高校专区
SemanticAudio: 语义空间中的音频生成与编辑
机构 * The Chinese University of Hong Kong（香港中文大学） ； LIGHTSPEED ； Shanghai Jiao Tong University（上海交通大学） ； Independent Researcher（独立研究者）
AI总结 提出SemanticAudio框架，通过两阶段流匹配架构在高级语义空间中进行音频生成和编辑，实现更好的语义对齐和无训练文本引导编辑。
NEARL: 基于正交正则化的交互式查询自适应用于医学视觉-语言理解
机构 * MoE Key Lab of Artificial Intelligence（人工智能MOE实验室） ； AI Institute（人工智能研究院） ； School of Computer Science（计算机科学学院） ； Shanghai Jiao Tong University（上海交通大学） ； Department of Radiology（放射科） ； The First Affiliated Hospital（第一附属医院） ； School of Medicine（医学院） ； Zhejiang University（浙江大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； State Key Laboratory of Infrared Physics（红外物理国家重点实验室） ； Shanghai Institute of Technical Physics（上海技术物理研究所） ； Chinese Academy of Science（中国科学院）
AI总结 提出NEARL框架，通过统一协同嵌入变换器（USEformer）和正交交叉注意力适配器（OCA）实现双向跨模态交互，仅引入1.46M参数，在三个医学影像数据集上取得最先进性能。
EvoMaster：一种用于大规模代理科学的基础进化代理框架
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； SciLand ； DP Technology（DP技术）
AI总结 EvoMaster通过持续自我进化机制，使代理能迭代优化假设并积累知识，实现跨学科的高效科学发现，其易用性与性能在多个基准测试中均表现优异。
Comments 44 pages, 3 figures
EgoSim：用于具身交互生成的视角世界模拟器
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学）
AI总结 EgoSim通过建模可更新的世界状态，解决现有视角模拟器在3D grounding和动态更新上的不足，生成空间一致的交互视频并支持跨具身迁移。
Comments Project Page: egosimulator.github.io
FUMO：先验调制扩散模型用于单图像反射去除
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Xi’an Jiaotong University（西安交通大学）
AI总结 提出FUMO扩散模型，通过从混合图像提取强度和高频先验，结合粗到细训练范式，实现空间自适应和结构保真的单图像反射去除。
Comments Accepted by ECCV 2026
利用视频扩散先验的超低比特率图像压缩的下一帧解码
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 提出一种超低比特率图像压缩新范式，通过定义紧凑锚帧作为中间状态，利用预训练视频扩散模型将解码转化为下一帧预测，在保持语义的同时丢弃高频细节，相比DiffC在CLIC2020上节省超50%比特率并实现5倍解码加速。
Comments Accepted by ECCV 2026
SlowBA：针对基于VLM的GUI代理的高效后门攻击
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院）
AI总结 提出SlowBA后门攻击，通过强化学习注入触发模式，诱导VLM-based GUI代理产生冗长推理链，显著增加响应延迟，同时保持任务准确性。
Comments Accepted by ECCV 2026. Codes and supplementary materials are in https://github.com/tu-tuing/SlowBA
扩散变换器超分辨率的频谱与轨迹正则化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shenzhen Transsion Holdings Co., Ltd.（深圳传音控股股份有限公司）
AI总结 提出StrSR框架，通过非对称判别蒸馏和频率分布匹配策略，解决扩散变换器在真实图像超分辨率中的轨迹失配和周期性伪影问题，实现最先进性能。
Comments 15 pages, appears at ECCV 2026
KungfuBot: 基于物理的人形全身控制用于学习高动态技能
机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； Shanghai Jiao Tong University（上海交通大学） ； East China University of Science and Technology（华东理工大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； ShanghaiTech University（上海科技大学）
AI总结 提出基于物理的人形控制框架，通过多步运动处理和自适应跟踪机制，实现高动态行为（如功夫、舞蹈）的模仿学习，在Unitree G1机器人上成功部署。
Comments NeurIPS 2025. Project Page: https://kungfubot.github.io/
TraceLab: 表征用于LLM服务的编码代理工作负载
机构 * University of Washington（华盛顿大学） ； Wuhan University of Technology（武汉理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 通过收集4300个编码代理会话（含35万LLM步骤和43万工具调用）的真实轨迹，分析发现长自主循环、长上下文短输出、多样化重尾工具调用及高但不完美前缀缓存命中率等特征，为优化服务提供具体方向。
TF-MoE：用于高效语音分离的时频混合专家
机构 * Auditory Cognition and Computational Acoustics Lab Shanghai Jiao Tong University（上海交通大学听觉认知与计算声学实验室） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 提出TF-MoE框架，通过时频维度的稀疏混合专家动态选择专家，在几乎不增加推理成本下提升模型容量，在低计算量下实现优于BSRNN的语音分离性能。
Comments Accepted to Interspeech 2026
多块扩散语言模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xi’an Jiao Tong University（西安交通大学） ； Huawei（华为）
AI总结 提出多块教师强制（MultiTF）训练策略，将单块扩散语言模型扩展为多块扩散（MultiBD），通过块缓冲机制实现并行解码，提升令牌吞吐量和准确率。
RPG: 为人类oid战斗中平滑多技能过渡的鲁棒策略门控
机构 * Center for Artificial Intelligence and Robotics, Shenzhen International Graduate School, Tsinghua University（人工智能与机器人中心，深圳国际研究生院，清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出RPG框架，通过动作过渡随机化和时间随机化训练统一策略，实现人类oid多技能平滑稳定过渡，并设计控制管道整合步行/跑步与战斗技能，实验证明其有效性与鲁棒性。
GUIDE：通过实时网络视频检索和即插即用标注解决GUI代理的领域偏见
机构 * Shanghai Jiao Tong University（上海交通大学） ； State Key Laboratory for General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，北京通用人工智能研究院） ； Beijing Institute of Technology（北京理工大学）
AI总结 GUIDE通过实时网络视频检索和即插即用标注框架，解决GUI代理的领域偏见问题，通过视频语义分析和自动化标注流程提升代理对特定应用的操作流程和UI布局的理解，实验表明其在多代理系统和单模型代理中均能提升性能。
Comments Accepted to ECCV 2026. 30 pages: 15-page main paper followed by supplementary material as an appendix (Sections A-F). Project page: https://sharryXR.github.io/GUIDE/
LaMP: 以3D场景流作为潜在运动先验的视觉-语言-动作策略学习
机构 * Southeast University（东南大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出LaMP框架，通过门控融合将3D场景流作为潜在运动先验，对齐运动专家与动作专家，提升VLA策略在复杂空间交互中的鲁棒性，在LIBERO等基准上取得最高平均成功率。
Comments Accepted to ECCV2026
用于分区端口-哈密顿系统并行仿真的早期可终止节能迭代耦合
机构 * School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械与动力工程学院）
AI总结 针对并行仿真中分区耦合可能注入虚假能量的问题，提出基于Douglas-Rachford分裂的早期可终止节能耦合接口，利用Fejér单调性提供算法耗散，保证离散无源性并收敛到整体离散化。
Proxy-GS：结构化3D高斯泼溅中训练与推理的统一遮挡先验
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Sichuan University（四川大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出Proxy-GS，利用快速代理系统生成精确遮挡深度图，在训练中引导表面致密化、在推理中剔除冗余高斯体，实现2.5倍以上加速并提升渲染质量。
Comments Project page: https://visionary-laboratory.github.io/Proxy-GS
Paper2Rebuttal: 一种透明的作者回复辅助多智能体框架
机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab）
AI总结 提出多智能体框架RebuttalAgent，将回复生成重构为以证据为中心的规划任务，通过分解反馈、构建混合上下文和外部搜索模块，提升覆盖度、忠实性和策略连贯性。
Comments Accepted by ACL2026 main conference
利用同质性感知的结构和语义文本属性图压缩提升LLM推理能力
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出HS2C框架，通过结构熵最小化进行全局层次划分以识别同质社区，并利用检测到的结构同质性指导LLM进行差异化语义聚合，在10个节点级和7个图级基准上同时提升压缩率和推理精度。
RGBT-GroundBench: 超越RGB的复杂真实世界场景中的视觉定位
机构 * Institute of Artificial Intelligence, State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学人工智能研究院、虚拟现实技术与系统国家重点实验室） ； Pengcheng Laboratory（鹏城实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出首个大规模RGB-热红外视觉定位基准RGBT-GroundBench，包含4万+图像和3级细粒度标注，统一评估协议支持RGB/热红外/融合输入，揭示低照度下性能显著下降，并引入参考基线RGBT-VGNet。
Comments 40pages, 9figures
通过广义矩方法配准4D毫米波雷达点云
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医疗机器人研究院） ； Department of Statistics, Uppsala University（乌普萨拉大学统计系）
AI总结 针对4D雷达点云稀疏噪声导致配准困难的问题，提出基于广义矩方法的配准框架，无需显式点对应，在合成与真实数据集上精度和鲁棒性优于基准方法，甚至接近激光雷达方法。
人机协作的论文到网页制作
机构 * AutoLab, SAI, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab实验室） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出AutoPage多智能体系统，通过粗到细的流水线将论文转化为交互式网页，并引入Checker智能体验证和人工检查点，在15分钟内以低于0.1美元的成本生成高质量网页。
Comments Accepted by ACL2026 Findings
从少到多：基于扩散学习器的原型扩展网络用于点云小样本语义分割
机构 * School of Mathematics and Computational Science, Xiangtan University（湘潭大学数学与计算科学学院） ； School of Automation and Electronics Information, Xiangtan University（湘潭大学自动化与电子信息学院） ； School of Automation, Shanghai Jiao Tong University（上海交通大学自动化学院）
AI总结 针对小样本点云语义分割中原型容量小且与查询空间不对齐的问题，提出原型扩展网络（PENet），利用扩散模型的预训练条件编码器扩展原型，并通过推-拉机制对齐，在S3DIS和ScanNet数据集上取得最优性能。
亲爱的，我把凯旋门缩小了！
机构 * Cornell University（康奈尔大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对单目度量几何估计中的“尺度坍缩”现象，通过构建新数据集MetricScenes并采用两阶段泊松补全方法提升深度图质量，微调MoGe-2模型显著缓解了尺度低估问题。
Comments Project page: https://metricscenes.github.io/
SpaceDG: 在视觉退化下评估空间智能的基准测试
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） ； University of Electronic Science and Technology of China（电子科技大学） ； Chongqing University（重庆大学） ； The University of Tokyo（东京大学） ； Beihang University（北航） ； Northwestern Polytechnical University（西北工业大学）
AI总结 本文提出SpaceDG，首个针对退化感知空间理解的大型数据集，通过物理基础的退化合成引擎生成9种退化类型，评估多模态大语言模型在视觉退化下的空间推理能力，并展示在退化条件下微调可提升模型鲁棒性。
智能体情节控制
机构 * East China Normal University（华东师范大学） ； Tongji University（同济大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai University of International Business and Economics（上海对外经贸大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出智能体情节控制（AEC），利用大语言模型增强情节强化学习，通过语义增强器和关键状态识别器提升数据效率和泛化能力，在BabyAI-Text环境中实现2-6倍数据效率提升。
Comments Accepted to Findings of the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)
语义生成微调用于统一多模态模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent ARCLab（腾讯ARCLab）
AI总结 本文提出语义生成微调（SGT）方法，通过将高阶语义任务作为生成代理，统一多模态模型的感知与生成能力，提升多模态理解和生成质量。
Comments 14 pages, 13 figures
MedPruner: 面向高效3D医学图像理解的免训练层次化令牌剪枝框架
机构 * Chinese University of Hong Kong（香港中文大学） ； Westlake University（西湖大学） ； Southern Medical University（南方医科大学） ； Jiangnan University（江南大学） ； Dalian University of Technology（大连理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Copenhagen（哥本哈根大学）
AI总结 提出MedPruner，一种免训练、模型无关的层次化令牌剪枝框架，通过帧间锚点过滤和动态信息核选择，在保留不到5%视觉令牌时保持甚至提升模型性能，显著降低计算开销。
Comments 11 pages
VisNec: 衡量和利用视觉必要性进行多模态指令微调
机构 * SJTU（上海交通大学） ； Universiti Malaya（马来亚大学） ； CMU（卡内基梅隆大学） ； MBZUAI（穆萨台普大学人工智能研究所） ； KIT（卡尔斯鲁厄理工学院） ； KAUST（王国立阿联酋科学技术大学）
AI总结 提出VisNec分数衡量视觉输入在多模态指令微调中的边际贡献，结合语义聚类选择高必要性样本，在15%数据上达到全数据性能的100.2%。
Comments Accepted at ECCV 2026. Project Page: https://dmk041218.github.io/VisNec/
通过扩散驱动选择实现一致且高效的数据集蒸馏
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 提出利用扩散先验进行补丁选择而非生成的新框架，通过噪声预测和损失差异识别图像中独特区域，结合类内聚类和排序实现单步蒸馏，在多种指标和设置下优于现有方法。
Comments Accepted by ECCV 2026
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