高校专区
在野外检测任意3D对象
机构 * OpenDriveLab at Shanghai AI Laboratory（上海人工智能实验室开放驾驶实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Stanford University（斯坦福大学） ； CUHK MMLab（香港大学多模态实验室） ； Tsinghua University（清华大学） ； GAC R&D Center（广汽研发中心）
AI总结 DetAny3D通过结合2D基础模型知识和3D解释器，实现了在任意相机配置下检测任意新物体的3D检测基础模型。
基于学习的自动驾驶3D重建：全面综述
机构 * Global Institute of Future Technology, Shanghai Jiao Tong University（未来技术全球研究院，上海交通大学） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； Department of Electrical Engineering, University of Texas at Arlington（电气工程系，德克萨斯理工大学）
AI总结 本文综述了基于学习的3D重建在自动驾驶中的应用，分析了技术发展和挑战，提出了未来研究方向。
Comments Published in IEEE Trans. on Intelligent Transportation Systems
CauSight: 通过因果推理进行视觉因果发现
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Tongji University（同济大学）
AI总结 CauSight通过因果推理进行视觉因果发现，利用因果图数据集和强化学习方法，实现对视觉因果关系的高效发现。
Comments project page: https://github.com/OpenCausaLab/CauSight
MAC-SLU：多意图汽车舱语音理解基准
机构 * School of Computer Science, MoE Key Lab of Artificial Intelligence, Shanghai Jiao Tong University（计算机学院、人工智能教育部重点实验室、上海交通大学） ； School of Computer Science and Engineering, Central South University（计算机科学与工程学院、中南大学） ； AISpeech Co., Ltd.（AISpeech公司） ； National University of Defense Technology（国防科技大学） ； Shanghai Aviation Electric Co., Ltd（上海航空电子有限公司）
AI总结 MAC-SLU是一个多意图汽车舱语音理解数据集，用于评估LLMs和LALMs在SLU任务中的性能，揭示了上下文学习与SFT方法的差异以及E2E方法的优势。
DenoiseGS：基于高斯重建的爆破去噪模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 DenoiseGS通过高斯自一致性损失和对数加权频率损失，实现了高效且高质量的爆破去噪，显著优于现有方法并提升推理速度。
Comments Update Abstract
CAP：一种用于在线选择性置信预测的通用算法，具有FCR控制
机构 * School of Statistics and Data Science, Nankai University（统计与数据科学学院，南开大学） ； School of Mathematical Sciences, Shanghai Jiao Tong University（数学科学学院，上海交通大学）
AI总结 CAP算法通过在线选择性置信预测实现FCR控制，提供了一种通用框架以确保精确覆盖保证并提升预测区间精度。
BlinkBud: 通过单个耳塞上的采样单目3D检测检测后方危险
机构 * Shanghai Jiao Tong University（上海交通大学） ； Columbia University（哥伦比亚大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Southwest Petroleum University（西南石油大学） ； Donghua University（东华大学）
AI总结 BlinkBud通过单耳塞和手机实现后方危险检测，采用3D跟踪算法和强化学习优化功耗与精度。
Comments This is the author-accepted version of the paper published in Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (IMWUT), Vol. 9, No. 4, Article 191, 2025. Final published version: https://doi.org/10.1145/3770707
SocialDriveGen: 生成具有可控社会互动的多样化交通场景
机构 * Shanghai Jiao Tong University（上海交通大学） ； Chongqing Changan Automobile Co. Ltd（重庆长安汽车有限公司）
AI总结 SocialDriveGen通过整合语义推理和社会偏好建模，生成具有可控社会互动的多样化交通场景，提升自动驾驶策略的鲁棒性和泛化能力。
EvalTalker: 学习评估基于真实人像的多主体说话人类
机构 * Shanghai Jiao Tong University（上海交通大学） ； Meituan（美团） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 EvalTalker通过构建大规模多Talker生成的说话人类质量评估数据集，提出了一种能够感知整体质量、人类特征和身份一致性的新型质量评估框架，以提升多主体说话人类生成的质量和用户体验。
ZO-ASR: 无需反向传播的语音基础模型零阶微调
机构 * X-LANCE Lab, School of Computer Science, MoE Key Lab of Artificial Intelligence, Shanghai Jiao Tong University（X-LANCE实验室、计算机科学学院、人工智能重点实验室、上海交通大学）
AI总结 ZO-ASR通过零阶方法无需反向传播实现高效语音模型微调，有效降低内存消耗并在领域适应和测试时间适应任务中取得优于现有方法的性能。
Comments 2025 IEEE Automatic Speech Recognition and Understanding Workshop (ASRU)
S$^2$-MLLM：通过结构指导提升多模态大语言模型在3D视觉定位中的空间推理能力
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 S$^2$-MLLM通过隐式空间推理提升多模态大语言模型在3D视觉定位中的空间推理能力，实现高效且准确的3D场景理解。
Comments 18 pages, 9 figures
从稀疏观测中学习重建温度场：隐式物理先验
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能联合实验室，人工智能研究院，上海交通大学） ； Defense Innovation Institute, Academy of Military Science（国防创新研究院，军事科学院） ； Intelligent Game and Decision Laboratory（智能游戏与决策实验室）
AI总结 本文提出IPTR框架，通过引入参考模拟数据中的稀疏监测-温度场对作为隐式物理先验，提升温度场重建的准确性和泛化能力。
通过收缩条件神经滤波器防止模型崩溃
机构 * School of Mathematical Sciences, Tonji University, Shanghai, 200092, P.\,R. China ； School of Mathematical Sciences, Nankai University, Tianjin, China ； Independent Researcher ； Longhua Clinical College, Shanghai University of Traditional Chinese Medicine, Shanghai, China ； Dundee International Institute, Central South University, Changsha, China ； School of Mathematical Sciences, Shanghai Jiao Tong University, Shanghai, China ； School of Life Sciences ； Biotechnology, Shanghai Jiao Tong University, Shanghai, China
AI总结 本文提出一种基于收缩条件的神经滤波器方法，通过学习满足特定条件来防止生成模型中的模型崩溃问题，提供了实用的端到端解决方案。
SpeContext: 通过推测上下文稀疏性在LLMs中实现高效的长上下文推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 SpeContext通过推测上下文稀疏性，在LLMs中实现高效的长上下文推理，显著提升云和边缘环境的吞吐量和速度，同时保持精度。
Comments Accepted by ASPLOS 2026
FreeSwim: 重新审视滑动窗口注意力机制以实现无训练超高清视频生成
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Xi’an Jiaotong University（西安交通大学） ； National University of Singapore（新加坡国立大学）
AI总结 FreeSwim通过无训练滑动窗口注意力机制实现超高清视频生成，提升效率并保持视觉细节。
Comments 23 pages, 14 figures
DeepPersona: 一个用于扩展深度合成人设的生成引擎
机构 * UCSD（加州大学圣地亚哥分校） ； KU Leuven（鲁汶大学） ； SJTU（上海交通大学） ； University of Michigan（密歇根大学） ； Denison University（德尼森大学） ； Amazon（亚马逊） ； Meta
AI总结 DeepPersona通过双阶段分类学引导方法生成深度合成人设，提升LLM个性化和人类模拟的准确性与多样性。
Comments add an author[Update], 12 pages, 5 figures, accepted at LAW 2025 Workshop (NeurIPS 2025) Project page: https://deeppersona-ai.github.io/
Journal ref LAW 2025 Workshop, NeurIPS 2025
MBMamba：当记忆缓冲区与Mamba结合用于结构感知图像去模糊
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 MBMamba通过引入记忆缓冲机制和伊辛启发正则化损失，提升结构感知图像去模糊性能。
Saga：从大量未标记IMU数据中捕捉多粒度语义以实现用户感知
机构 * Shanghai Jiao Tong University（上海交通大学） ； Donghua University（东华大学）
AI总结 Saga通过预训练和贝叶斯优化实现从大量未标记IMU数据中捕捉多粒度语义，仅用少量标记数据即可达到高用户感知准确率。
Comments 2025 IEEE 45th International Conference on Distributed Computing Systems (ICDCS)
Journal ref Proceedings of the IEEE International Conference on Distributed Computing Systems (ICDCS), 2025
PointNSP: 通过下一尺度细节预测实现自回归3D点云生成
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； University of Hong Kong（香港大学） ； University of Cambridge（剑桥大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 PointNSP通过下一尺度细节预测实现自回归3D点云生成，首次在自回归范式中达到最先进的生成质量，并在参数、训练和推理效率上超越扩散基线。
Comments 24 pages; Previously this version appeared as arXiv:2510.05613 which was submitted as a new work by accident
面向价值的可再生能源电力市场预测协调
机构 * Department of Electrical Engineering, Shanghai Jiao Tong University, China（上海交通大学电气工程系） ； Dyson School of Design Engineering, Imperial College London, United Kingdom（帝国理工学院伦敦戴森设计工程学院） ； Department of Technology, Management and Economics, Technical University of Denmark, Denmark（丹麦技术大学技术、管理与经济系） ； CoRE, Aarhus University, Denmark（奥胡斯大学CoRE）
AI总结 本文提出了一种面向价值的预测协调方法，通过纳什谈判框架确保公平性，提升多智能体环境下可再生能源交易的利润分配效率。
Comments preprint of European Journal of Operational Research
Prism: 在非独立同分布的IMU数据中挖掘任务感知域以实现灵活的用户感知
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（新加坡国立大学） ； Ant Group（蚂蚁集团） ； Donghua University（东华大学）
AI总结 Prism通过挖掘任务感知的IMU数据域，实现移动设备上的灵活用户感知，提升预测精度并降低延迟。
Comments in Proceedings of IEEE INFOCOM 2025, London, United Kingdom
Journal ref Proceedings of IEEE Conference on Computer Communications (INFOCOM), 2025
SuperMat: 交互速率下物理一致的PBR材质估计
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； VAST（中国科学院软件研究所）
AI总结 SuperMat通过单步推理实现高效且物理一致的PBR材质估计，显著提升分解质量和效率。
GuideGen: 一种基于文本引导的完整躯干解剖和CT体积生成框架
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 GuideGen通过文本引导生成完整躯干解剖和CT体积，提升医学影像数据合成效率与质量。
Comments accepted as AAAI 2026 poster
TGSFormer：可扩展的时序高斯点云用于具身语义场景补全
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiaotong University（上海交通大学）
AI总结 TGSFormer通过时序高斯点云框架实现了具身语义场景补全的高精度与可扩展性。
Comments 14 pages, 10 figures
Adapter Shield: 一种集成了认证机制的统一框架，用于防止未经授权的零样本图像到图像生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shandong University（山东大学） ； Hefei University of Technology（合肥工业大学） ； East China Normal University（华东师范大学）
AI总结 Adapter Shield通过集成认证机制的统一框架，防止未经授权的零样本图像生成，实现安全的图像访问控制。
大规模 Vision Bridge Transformer
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 ViBT 是一种大规模 Bridge 模型，通过 Transformer 架构和方差稳定的速度匹配目标，实现高效图像和视频翻译任务。
InstanceV: 实例级视频生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 InstanceV通过实例级控制和全局语义一致性，实现高质量视频生成，并在实例感知指标上超越现有最佳模型。
基于光学衍射神经网络的计算鬼成像通过动态散射介质
机构 * State Key Laboratory of Photonics and Communications（光子与通信国家重点实验室） ； Institute for Quantum Sensing and Information Processing（量子传感与信息处理研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Hefei National Laboratory（合肥国家实验室） ； Shanghai Research Center for Quantum Sciences（上海量子科学研究中心） ； Lenovo Research（联想研究）
AI总结 本研究提出基于光学衍射神经网络的鬼成像方法，用于通过动态散射介质实现高质量成像，结合物理先验算法提升欠采样条件下的成像质量。
MICCAI STS 2024挑战：在全景X光和CBCT图像中实现半监督实例级牙齿分割
机构 * Innovation Center for Electronic Design Automation Technology（电子设计自动化技术创新中心） ； School of Cyberspace（网络空间学院） ； Hangzhou Dianzi University（杭州电子科技大学） ； Hangzhou Geriatric Stomatology Hospital（杭州老年牙科医院） ； Shenzhen University（深圳大学） ； Queen Mary University of London（伦敦大学Queen Mary分校） ； Shandong University（山东大学） ； Xidian University（西安电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； The University of Hong Kong（香港大学） ； Chinese Academy of Sciences（中国科学院） ； Yunnan Provincial Stomatology Hospital（云南省牙科医院） ； Shanghai MediWorks Precision Instruments Co., Ltd（上海 MediWorks 精密仪器有限公司） ； University of Leicester（莱斯特大学）
AI总结 MICCAI STS 2024挑战通过半监督学习方法在全景X光和CBCT图像中实现实例级牙齿分割，展示了SSL在数据稀缺情况下的显著性能提升。
FEANEL：K-12英语写作中细粒度错误分析的基准
机构 * Squirrel Ai Learning ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 FEANEL基准旨在评估LLMs在K-12英语写作中细粒度错误分析的能力，通过1000篇学生作文和自定义分类体系，揭示当前模型在教育反馈方面的不足。
Comments 19 pages, 7 figures, and 4 tables. The dataset is available at https://huggingface.co/datasets/Feanel/FEANEL
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