University of Science and Technology of China（中国科学技术大学）

EvoTok: A Unified Image Tokenizer via Residual Latent Evolution for Visual Understanding and Generation

EvoTok：通过残差潜在进化实现统一的图像分词器用于视觉理解和生成

Yan Li, Ning Liao, Xiangyu Zhao, Shaofeng Zhang, Xiaoxing Wang, Yifan Yang, Junchi Yan, Xue Yang

机构 * University of Science and Technology of China（中国科学技术大学） ； Microsoft Corporation（微软公司） 纠错

AI总结 EvoTok通过残差潜在进化统一图像理解和生成，实现高效视觉表征建模。

DyWeight: Dynamic Gradient Weighting for Few-Step Diffusion Sampling

DyWeight: 动态梯度加权用于少步扩散采样

Tong Zhao, Mingkun Lei, Liangyu Yuan, Yanming Yang, Chenxi Song, Yang Wang, Beier Zhu, Chi Zhang

机构 * Zhejiang University（浙江大学） ； AGI Lab, Westlake University（西湖大学AGI实验室） ； TongJi University（同济大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 DyWeight通过动态梯度加权方法，提高了扩散采样效率，实现更少的函数评估和更稳定的生成效果。

Comments Code Link: see AGI-Lab/DyWeight" target="_blank" rel="noopener">https://github.com/Westlake-AGI-Lab/DyWeight

Hierarchical Granularity Alignment and State Space Modeling for Robust Multimodal AU Detection in the Wild

层次粒度对齐与状态空间建模用于野外多模态面部动作单元检测

Jun Yu, Yunxiang Zhang, Naixiang Zheng, Lingsi Zhu, Guoyuan Wang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出了一种基于层次粒度对齐和状态空间模型的多模态框架，通过强大的基础模型提取高保真视觉和音频表示，并引入视觉-马尔可夫模型和不对称交叉注意机制，实现对野外环境中面部动作单元的高效检测。

Comments 8 pages, 1 figures

Decoupling Perception from Reasoning for Hallucination-Resistant Video Understanding

解耦感知与推理以实现抗幻觉的视频理解

Bowei Pu, Chuanbin Liu, Yifan Ge, Peicheng Zhou, Yiwei Sun, Zhiying Lu, Zhangchi Hu, Hongtao Xie

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出DPL模型，通过解耦感知与推理以提升视频理解的抗幻觉能力，引入感知奖励和FAE评估器，有效提高训练后性能和数据效率。

Comments 17 pages, 8 figures

Your Classifier Can Do More: Towards Balancing the Gaps in Classification, Robustness, and Generation

你的分类器可以做更多：朝着平衡分类、鲁棒性和生成之间的差距

Kaichao Jiang, He Wang, Xiaoshuai Hao, Xiulong Yang, Ajian Liu, Qi Chu, Yunfeng Diao, Richang Hong

机构 * Hefei University of Technology, China（合肥工业大学，中国） ； Jianghuai Advance Technology Center, China（江淮先进科技中心，中国） ； Anhui Provincial Key Laboratory of Humanoid Robots, China（安徽省人形机器人重点实验室，中国） ； AI Centre, University College London, UK（伦敦大学学院人工智能中心，英国） ； Xiaomi EV, China（小米电动车，中国） ； Central China Normal University, China（中部师范大学，中国） ； Institute of Automation, Chinese Academy of Sciences, China（中国科学院自动化研究所，中国） ； University of Science and Technology of China, China（中国科学技术大学，中国） 纠错

AI总结 EB-JDAT通过统一生成、判别和鲁棒性，实现分类、鲁棒性和生成能力的平衡，达到新的权衡前沿。

Comments accepted by CVPR2026