高校专区
AdaForensics：学习一种具有特征感知能力的自适应深度伪造检测器
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
AI总结 本文提出名为AdaForensics的特征感知自适应深度伪造检测器，通过双分支超网络学习自适应参数，在多数据集上性能优于现有最先进方法。
UniqueSplat：用于通用3D重建的视角条件化3D高斯溅射模型
机构 * Tsinghua University（清华大学）
AI总结 本文提出视角条件化前馈3D高斯溅射模型UniqueSplat，通过双分支视角条件化超网络实现高斯动态调整，在多数据集及跨数据集评估中均优于现有最优方法，提升了通用3D重建性能。
配置偏移下的共形大语言模型
机构 * University of Stuttgart（斯图加特大学） ； Robert Bosch GmbH（罗伯特·博世有限公司） ； University of Oxford（牛津大学） ； LMU Munich（慕尼黑大学） ； Tsinghua University（清华大学） ； University of Southampton（南安普顿大学） ； University of Oslo（奥斯陆大学）
AI总结 该研究针对配置偏移对共形大语言模型有效性的影响展开系统分析，通过多维度实证研究揭示其削弱覆盖率的问题，提出两种实用缓解措施以恢复覆盖率并保留效率。
Comments Under Review
DynActiveGS：面向动态场景重建的主动高斯溅射方法
机构 * Tsinghua University, Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Huawei Technologies Ltd（华为技术有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 DynActiveGS是基于3DGS的动态感知主动重建框架，通过分解不确定性实现动态场景的鲁棒主动重建，在多指标上优于现有基线。
Comments Accepted to ACM Multimedia 2026
InteracVid：基于直播聊天视频构建真实交互式视听响应数据集
机构 * College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 该研究提出首个开源大规模交互式视听数据集InteracVid，解决现有生成模型监督信号缺失问题，实验证实其可提升多模态助手的交互规划与响应生成性能，为交互式多模态生成提供关键基础。
CoT-Edit：让思维链（CoT）指导指令视频编辑
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学）
AI总结 本文提出CoT-Edit的plan--guide--edit框架，以CoT增强的MLLM为规划器生成空间先验，结合扩散编辑器实现高保真指令视频编辑，性能优于多个基准方法
Push-Wiper：基于分段推动轨迹的通用机器人清洁方案，用于处理不同污渍与表面
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Z-Lab, Zerith Robotics（Zerith机器人公司Z-Lab实验室） ； University of Toronto（多伦多大学）
AI总结 Push-Wiper 框架将粘性污渍清洁转化为聚合问题，通过分段推动轨迹结合 Diffusion Policy 与 ASPI 控制器，清洁得分比基线高130%，可零样本泛化至多种污渍与表面。
Comments 8 pages, 8 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
PixelSR：基于像素分类的高效屏幕内容超分辨率方法
机构 * Tsinghua University（清华大学）
AI总结 PixelSR通过训练阶段的像素分箱分类计算内容注意力、测试阶段利用屏幕内容特性优化推理，在屏幕内容超分辨率任务中实现了性能先进且推理速度更快的效果。
DrawAI：用于生成可编辑光栅图像的智能体基准与工作流
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 DrawAI提出图像到可编辑重建任务，构建含DrawAI-Bench基准与DrawAI-Flow工作流的智能体方案，经实验验证DrawAI-Flow可提升可编辑结构，不同模型-harness配置的重建质量与成本差异显著。
Comments Project URL: https://drawai.renaissancemind.ai/
CrossProjection：建筑图纸中超越视角变化的几何定位
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； University College London（伦敦大学学院）
AI总结 该研究提出CrossProjection方法评估视觉语言模型在异构建筑视图间的几何定位能力，发现模型在自由几何定位上性能脆弱，仅封闭选择成功不代表具备可靠几何定位能力。
Comments Initial controlled diagnostic study on 23 natural drawing sets and three VLMs; broader model, building, repeated-inference, and human coverage is planned for a subsequent version
从文本到视觉的可迁移性：视觉语言模型（VLM）的能力缩放定律与迁移动态
机构 * Meituan（美团） ； Tsinghua University（清华大学）
AI总结 该研究提出首个跨家族的能力驱动多模态缩放定律，可通过LLM文本能力预测VLM性能，将主干选择从经验搜索转为定量决策，还揭示了LLM作为VLM主干的相关见解。
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