高校专区
暴露偏差可以通过流匹配中的方向和频率校正自我缓解
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究院）
AI总结 提出DEFAR框架，利用暴露偏差自身的方向和频率自适应信号进行校正，通过抗漂移校正和频率补偿增强模型鲁棒性，在多个数据集上优于现有方法。
Comments arXiv admin note: text overlap with arXiv:2512.04904
基于级联扩散先验和UV空间可微分着色的单目虚拟人重建
机构 * Beihang University（北航） ； Great Wall Motors（长城汽车） ； CUHK-Shenzhen（香港科技大学深圳研究院） ； HKUST（香港科技大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； KAUST（王国 Abdullah 基础科学研究院） ； Tsinghua University（清华大学）
AI总结 提出数据高效框架，利用统一预训练扩散模型的鲁棒先验，通过级联LoRA依次处理纹理补全、去光照和材质分解，结合UV空间可微分BRDF着色损失，从单张野外图像重建高保真可重光照3D虚拟人。
Comments Accepted by ECCV 2026. Project page: https://luh1124.github.io/MARCUS-Avatar-Projectpage/
OSOR: 一步扩散修复用于效果感知的对象移除
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Xidian University（西安电子科技大学） ； Tongji University（同济大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Transsion（传音控股）
AI总结 提出一步扩散模型OSOR，通过占用引导判别器、alpha头和语义锚定验证管道，实现高效、效果感知且对不完美掩码鲁棒的对象移除，速度提升4-30倍。
Comments Code and resources are available at https://github.com/Zhouqm-Git/osor
RPM-Distill：生理引导的自适应跨模态蒸馏用于鲁棒的远程生理测量
机构 * McGill University（麦吉尔大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学）
AI总结 提出RPM-Distill框架，利用训练时的雷达信号通过频域蒸馏指导视频模型，提升光照、肤色和运动变化下的远程心率估计鲁棒性，在挑战性条件下MAE降低81%，相关性提升21%。
Comments Accepted by ECCV2026
AirGroundBench: 异构多视角具身协作下多模态大模型的空间智能探测
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； QiYuanLab（启元实验室） ； Tsinghua University（清华大学） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 提出AirGroundBench基准，通过异构无人机-无人车协作的多视角任务（10类、约6.2万道视觉问答和115个导航任务），系统评估多模态大模型在空间感知、跨视角对齐、空间变换推理和具身决策中的几何一致性，发现模型在跨视角对齐和变换推理上存在瓶颈。
EMOSH：用于人体动画的表现性运动与形状解耦
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； WeChat Vision, Tencent Inc.（腾讯微信视觉）
AI总结 提出EMOSH框架，通过可表现人体模型解耦形状与姿态，结合粗细混合运动注入和空间对齐条件机制，实现高保真、可控的人体视频生成，解决运动-形状纠缠问题。
Comments Accepted to ECCV 2026, Project Page: https://eastbeanzhang.github.io/EMOSH/
ProMSA: 渐进式多模态搜索智能体用于基于知识的视觉问答
机构 * OPPO AI Center, OPPO Inc. China（OPPO AI中心，OPPO公司） ； The Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学）
AI总结 提出渐进式多模态搜索智能体ProMSA，通过迭代选择图像搜索、文本搜索或停止，在显式工具调用预算和去重机制下，结合序列级强化学习优化，提升基于知识的视觉问答的检索和端到端准确性。
Booster Lab: 一种用于学习可部署人形机器人运动策略的数据中心化流水线
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； School of Mechanical and Electronic Control Engineering, Beijing Jiaotong University（北京交通大学机械与电子控制工程学院） ； Booster Robotics Technology Co., Ltd（北京加速进化科技有限公司）
AI总结 提出一种数据中心化流水线，通过运动数据筛选、真实到仿真模型适配、基于AMP的强化学习和仿真到现实部署，解决人形机器人运动数据稀缺问题，并在Booster T1和K1机器人上验证。
SHIFT: 门控调制激活引导用于检索增强生成中的知识冲突缓解
机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院，沈阳，中国） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系，北京，中国）
AI总结 提出SHIFT框架，通过轻量级门控模块调节LLM内部激活，以自适应解决检索上下文与参数知识间的冲突，仅优化0.01%参数，在六个数据集上验证有效性。
Comments 19 pages, 13 Figures
COOPA: 面向运筹学问题的模块化LLM智能体架构
机构 * Tsinghua University（清华大学） ； Duke University（杜克大学） ； Yale University（耶鲁大学）
AI总结 提出COOPA模块化LLM智能体架构，通过迭代置信度建模、元素级溯源与多求解器路由，提升运筹问题建模准确性与可解释性，在多个基准上优于基线方法。
SidConArena：一个在开放、正和博弈中评估智能体的环境
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）
AI总结 提出SidConArena基准框架，通过三阶段部分可观测随机博弈评估LLM智能体在开放、正和谈判中的经济决策能力，发现前沿模型虽表现更好但仍存在资源误估、谈判被动和长期规划不足。
Comments 15 pages
OverFlowLight：城市交叉口实时防锁死与交通信号优化
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Electronic Science and Technology of China（电子科技大学） ； South China University of Technology（华南理工大学） ； Beijing Xiaocheng Intelligent Computing（北京小城智能计算） ； Tsinghua University（清华大学） ； Lanzhou University（兰州大学）
AI总结 针对城市交通中队列溢出导致级联锁死的问题，提出OverFlowLight框架，利用多模态传感实时检测溢出并动态插入专用相位，结合规则与强化学习混合控制，实际部署43个路口减少60.4%溢出事件并提升18.2%网络吞吐量。
DeformGen: 基于动力学的拓扑增强用于可变形操作策略学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Tsinghua University（清华大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Microsoft Research（微软研究院）
AI总结 提出DeformGen框架，通过局部物理扰动和动力学前向模拟生成拓扑一致的可变形状态，并利用变形场扭曲转移操作轨迹，联合增强状态分布与操作行为，提升可变形操作策略学习。
LIBERO-Safety：视觉-语言-动作模型中物理与语义安全的综合基准
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Beijing Academy of Artificial Intelligence (BAAI)（北京智源人工智能研究院） ； Beihang University（北京航空航天大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Microsoft Research Asia (MSRA)（微软亚洲研究院）
AI总结 针对视觉-语言-动作模型操作安全未验证的问题，提出参数化安全基准和关键帧驱动数据生成流水线，构建大规模无碰撞数据集，系统评估八种模型，揭示泛化-安全张力。
Comments Accepted by ECCV 2026, Project Page: https://libero-safety.github.io/
RateQuant: 通过率-失真理论实现最优混合精度KV缓存量化
机构 * BA TechWorks (BMW Group)（BA TechWorks（宝马集团）） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学）
AI总结 RateQuant利用率-失真理论优化混合精度KV缓存量化，通过为不同重要性头部分配不同位宽，减少内存瓶颈，提升生成性能。
Comments 18 pages, 7 figures, 5 tables
SHIFT: 视频扩散模型中的运动对齐与对抗混合微调
机构 * Tsinghua University（清华大学） ； Ant Group（蚂蚁集团） ； University of Chinese Academy of Science（中国科学院大学）
AI总结 针对视频扩散模型微调后运动保真度下降的问题，提出基于像素通量动力学的像素运动奖励和SHIFT框架（平滑混合微调），通过对抗优势改进收敛并缓解奖励黑客，有效解决动态度坍塌。
Comments Accepted by ECCV2026
EXPLORE-Bench：具有长视距推理的自我中心场景预测
机构 * University of Science and Technology of China（中国科学技术大学） ； Foundation Model Team, Li Auto Inc.（蔚来汽车基础模型团队） ； Tsinghua University（清华大学）
AI总结 提出EXPLORE-Bench基准，通过初始场景图像和动作序列预测最终场景，评估多模态大模型在自我中心长视距推理中的能力，发现与人类存在显著差距。
RAE-NWM：密集视觉表示空间中的导航世界模型
机构 * Department of Precision Instrument, Tsinghua University（清华大学精密仪器系） ； University of Rochester（罗切斯特大学） ； Beijing Information Science and Technology University（北京信息科技大学）
AI总结 提出RAE-NWM，在密集视觉表示空间中使用条件扩散Transformer建模导航动态，提升结构稳定性和动作精度，从而改善下游规划与导航。
Comments Code is available at: https://github.com/20robo/raenwm
MobileManiBench：简化移动操作模型验证
机构 * Microsoft Research Asia（微软亚洲研究院） ； University of Sydney（悉尼大学） ； Tsinghua University（清华大学）
AI总结 提出仿真优先框架MobileManiBench，基于NVIDIA Isaac Sim和强化学习自动生成多样化移动操作轨迹，包含300K条轨迹，用于验证VLA模型在真实部署前的性能。
Comments Accepted to ECCV 2026
SciFig：面向科学论文的可编辑图形自动生成
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Zhejiang University（浙江大学） ； Independant Researcher（独立研究者） ； Tsinghua University（清华大学） ； University of Central Florida（佛罗里达中央大学） ； City University of Hong Kong（香港城市大学） ； Adobe Research（Adobe研究）
AI总结 提出SciFig多智能体框架，从科学文本自动生成可编辑的高质量方法图，通过分解规划、布局、渲染和迭代优化，在435个基准上优于基线，平均10分钟生成可编辑图形。
机器人操作模仿学习中的数据缩放定律
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 通过收集超过4万次演示和1.5万次真实机器人 rollout，发现策略泛化性能与环境和物体数量呈幂律关系，环境和物体多样性比演示数量更重要，据此提出高效数据收集策略。
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