VQ-VLA: Improving Vision-Language-Action Models via Scaling Vector-Quantized Action Tokenizers
机构 * Shanghai AI Lab（上海人工智能实验室） ； Tongji（同济） ； USTC（中国科学技术大学） ； ZJU（浙江大学） ； NJU（南京大学） ； SJTU（上海交通大学）
Comments Accepted by ICCV 2025
高校专区
Shanghai Jiao Tong University（上海交通大学）
Exploring Large Action Sets with Hyperspherical Embeddings using von Mises-Fisher Sampling
机构 * Deezer Research（Deep Research（Deezer）） ； SPEIT, Shanghai Jiao Tong University（上海交通大学 SPEIT 实验室）
Comments 42nd International Conference on Machine Learning (ICML 2025)
Beyond Low-Rank Tuning: Model Prior-Guided Rank Allocation for Effective Transfer in Low-Data and Large-Gap Regimes
机构 * School of Automation and Intelligent Sensing, Institute of Medical Robotics, Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University（自动化与智能感知学院、医疗机器人研究院、图像处理与模式识别研究院、上海交通大学）
Comments Accepted by ICCV 2025
Generative Representational Learning of Foundation Models for Recommendation
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
Comments Project page is available at https://junkfood436.github.io/RecFound/
An Automatic Graph Construction Framework based on Large Language Models for Recommendation
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah's Ark Lab（华为诺亚实验室）
Comments Accepted by KDD'25
Conquering Ghosts: Relation Learning for Information Reliability Representation and End-to-End Robust Navigation
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University, China（人工智能MOE重点实验室、AI研究院、上海交通大学） ； Department of Automation, Shanghai Jiao Tong University, China（自动化系、上海交通大学） ； Department of Computer Science, Shanghai Jiao Tong University, China（计算机科学系、上海交通大学）
URGENT-PK: Perceptually-Aligned Ranking Model Designed for Speech Enhancement Competition
机构 * Shanghai Jiao Tong University（上海交通大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Technische Universität Braunschweig（Braunschweig 技术大学） ； Google DeepMind（谷歌DeepMind） ； Waseda University（早稻田大学） ； Meta
Comments Submitted to ASRU2025
MFA-KWS: Effective Keyword Spotting with Multi-head Frame-asynchronous Decoding
机构 * X-LANCE Lab, School of Computer Science & MoE Key Lab of Artificial Intelligence, Shanghai Jiao Tong University（X-LANCE实验室，计算机科学学院及教育部人工智能重点实验室，上海交通大学） ； Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室） ； Department of Electrical and Computer Engineering, National University of Singapore（电气与计算机工程系，新加坡国立大学）
Comments Accepted by TASLP
GaussMaster: An LLM-based Database Copilot System
机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） ； Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学）
Comments We welcome contributions from the community. For reference, please see the code at: https://gitcode.com/opengauss/openGauss-GaussMaster
MoMa: Modulating Mamba for Adapting Image Foundation Models to Video Recognition
机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学协同中位创新中心） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
Comments ICML 2025 paper
Minimizing Acoustic Noise: Enhancing Quiet Locomotion for Quadruped Robots in Indoor Applications
机构 * Department of Computer Science and Engineering, Shanghai Jiao Tong University（计算机科学与工程系，上海交通大学） ； Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学） ； MoE Key Lab of Artificial Intelligence and AI Institute, Shanghai Jiao Tong University（人工智能与AI研究所，上海交通大学）
Comments 8 pages,6 figures, IROS2025
Point Cloud Compression and Objective Quality Assessment: A Survey
机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学合作中位网创新中心） ； University of Missouri–Kansas City（密苏里大学-堪萨斯城分校） ； Department of Electrical and Computer Engineering, University of Canterbury（坎特伯雷大学电子与计算机工程系）
MSF: Efficient Diffusion Model Via Multi-Scale Latent Factorize
机构 * Huawei Inc.（华为公司） ； Huazhong University of Science & Technology（华中科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
Task Preference Optimization: Improving Multimodal Large Language Models with Vision Task Alignment
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； 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） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院）
Comments CVPR2025
FlatFusion: Delving into Details of Sparse Transformer-based Camera-LiDAR Fusion for Autonomous Driving
机构 * School of Computer Science and School of Artificial Intelligence, Shanghai Jiao Tong University（计算机科学学院和人工智能学院，上海交通大学） ； Carnegie Mellon University（卡内基梅隆大学）
Comments Accepted by ICRA 2025
Understanding and Reducing the Class-Dependent Effects of Data Augmentation with A Two-Player Game Approach
机构 * Shanghai Jiao Tong University（上海交通大学） ； Duke Kunshan University（杜克大学）
Comments Published in Transactions on Machine Learning Research (06/2025)
OutDreamer: Video Outpainting with a Diffusion Transformer
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院）
Robust and Efficient Autoregressive Speech Synthesis with Dynamic Chunk-wise Prediction Policy
机构 * X-LANCE Lab, School of Computer Science（X-LANCE实验室，计算机科学学院） ； MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能MOE重点实验室，人工智能学院，上海交通大学） ； MoE Key Lab of Artificial Intelligence, Jiangsu Key Lab of Language Computing（人工智能MOE重点实验室，江苏省语言计算重点实验室）
Comments 17 pages, 8 figures, 5 tables
Quality Assessment and Distortion-aware Saliency Prediction for AI-Generated Omnidirectional Images
机构 * Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University（图像通信与网络工程研究所，上海交通大学） ； Tianjin University（天津大学） ； East China Normal University（华东师范大学） ； Polytech Nantes, Université de Nantes（南特理工大学）
TrajTok: Technical Report for 2025 Waymo Open Sim Agents Challenge
机构 * Sch. of Computer Science & Sch. of Artificial Intelligence, Shanghai Jiao Tong University（计算机科学学院与人工智能学院，上海交通大学）
Efficient Multilingual ASR Finetuning via LoRA Language Experts
机构 * Auditory Cognition and Computational Acoustics Lab（听觉认知与计算声学实验室） ； MoE Key Lab of Artificial Intelligence（人工智能MoE重点实验室） ； AI Institute School of Computer Science, Shanghai Jiao Tong University（计算机学院人工智能研究所，上海交通大学） ； Tencent AI Lab（腾讯AI实验室）
Comments Accepted in Interspeech 2025
EasyDistill: A Comprehensive Toolkit for Effective Knowledge Distillation of Large Language Models
机构 * Alibaba Cloud Computing（阿里云计算） ； Shanghai Jiao Tong University（上海交通大学）
MMCR: Benchmarking Cross-Source Reasoning in Scientific Papers
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； SCUT ； SEU ； BAAI（北京人工智能研究院）
Self is the Best Learner: CT-free Ultra-Low-Dose PET Organ Segmentation via Collaborating Denoising and Segmentation Learning
机构 * School of Biomedical Engineering, Southern Medical University（生物医学工程学院，南方医科大学） ； School of Biomedical Engineering, Shanghai Jiao Tong University（生物医学工程学院，上海交通大学） ； Nanfang PET Center, Nanfang Hospital Southern Medical University（南芳PET中心，南方医科大学南芳医院） ； Guangdong Provincial Key Laboratory of Medical Image Processing, Southern Medical University（广东省医学图像处理重点实验室，南方医科大学） ； Guangdong Province Engineering Laboratory for Medical Imaging and Diagnostic Technology, Southern Medical University（广东省医学影像与诊断技术工程实验室，南方医科大学） ； Pazhou Lab（琶洲实验室）
Comments This work has been accepted by MICCAI2025; 9 pages, 5 figures
OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Oxford（牛津大学） ； Hong Kong University of Science and Technology（香港科技大学）
Comments ACL 2025 Camera Ready
MimicMotion: High-Quality Human Motion Video Generation with Confidence-aware Pose Guidance
机构 * Tencent（腾讯） ； Shanghai Jiao Tong University（上海交通大学）
Comments ICML 2025
OneIG-Bench: Omni-dimensional Nuanced Evaluation for Image Generation
机构 * SJTU（上海交通大学） ； StepFun
Holistic Surgical Phase Recognition with Hierarchical Input Dependent State Space Models
机构 * UM-SJTU Joint Institute, Shanghai Jiao Tong University, Shanghai 200240, China（上海交通大学-乌姆联合研究所，上海交通大学，上海200240，中国） ； Computer Science & Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Boston, MA 02139, USA（计算机科学与人工智能实验室，麻省理工学院，波士顿，马萨诸塞州02139，美国） ； Liquid AI, Boston, MA 02142, USA（Liquid AI，波士顿，马萨诸塞州02142，美国） ； University Hospital of Cologne, Cologne 50937, Germany（科隆大学医院，科隆50937，德国） ； Department of Surgery, Duke University, Durhamm, NC 27707, USA（外科系，达勒姆大学，达勒姆，北卡罗来纳州27707，美国）
Task-Aware KV Compression For Cost-Effective Long Video Understanding
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Shanghai Jiao Tong University（上海交通大学） ； University of Trento（特伦特大学） ； Renmin University of China（中国人民大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Hong Kong Polytechnic University（香港理工大学） ； Institute of Automation CAS Beijing China（中国科学院自动化研究所）
Comments 14 pages, 3 figures, 6 tables
Knowledge-Driven Imitation Learning: Enabling Generalization Across Diverse Conditions
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institution（上海创新研究所） ； Shanghai Noematrix Intelligence Technology Ltd（上海Noematrix智能科技有限公司）
Comments IROS 2025
