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

2607.14088 2026-07-16 cs.CV 新提交

VideoRAE: Taming Video Foundation Models for Generative Modeling via Representation Autoencoders

VideoRAE：通过表示自动编码器驯服用于生成建模的视频基础模型

Zhihao Xie, Junfeng Wu, Xinting Hu, Junchao Huang, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））； Huazhong University of Science and Technology（华中科技大学）； Shenzhen Loop Area Institute（深圳河套学院）； University of Science and Technology of China（中国科学技术大学）

AI总结研究视频生成模型潜在空间问题，提出VideoRAE，利用冻结视频基础编码器特征经1D自注意力投影仪压缩，支持多种潜在空间，通过多码本高维量化等实现强大重建，收敛快，验证了冻结VFM表示的有效性。

Comments Home page: https://zhxie0117.github.io/VideoRAE

2607.13712 2026-07-16 cs.CV cs.AI cs.CL cs.MM 新提交

Groc-PO: Grounded Context Preference Optimization for Truthful Multimodal LLMs

Groc-PO：用于真实多模态大语言模型的基于上下文的偏好优化

Zhixiao Zheng, Zheren Fu, Zhiyuan Yao, Chunxiao Liu, Dongming Zhang, Zhendong Mao

机构 * University of Science and Technology of China（中国科学技术大学）； Xiaomi Corporation（小米公司）； State Key Laboratory of Communication Content Cognition, People’s Daily Online（人民日报社传播内容认知国家重点实验室）

AI总结研究针对多模态大语言模型的不真实问题，提出基于上下文的偏好优化框架Groc-PO，构建相关数据集，通过多阶段偏好样本捕捉基础上下文，加强上下文相关推理，减轻跨阶段错误传播，提升模型性能。

Comments Accepted by ACM-MM 2026

2607.13685 2026-07-16 cs.CV 新提交

DNA: Dual-stage Native Attribution for Generated Image Source Tracing

DNA：用于生成图像源追踪的双阶段原生归因

Chao Wang, Kejiang Chen, Zijin Yang, Yaofei Wang, Yuang Qi, Weiming Zhang, Nenghai Yu

机构 * University of Science and Technology of China（中国科学技术大学）； Hefei University of Technology（合肥工业大学）

AI总结针对图像生成中家族内变体源追踪难题，提出双阶段原生归因（DNA）框架。粗粒度用 AEDR 筛选，细粒度用 NPC 归因。构建 DNA-30K 基准，实验表明 DNA 准确率高，优于基线，为图像源追踪提供有效方法。

Comments 18 pages