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

Degradation-Robust Fusion: An Efficient Degradation-Aware Diffusion Framework for Multimodal Image Fusion in Arbitrary Degradation Scenarios

抗退化融合：一种高效的抗退化扩散框架，用于任意退化场景下的多模态图像融合

Yu Shi, Yu Liu, Zhong-Cheng Wu, Juan Cheng, Huafeng Li, Xun Chen

机构 * Department of Biomedical Engineering, Hefei University of Technology（合肥工业大学生物医学工程系） ； Faculty of Information Engineering and Automation, Kunming University of Science and Technology（昆明理工大学信息工程与自动化学院） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院） 纠错

AI总结 本文提出一种高效的抗退化扩散框架，用于处理多模态图像融合中的复杂退化场景。该框架通过隐式去噪和联合观测模型校正机制，提升了在复杂退化下的融合性能。

Comments Accepted by CVPR 2026

Medical Reasoning with Large Language Models: A Survey and MR-Bench

基于大语言模型的医学推理：综述与MR-Bench

Xiaohan Ren, Chenxiao Fan, Wenyin Ma, Hongliang He, Chongming Gao, Xiaoyan Zhao, Fuli Feng

机构 * University of Science and Technology of China（中国科学技术大学） ； The First Affiliated Hospital of USTC（中国科学技术大学附属第一医院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文综述了大语言模型在医学推理中的应用，提出MR-Bench基准测试，揭示了考试级性能与真实临床任务准确性之间的差距。

AlphaCast: A Human Wisdom-LLM Intelligence Co-Reasoning Framework for Interactive Time Series Forecasting

AlphaCast：一种用于交互式时间序列预测的人类智慧-大语言模型智能协同推理框架

Xiaohan Zhang, Tian Gao, Mingyue Cheng, Bokai Pan, Ze Guo, Yaguo Liu, Xiaoyu Tao, Qi Liu

机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（中国科学技术大学认知智能国家重点实验室） 纠错

AI总结 AlphaCast提出一种交互驱动的代理推理框架，利用无训练大语言模型实现准确的时间序列预测，通过多阶段工作流整合上下文准备、基于推理的生成和反思评估，将预测转化为多轮自主交互过程。

AVGen-Bench: A Task-Driven Benchmark for Multi-Granular Evaluation of Text-to-Audio-Video Generation

AVGen-Bench: 一项面向多粒度评估的文本到音频视频生成任务驱动基准

Ziwei Zhou, Zeyuan Lai, Rui Wang, Yifan Yang, Zhen Xing, Yuqing Yang, Qi Dai, Lili Qiu, Chong Luo

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

AI总结 AVGen-Bench通过11个真实场景的高质量提示，结合轻量专家模型与多模态大语言模型，实现对文本到音频视频生成的多粒度评估，揭示了音频视觉美学与语义可靠性之间的显著差距。

AudioMoG: Guiding Audio Generation with Mixture-of-Guidance

AudioMoG：通过混合指导引导音频生成

Junyou Wang, Zehua Chen, Binjie Yuan, Kaiwen Zheng, Chang Li, Yuxuan Jiang, Jun Zhu

机构 * Tsinghua University（清华大学） ； Shengshu AI（生数科技） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出AudioMoG，一种改进的采样方法，在无需大量训练资源的情况下提升文本到音频和视频到音频生成质量，同时在多样性保持和生成质量上优于单一指导方法。

Comments Accepted at ICME 2026

IoT-Brain: Grounding LLMs for Semantic-Spatial Sensor Scheduling

IoT-Brain：为语义-空间传感器调度 grounding LLMs

Zhaomeng Zhou, Lan Zhang, Junyang Wang, Mu Yuan, Junda Lin, Jinke Song

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出IoT-Brain系统，通过引入空间轨迹图（STG）解决LLM在语义-空间传感器调度中的表示、推理和优化缺陷，提升任务成功率37.6%并显著降低资源消耗。

Comments To appear in ACM MobiCom 2026; 13 pages, 12 figures

WorldMAP: Bootstrapping Vision-Language Navigation Trajectory Prediction with Generative World Models

WorldMAP: 通过生成世界模型提升视觉-语言导航轨迹预测

Hongjin Chen, Shangyun Jiang, Tonghua Su, Chen Gao, Xinlei Chen, Yong Li, Zhibo Chen

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Shandong University（山东大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 WorldMAP通过生成世界模型与教师-学生框架，将生成的未来场景转化为语义空间结构和规划监督，提升导航轨迹预测的稳定性与准确性，取得最佳性能。

SPARD: Self-Paced Curriculum for RL Alignment via Integrating Reward Dynamics and Data Utility

SPARD：通过整合奖励动态和数据效用实现强化学习对齐的自适应课程

Xuyang Zhi, Peilun zhou, Chengqiang Lu, Hang Lv, Yiwei Liang, Rongyang Zhang, Yan Gao, YI WU, Yao Hu, Hongchao Gu, Defu Lian, Hao Wang, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Xiaohongshu Inc.（小红书） 纠错

AI总结 SPARD通过动态调整多目标奖励权重和数据重要性，提升强化学习对齐效果，实验显示在多个基准上显著增强模型能力。

HAWK: Head Importance-Aware Visual Token Pruning in Multimodal Models

HAWK：多模态模型中的头部重要性感知视觉标记修剪

Qihui Zhu, Tao Zhang, Yuchen Wang, Zijian Wen, Mengjie Zhang, Shuangwu Chen, Xiaobin Tan, Jian Yang, Yang Liu, Zhenhua Dong, Xianzhi Yu, Yinfei Pan

机构 * University of Science and Technology of China（中国科学技术大学） ； ChangXin Memory Technologies, Inc（长鑫存储技术有限公司） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） 纠错

AI总结 HAWK通过识别不同注意力头在视觉任务中的重要性，有效保留关键视觉标记，提升多模态模型的推理效率与性能。

Comments CVPR 2026

SepSeq: A Training-Free Framework for Long Numerical Sequence Processing in LLMs

SepSeq：一种无需训练的长数值序列处理框架

Jie Sun, Yu Liu, Lu Han, Qiwen Deng, Xiang Shu, Yang Xiao, Xingyu Lu, Jun Zhou, Pengfei Liu, Lintao Ma, Jiancan Wu, Xiang Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nanjing University（南京大学） ； University of Edinburgh（爱丁堡大学） ； East China Normal University（华东师范大学） ； Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； Ocean University of China（中国海洋大学） 纠错

AI总结 针对LLM处理长数值序列性能下降问题，提出SepSeq框架通过插入分隔符令牌缓解注意力分散，提升准确率并减少推理令牌消耗。

Comments 16 pages, 4 figures, 5 tables

Dual-level Modality Debiasing Learning for Unsupervised Visible-Infrared Person Re-Identification

双层模态去偏学习用于无监督可见-红外人重识别

Jiaze Li, Yan Lu, Bin Liu, Guojun Yin, Mang Ye

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

AI总结 本文提出双层模态去偏学习框架，通过模型和优化层面的去偏策略解决模态偏置问题，提升无监督可见-红外人重识别的性能。

MAR-GRPO: Stabilized GRPO for AR-diffusion Hybrid Image Generation

MAR-GRPO：用于AR-扩散混合图像生成的稳定GRPO

Xiaoxiao Ma, Jiachen Lei, Tianfei Ren, Jie Huang, Siming Fu, Aiming Hao, Jiahong Wu, Xiangxiang Chu, Feng Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； AMAP, Alibaba Group（阿里巴巴集团高德地图） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出稳定RL框架用于MAR，通过多轨迹期望减少梯度噪声，结合不确定性估计和一致性aware的token选择策略，提升图像生成质量与稳定性。

Walk the Talk: Bridging the Reasoning-Action Gap for Thinking with Images via Multimodal Agentic Policy Optimization

行走与言说：通过多模态代理策略优化弥合图像推理与行动之间的差距

Wenhao Yang, Yu Xia, Jinlong Huang, Shiyin Lu, Qing-Guo Chen, Zhao Xu, Weihua Luo, Kaifu Zhang, Yuchen Zhou, Xiaobo Xia, Yuanyu Wan, Lijun Zhang, Tat-Seng Chua

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； AI Business, Alibaba Group（阿里巴巴集团智能计算研究院） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, China（上海交通大学自动化与智能感知学院） ； School of Intelligent Systems Engineering, Sun Yat-sen University, Shenzhen, China（中山大学智能工程学院（深圳）） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院） ； School of Software Technology, Zhejiang University, China（浙江大学软件学院） ； School of Computing, National University of Singapore, Singapore, Singapore（新加坡国立大学计算机学院） 纠错

AI总结 本文提出MAPO方法，通过强制生成视觉内容的显式文本描述，结合语义对齐与任务奖励，提升多模态推理能力，实验表明其在多个视觉推理基准上表现优异。

VLMShield: Efficient and Robust Defense of Vision-Language Models against Malicious Prompts

VLMShield: 有效且稳健的视觉语言模型对抗恶意提示防御

Peigui Qi, Kunsheng Tang, Yanpu Yu, Jialin Wu, Yide Song, Wenbo Zhou, Zhicong Huang, Cheng Hong, Weiming Zhang, Nenghai Yu

机构 * University of Science and Technology of China（中国科学技术大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出VLMShield，通过多模态聚合特征提取框架提升视觉语言模型对恶意提示的防御能力，实验显示其在鲁棒性、效率和实用性方面表现优异。

STAC: Plug-and-Play Spatio-Temporal Aware Cache Compression for Streaming 3D Reconstruction

STAC：用于流式3D重建的时空感知缓存压缩

Runze Wang, Yuxuan Song, Youcheng Cai, Ligang Liu

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STAC框架，通过时空感知缓存机制提升流式3D重建的内存效率和重建质量，减少内存消耗并加速推理。

Comments 10 pages, 6 figures. Accepted by CVPR 2026. This version includes supplementary material

Erased, But Not Forgotten: Erased Rectified Flow Transformers Still Remain Unsafe Under Concept Attack

被擦除，但未被遗忘：擦除的修正流变换器在概念攻击下仍不安全

Nanxiang Jiang, Zhaoxin Fan, Enhan Kang, Daiheng Gao, Yun Zhou, Yanxia Chang, Zheng Zhu, Yeying Jin, Wenjun Wu

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院未来区块链与隐私计算北京高精尖创新中心） ； University of Science and Technology of China（中国科学技术大学） ； National University of Defense Technology（国防科技大学） ； GigaAI ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出ReFlux，首个针对最新修正流T2I框架评估概念擦除鲁棒性的攻击方法，通过反注意力优化和动态引导策略，验证了概念擦除在修正流变换器中的有效性。

ACE-Merging: Data-Free Model Merging with Adaptive Covariance Estimation

ACE-Merging：无数据模型融合与自适应协方差估计

Bo Xu, Haotian Wu, Hehai Lin, Weiquan Huang, Beier Zhu, Yao Shu, Chengwei Qin

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出ACE-Merging方法，通过自适应协方差估计实现无数据模型融合，解决专家模型间干扰问题，实验表明其在视觉和语言基准上优于现有方法。

Comments Accepted to CVPR 2026 (Main Track)

Efficient and Principled Scientific Discovery through Bayesian Optimization: A Tutorial

通过贝叶斯优化实现高效且原则性的科学发现：教程

Zhongwei Yu, Rasul Tutunov, Alexandre Max Maraval, Zikai Xie, Zhenzhi Tan, Jiankang Wang, Bin Cao, Zijing Li, Liangliang Xu, Qi Yang, Jun Jiang, Sanzhong Luo, Zhenxiao Guo, Tongyi Zhang, Haitham Bou-Ammar, Jun Wang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Haihe Laboratory of Sustainable Chemical Transformations（海河可持续化学转化实验室） ； Shanghai University（上海大学） ； University College London（伦敦大学学院） 纠错

AI总结 本文通过贝叶斯优化框架，系统阐述了如何通过自动化科学发现循环提升实验效率，涵盖催化、材料科学等领域的案例研究及技术扩展。

AttnDiff: Attention-based Differential Fingerprinting for Large Language Models

AttnDiff：基于注意力的差分指纹法用于大语言模型

Haobo Zhang, Zhenhua Xu, Junxian Li, Shangfeng Sheng, Dezhang Kong, Meng Han

机构 * Zhejiang University of Technology（浙江工业大学） ； Zhejiang University（浙江大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江研究院） ； Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出AttnDiff，一种高效白盒框架，通过内在信息路由行为提取模型指纹，用于验证大语言模型的衍生关系，实现高相似度区分相关衍生模型与无关模型家族。

Comments Accepted at ACL2026 Main

CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment

CoEnv：通过组合环境驱动具身体验多智能体协作

Li Kang, Yutao Fan, Rui Li, Heng Zhou, Yiran Qin, Zhemeng Zhang, Songtao Huang, Xiufeng Song, Zaibin Zhang, Bruno N. Y. Chen, Zhenfei Yin, Dongzhan Zhou, Wangmeng Zuo, Lei Bai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学） ； CUHK-Shenzhen（香港中文大学（深圳）） ； Fudan University（复旦大学） ； Dalian University of Technology（大连理工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出CoEnv框架，通过模拟与现实结合的组合环境，实现多智能体协作的高效执行与安全部署，提升任务成功率和效率。

Comments 31 pages, 8 figures, including supplementary material. Project page: https://faceong.github.io/CoEnv/

Enhancing sample efficiency in reinforcement-learning-based flow control: replacing the critic with an adaptive reduced-order model

提升基于强化学习的流控制样本效率：用自适应降阶模型替代批评器

Zesheng Yao, Zhen-Hua Wan, Canjun Yang, Qingchao Xia, Mengqi Zhang

机构 * School of Mechanical Engineering, Zhejiang University（浙江大学机械工程学院） ； Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； Department of Modern Mechanics, University of Science and Technology of China（中国科学技术大学近代力学系） 纠错

AI总结 本文提出一种基于自适应降阶模型的强化学习框架，通过物理洞察设计降阶模型结构，结合线性动力系统和神经微分方程估计流体非线性，实现更高效的控制器优化。

Comments 43 pages, 26 figures

MINED: Probing and Updating with Multimodal Time-Sensitive Knowledge for Large Multimodal Models

MINED：利用多模态时间敏感知识进行探测与更新以提升大多模态模型

Kailin Jiang, Ning Jiang, Yuntao Du, Yuchen Ren, Yuchen Li, Yifan Gao, Jinhe Bi, Yunpu Ma, Bin Li, Lei Liu, Qing Li

机构 * University of Science and Technology of China（中国科学技术大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，北京通用人工智能研究院） ； Northeast Forestry University（东北林业大学） ； C-FAIR&school of software, Shandong University（山东大学软件学院C-FAIR） ； State Key Lab. for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； The University of Sydney（悉尼大学） ； Anhui Polytechnic University（安徽工程大学） ； Ludwig Maximilian University of Munich（慕尼黑大学） 纠错

AI总结 本文提出MINED基准，评估LMMs在时间敏感知识上的认知、意识、可信度等六个维度，发现Gemini-2.5-Pro在时间理解上表现最佳，而多数开源模型仍缺乏此能力，且在体育知识上表现最差。

Comments ACL 2026, Project Page: https://mined-lmm.github.io/

ForgeryGPT: A Multimodal LLM for Interpretable Image Forgery Detection and Localization

ForgeryGPT: 一种多模态大语言模型用于可解释的图像伪造检测与定位

Fanrui Zhang, Jiawei Liu, Jiaying Zhu, Esther Sun, Dong Li, Qiang Zhang, Zheng-Jun Zha

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

AI总结 ForgeryGPT通过多模态大语言模型捕捉伪造图像的高阶取证知识关联，实现可解释的图像伪造检测与定位，提升检测精度和交互能力。

Comments 13 pages, 9 figures

SLaB: Sparse-Lowrank-Binary Decomposition for Efficient Large Language Models

SLaB：用于高效大语言模型的稀疏低秩二进制分解

Ziwei Li, Yuang Ma, Yi Kang

机构 * School of Microelectronics, University of Science and Technology of China（中国科学技术大学微电子学院） 纠错

AI总结 SLaB通过将线性层权重分解为稀疏矩阵、低秩矩阵和二进制矩阵，实现大语言模型的高效压缩，在50%压缩下使困惑度降低36%，在零样本任务中提升准确率8.98%。

GA-GS: Generation-Assisted Gaussian Splatting for Static Scene Reconstruction

GA-GS：基于生成的高斯点散射用于静态场景重建

Yedong Shen, Shiqi Zhang, Sha Zhang, Yifan Duan, Xinran Zhang, Wenhao Yu, Lu Zhang, Jiajun Deng, Yanyong Zhang

机构 * School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Advanced Technology, University of Science and Technology of China（中国科学技术大学先进技术研究院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； School of information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院） 纠错

AI总结 本文提出GA-GS方法，通过生成技术辅助恢复动态物体遮挡区域，引入可学习的真实性标量平衡真实背景与生成区域，利用轨迹匹配数据集验证了其在大规模持久遮挡场景中的优越性能。

TSPO: Breaking the Double Homogenization Dilemma in Multi-turn Search Policy Optimization

TSPO：突破多轮搜索策略优化中的双重均质化困境

Shichao Ma, Zhiyuan Ma, Ming Yang, Xiaofan Li, Xing Wu, Jintao Du, Yu Cheng, Weiqiang Wang, Qiliang Liu, Zhengyang Zhou, Yang Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Tiansuan Lab, Ant Group Co., Ltd.（天算实验室，蚂蚁集团） ； Fudan University（复旦大学） ； East China Normal University（华东师范大学） ； Central South University（中南大学） 纠错

AI总结 本文提出TSPO方法，通过引入首次出现潜在奖励机制，解决多轮搜索策略优化中的过程均质化和组内均质化问题，提升模型性能。

FinPercep-RM: A Fine-grained Reward Model and Co-evolutionary Curriculum for RL-based Real-world Super-Resolution

FinPercep-RM：一种细粒度奖励模型和协同进化课程用于基于强化学习的现实世界超分辨率

Yidi Liu, Zihao Fan, Jie Huang, Jie Xiao, Dong Li, Wenlong Zhang, Lei Bai, Xueyang Fu, Zheng-Jun Zha

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 本文提出FinPercep-RM细粒度奖励模型和协同进化课程学习机制，通过生成感知退化图提升超分辨率模型的感知质量，解决传统IQA模型对局部细粒度失真不敏感的问题。

Comments Accepted by CVPR2026

Dynamic Whole-Body Dancing with Humanoid Robots -- A Model-Based Control Approach

动态全身体舞与人形机器人——一种基于模型的控制方法

Shibowen Zhang, Jiayang Wu, Guannan Liu, Helin Zhu, Junjie Liu, Zhehan Li, Junhong Guo, Xiaokun Leng, Hangxin Liu, Jingwen Zhang, Jikai Wang, Zonghai Chen, Zhicheng He, Jiayi Wang, Yao Su

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院） ； Xidian University（西安电子科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本文提出了一种基于模型的框架，用于生成和执行人形机器人上的动态全身体舞动作。框架分为离线动作生成和在线动作执行两个阶段，利用未来状态预测实现鲁棒且动态的舞动动作。

Multimodal Structure Learning: Disentangling Shared and Specific Topology via Cross-Modal Graphical Lasso

多模态结构学习：通过跨模态图拉索解耦共享和特定拓扑

Fei Wang, Yutong Zhang, Xiong Wang

机构 * Stony Brook University（石溪大学） ； Sichuan University（四川大学） ； USTC（中国科学技术大学） 纠错

AI总结 本文提出跨模态图拉索方法，通过统一视觉语言编码器和跨注意力蒸馏机制，解耦共享与类别特定拓扑，提升多模态表征的可解释性。

Comments Submitted to a conference

Rethinking Position Embedding as a Context Controller for Multi-Reference and Multi-Shot Video Generation

重新思考位置嵌入作为多参考和多镜头视频生成的上下文控制器

Binyuan Huang, Yuning Lu, Weinan Jia, Hualiang Wang, Mu Liu, Daiqing Yang

机构 * Wuhan University（武汉大学） ； University of Science and Technology of China（中国科学技术大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出PoCo方法，通过引入位置嵌入作为额外的上下文控制，解决多参考和多镜头视频生成中参考混淆问题，提升跨镜头一致性和参考保真度。

Comments Accepted to CVPR 2026