优化实现鲁棒的布料操作
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 提出基于仿真器在环优化的布料操作框架，通过合成数据训练的真实到仿真模块和稀疏网格滚动结合先验引导MPPI，从单RGB输入实现鲁棒操作。
逃离自我确认陷阱：一种用于智能体经验学习的执行-蒸馏-验证范式
机构 * Zhejiang University（浙江大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Northwestern Polytechnical University（西北工业大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学）
AI总结 提出EDV框架，通过多智能体并行执行、第三方蒸馏和共识验证，解决单智能体经验学习中的自我确认陷阱问题，在三个长时任务基准上取得一致提升。
Comments 28 pages, 11 figures
MM-TRELLIS: 自动驾驶中基于点云引导的多模态3D车辆生成
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Academy of Military Science（军事科学院） ； Bosch innovation software development (Wuxi) Co., Ltd.（博世创新软件开发（无锡）有限公司） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院） ； Shopee Pte. Ltd.（Shopee私人有限公司）
AI总结 提出MM-TRELLIS，融合多视图图像与LiDAR点云，通过点云引导和体素过滤策略，实现高质量3D车辆生成，在Waymo数据集上优于现有方法。
3DCarGen: 通过3D一致的多视图合成实现可扩展的3D汽车生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Academy of Military Science（军事科学院） ； The University of Sydney（悉尼大学） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机学院）
AI总结 提出3DCarGen框架，利用多视图扩散模型和3D高斯泼溅，从单张真实图像生成任意数量3D一致的多视图，并通过颜色-法线联合优化重建高质量3D汽车模型。
通过对抗姿态正则化在灵巧钢琴演奏中强制执行类人运动学
机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出对抗姿态正则化（APR）方法，利用少量非对齐的人类演奏数据，通过对抗目标匹配策略姿态分布与人类先验，使高自由度灵巧手在物理仿真中弹钢琴时呈现更自然的姿势。
物理信息傅里叶-小波变换器用于多尺度计算流体动力学代理建模
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出一种物理信息傅里叶-小波变换器，结合混合频谱编码与基于PDE残差的物理偏置自注意力，通过自监督预训练，在圆柱尾流和流固耦合基准上实现多尺度流场重建，精度优于现有方法。
基于IRF框架的短峰不规则波中USV运动高效时域仿真
机构 * State Key Laboratory of Ocean Engineering, Shanghai Jiao Tong University（上海交通大学海洋工程国家重点实验室） ； Department of Naval Architecture, Ocean and Marine Engineering, University of Strathclyde（斯特拉斯克莱德大学海军建筑、海洋与海洋工程系） ； Institute of Artificial Intelligence, Shanghai University（上海大学人工智能研究院） ； Rules & Technology Center of China Classification Society, Shanghai（中国船舶分类学会规则与技术中心）
AI总结 提出基于脉冲响应函数（IRF）的时域框架，通过频域-时域转换和卷积力重构，高效预测短峰不规则波中无人水面艇（USV）运动，经实验验证精度良好。
Wh0: 生成式世界模型作为自我中心人类手部操作数据的可扩展来源
机构 * Shanghai Innovation Institute（上海创新研究院） ； Nanjing University（南京大学） ； Shanghai Jiaotong University（上海交通大学）
AI总结 提出Wh0框架，利用生成式视频世界模型产生自我中心人-物交互数据集WM-H，通过手部运动重建和视觉编辑转化为机器人可训练监督，提升预训练灵巧VLA模型在真实任务上的零样本成功率。
Comments Under review. The first three authors contributed equally to this work
PACT: 在任务向量中保留锚定核心用于模型合并
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出PACT方法，通过识别并保留预训练权重中的承重墙维度，在任务向量中锚定任务特定核心，解决任务向量范式下任务冲突和性能下降问题，提升模型合并效果。
Comments 33 pages,14 figures; Code is available
FISHER：多模态工业信号综合表示的基础模型
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute for Embodied Intelligence and Robotics, Tsinghua University（清华大学智能感知与机器人研究院） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系） ； Huakong AI Plus Company Limited（华冠AIplus有限公司） ； Didi International Business Group（滴滴国际商务集团）
AI总结 针对工业信号分析中的数据异质性（M5问题），提出FISHER基础模型，采用子带建模处理多采样率问题，通过教师-学生自蒸馏预训练，在19个数据集上以较小规模超越24个SOTA编码器。
Comments Accepted by IEEE TII. FISHER open-sourced on https://github.com/jianganbai/FISHER . RMIS open-sourced on https://jianganbai.github.io/RMIS
MILE：一种用于灵巧操作的指尖视觉触觉传感的机械同构外骨骼数据采集系统
机构 * State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China（机械系统与振动国家重点实验室，上海交通大学机械工程学院，上海200240，中国） ； Shanghai Key Laboratory of Intelligent Robotics, Shanghai Jiao Tong University, Shanghai 200240, China（智能机器人上海重点实验室，上海交通大学，上海200240，中国） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） ； Humanoid Robot (Shanghai) Co., Ltd., Shanghai, China（上海人形机器人有限公司，上海，中国）
AI总结 针对现有灵巧操作数据采集系统运动重定向不准确、效率低、缺乏高分辨率指尖触觉传感的问题，提出MILE系统，通过从人手到外骨骼再到机械手的机械同构设计，实现无重定向精确控制，并集成指尖视觉触觉模块，采集多模态数据集，显著提升遥操作成功率。
Comments 18 pages including supplementary material. Main manuscript and supplementary material included in this version
全分辨率MLP赋能医学密集预测
机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院）
AI总结 提出全分辨率层次化MLP框架，从全图像分辨率开始使用MLP，在医学图像恢复、配准和分割等密集预测任务上超越CNN和Transformer，实现最先进性能。
Comments The extended version is published as an IEEE-JBHI paper titled "Capturing Finer-grained Long-range Dependency for Dense Prediction in Medical Images: An Empirical Investigation of MLPs"
ESPnet3：基础模型时代可扩展语音与音频研究的基础设施
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Brno University of Technology（布拉格技术大学） ； Instituto Superior Técnico（技术高等研究院） ； Hanyang University（翰阳大学） ； Hitachi Astemo（日立阿美士多） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出ESPnet3框架，通过模块化系统架构、配置驱动的数据集组合和统一Python工作流，实现大规模语音音频研究的高效训练与扩展，显著降低工程开销。
Comments Accepted at Interspeech 2026
dVLA-RL：基于去噪轨迹的强化学习用于离散扩散视觉-语言-动作模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Baidu AI Cloud D-Robotics Shanghai AI Laboratory（百度AI云D-机器人上海人工智能实验室）
AI总结 提出dVLA-RL方法，将离散扩散VLA模型的强化学习目标从边缘动作概率转移到采样生成路径的联合概率，通过将去噪过程建模为马尔可夫决策过程，实现变步长调度，在LIBERO上达到99.7%成功率，在RoboTwin 2.0上相比SFT提升30.6%。
KEMO: 面向长程机器人操作的VLA策略事件驱动关键帧记忆
机构 * Hong Kong Embodied AI Lab（香港具身智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出KEMO，一种轻量级插件式记忆框架，通过事件驱动选择关键帧并编码为紧凑记忆令牌，结合交叉注意力和门控残差融合，提升VLA策略在长程操作中的任务成功率23.6%。
LightSTAR: 通过视觉自适应精炼的轻量级选择实现高效视觉文档检索
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院人工智能研究院教育部人工智能重点实验室）
AI总结 提出LightSTAR框架，通过免LLM的视觉选择快速筛选候选页，再经视觉自适应语义精炼进行细粒度匹配，在保持高检索精度的同时大幅降低延迟。
Comments Accpeted by ECCV 2026
Brain-Adapter: 一种用于急性颅内病理综合3D CT诊断的双流视觉-语言MIL框架
机构 * School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系）
AI总结 提出Brain-Adapter双流多实例学习框架，利用预训练2D生物医学视觉-语言模型和原始诊断报告，通过文本条件注意力和不确定性感知融合实现3D CT扫描的多标签分类，无需密集标注。
Comments Accepted to MICCAI 2026
C^2GR: 用于持续学习通用分割模型的耦合综合生成回放
机构 * Shanghai Jiao Tong University（上海交通大学） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Imperial College London（伦敦帝国学院）
AI总结 针对通用分割模型在任务增量学习中因图像外观和分割目标同时变化导致的遗忘问题，提出C^2GR框架，通过贝叶斯联合扩散和关系感知统一提示同步，合成历史任务图像-掩码对，缓解遗忘，性能仅下降2.44%。
Comments This paper has been submitted to a relevant journal
Flow6D: 离散到连续的流匹配用于高效且准确的类别级6D姿态估计
机构 * Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出Flow6D分层流匹配框架，通过两阶段离散潜空间定位-连续姿态回归策略，先离散化姿态参数并用离散流匹配缩小搜索空间，再连续流匹配预测局部残差优化姿态，在合成和真实数据集上以70 FPS实现实时推理，性能优于现有方法。
Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L), 2026
非对称物理使四足机器人群体高效学习成为可能
机构 * Shanghai Jiao Tong University（上海交通大学） ； Independent Researcher（独立研究者）
AI总结 通过非对称物理方法，将高保真非可微模拟器与可微代理模型结合，实现多达512个四足机器人在障碍环境中高效学习视觉去中心化协调策略，并零样本迁移到真实机器人。
AdaReP：模型失配下的自适应重规划用于神经世界模型预测控制
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对神经世界模型预测控制中重规划计算开销大的问题，提出AdaReP方法，通过在线自适应调整重规划容忍度，在保持任务性能的同时大幅减少规划器计算量。
Comments Accepted at ICANN 2026. This arXiv version contains supplementary materials and appendices that are omitted from the conference version due to space limitations
物理引导的时空状态空间建模用于激光送丝焊接中的前瞻熔池分割
机构 * Shanghai Key Laboratory of Materials Laser Processing and Modification, School of Materials Science and Engineering, Shanghai Jiao Tong University（上海交通大学材料科学与工程学院上海市激光制造与材料改性重点实验室）
AI总结 提出物理引导的时空状态空间网络WeldMamba，利用历史图像、工艺参数和电信号预测未来熔池语义区域，在500ms前瞻下达到74.63% mIoU。
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