University of Chinese Academy of Sciences（中国科学院大学）

NOVA: Sparse Control, Dense Synthesis for Pair-Free Video Editing

NOVA：无配对视频编辑的稀疏控制与密集合成

Tianlin Pan, Jiayi Dai, Chenpu Yuan, Zhengyao Lv, Binxin Yang, Hubery Yin, Chen Li, Jing Lyu, Caifeng Shan, Chenyang Si

机构 * Nanjing University（南京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； WeChat, Tencent（微信、腾讯） ； The University of Hong Kong（香港大学） 纠错

AI总结 NOVA提出了一种无配对视频编辑框架，通过稀疏控制与密集合成提升编辑保真度和时间一致性。

Comments Accepted by CVPR 2026

FACE: A Face-based Autoregressive Representation for High-Fidelity and Efficient Mesh Generation

FACE：一种基于面部的自回归表示，用于高保真和高效的网格生成

Hanxiao Wang, Yuan-Chen Guo, Ying-Tian Liu, Zi-Xin Zou, Biao Zhang, Weize Quan, Ding Liang, Yan-Pei Cao, Dong-Ming Yan

机构 * CASIA ； UCAS ； VAST ； KAUST 纠错

AI总结 FACE提出了一种基于面的自回归表示方法，通过在面级别生成网格，显著提高3D网格生成的效率和保真度。

RuCL: Stratified Rubric-Based Curriculum Learning for Multimodal Large Language Model Reasoning

RuCL：基于分层评分标准的课程学习用于多模态大语言模型推理

Yukun Chen, Jiaming Li, Longze Chen, Ze Gong, Jingpeng Li, Zhen Qin, Hengyu Chang, Ancheng Xu, Zhihao Yang, Hamid Alinejad-Rokny, Qiang Qu, Bo Zheng, Min Yang

机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Alibaba Group（阿里巴巴集团） ； School of Biomedical Engineering, UNSW Sydney（新南威尔士大学生物医学工程学院） 纠错

AI总结 RuCL通过分层评分标准课程学习提升多模态大语言模型的推理能力，实现7.83%的准确率提升。

Comments 8 pages

DMTrack: Spatio-Temporal Multimodal Tracking via Dual-Adapter

DMTrack: 基于双适配器的时空多模态跟踪

Weihong Li, Shaohua Dong, Haonan Lu, Yanhao Zhang, Heng Fan, Libo Zhang

机构 * Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州高等研究院） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Department of Computer Science and Engineering, University of North Texas（北卡罗来纳州立大学计算机科学与工程系） ； OPPO AI Center（OPPO人工智能中心） 纠错

AI总结 DMTrack通过双适配器架构实现时空多模态跟踪，利用STMA和PMCA模块提升跨模态融合效果，达到先进性能。

Comments Accepted by ICRA 2026

The power of small initialization in noisy low-tubal-rank tensor recovery

小初始化在噪声低管秩张量恢复中的作用

ZHiyu Liu, Haobo Geng, Xudong Wang, Yandong Tang, Zhi Han, Yao Wang

机构 * State Key Laboratory of Robotics and Intelligent Systems, Shenyang Institute of Automation, Chinese Academy of Sciences, China（机器人与智能系统国家重点实验室，沈阳自动化研究所，中国科学院，中国） ； University of Chinese Academy of Sciences, China（中国科学院大学，中国） ； School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子与电气工程学院，新加坡） ； The Center for Intelligent Decision-making and Machine Learning, School of Management, Xi’an Jiaotong University, China（智能决策与机器学习中心，西安交通大学管理学院，中国） 纠错

AI总结 本文研究了在噪声环境下利用小初始化改进低管秩张量恢复的性能，证明了小初始化能实现接近最优的恢复误差，同时提供了理论保证和实验验证。

Uni-Skill: Building Self-Evolving Skill Repository for Generalizable Robotic Manipulation

Uni-Skill：构建通用机器人操作的自演化技能库

Senwei Xie, Yuntian Zhang, Ruiping Wang, Xilin Chen

机构 * Key Laboratory of AI Safety of CAS（中国科学院人工智能安全重点实验室） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 Uni-Skill通过自演化技能库提升机器人操作的通用性与适应性，实现高效技能检索与少样本推理。

Comments Accepted to ICRA2026

StarWhisper Telescope: An AI framework for automating end-to-end astronomical observations

StarWhisper望远镜：一种用于自动化端到端天文观测的AI框架

Cunshi Wang, Yu Zhang, Yuyang Li, Xinjie Hu, Yiming Mao, Xunhao Chen, Pengliang Du, Rui Wang, Ying Wu, Hang Yang, Yansong Li, Beichuan Wang, Haiyang Mu, Zheng Wang, Jianfeng Tian, Liang Ge, Yongna Mao, Shengming Li, Xiaomeng Lu, Jinhang Zou, Yang Huang, Ningchen Sun, Jie Zheng, Min He, Yu Bai, Junjie Jin, Hong Wu, Jifeng Liu

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Key Laboratory of Optical Astronomy National Astronomical Observatories Chinese Academy of Sciences（中国科学院国家天文台光学天文重点实验室） ； School of Computing Science Simon Fraser University（西蒙弗雷泽大学计算机科学学院） ； College of Science Tibet University（西藏大学理学院） ； Institute for Frontiers in Astronomy and Astrophysics Beijing Normal University（北京师范大学前沿天文与天体物理研究院） ； Liii Network Co（Liii网络公司） 纠错

AI总结 StarWhisper望远镜是一种结合大语言模型与模块化工作流的AI框架，用于自动化天文观测，提升观测效率并促进业余与专业天文学家的协作。

Comments 33 pages