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

GSwap: Realistic Head Swapping with Dynamic Neural Gaussian Field

GSwap：基于动态神经高斯场的逼真头部交换

Jingtao Zhou, Xuan Gao, Dongyu Liu, Junhui Hou, Yudong Guo, Juyong Zhang

机构 * School of Mathematical Science, University of Science and Technology of China（中国科学技术大学数学科学学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） 纠错

AI总结 GSwap通过动态神经高斯场实现逼真头部交换，克服传统方法在3D一致性、面部表情和合成质量上的不足，提升整体视觉质量和3D一致性。

Comments Accepted to TVCG, Project page: https://ustc3dv.github.io/GSwap/

TDATR: Improving End-to-End Table Recognition via Table Detail-Aware Learning and Cell-Level Visual Alignment

TDATR：通过表格细节感知学习和单元级视觉对齐改进端到端表格识别

Chunxia Qin, Chenyu Liu, Pengcheng Xia, Jun Du, Baocai Yin, Bing Yin, Cong Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK Research（iFLYTEK研究院） 纠错

AI总结 TDATR通过表格细节感知学习和单元级视觉对齐改进端到端表格识别，采用感知-融合策略，提升模型鲁棒性和识别精度，无需数据集特定微调即可在七个基准上取得领先性能。

Comments Acceptd by CVPR 2026. Project Page: https://github.com/Chunchunwumu/TDATR.git

ScaleEdit-12M: Scaling Open-Source Image Editing Data Generation via Multi-Agent Framework

ScaleEdit-12M：通过多智能体框架实现开源图像编辑数据生成的规模化

Guanzhou Chen, Erfei Cui, Changyao Tian, Danni Yang, Ganlin Yang, Yu Qiao, Hongsheng Li, Gen Luo, Hongjie Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港中文大学多模态实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Xiamen University（厦门大学） 纠错

AI总结 本文提出ScaleEditor框架，通过多智能体方法构建大规模高质量图像编辑数据集，生成ScaleEdit-12M，涵盖23类任务，提升多种编辑模型性能。

Hierarchical Long Video Understanding with Audiovisual Entity Cohesion and Agentic Search

基于音频视觉实体凝聚力与代理搜索的层次化长视频理解

Xinlei Yin, Xiulian Peng, Xiao Li, Zhiwei Xiong, Yan Lu

机构 * University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 本文提出HAVEN框架，通过整合音频视觉实体凝聚力与层次化视频索引与代理搜索，解决长视频理解中的信息碎片化和全局一致性问题，实验显示在LVBench上达到84.1%的准确率。

Comments Accepted by CVPR2026

DualEdit: Mitigating Safety Fallback in LLM Backdoor Editing via Affirmation-Refusal Regulation

DualEdit: 通过肯定-拒绝调节缓解LLM后门编辑中的安全回退

Houcheng Jiang, Zetong Zhao, Junfeng Fang, Haokai Ma, Ruipeng Wang, Xiang Wang, Xiangnan He, Yang Deng

机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Singapore Management University（新加坡管理大学） ； MoE Key Lab of BIPC, University of Science and Technology of China（中国科学技术大学信息与通信技术国家重点实验室） 纠错

AI总结 DualEdit通过双重目标模型编辑框架缓解LLM后门攻击中的安全回退问题，通过动态损失加权和价值锚定技术提升攻击成功率并降低安全回退率。