University of Texas at Austin（得克萨斯大学奥斯汀分校）

Information-Regularized Constrained Inversion for Stable Avatar Editing from Sparse Supervision

信息正则化约束反演用于从稀疏监督稳定编辑可编辑的人形化身

Zhenxiao Liang, Qixing Huang

机构 * Department of Computer Science, University of Texas at Austin（德克萨斯大学奥斯汀分校计算机科学系） 纠错

AI总结 本文提出信息正则化约束反演方法，通过在结构化的化身潜在空间中进行约束反演，限制更新到低维的部分特定编辑子空间，以防止身份泄漏和姿态依赖的时序闪烁，提升在稀疏监督下的稳定性。

LumaFlux: Lifting 8-Bit Worlds to HDR Reality with Physically-Guided Diffusion Transformers

LumaFlux：通过物理引导的扩散变压器将8位世界提升到HDR现实

Shreshth Saini, Hakan Gedik, Neil Birkbeck, Yilin Wang, Balu Adsumilli, Alan C. Bovik

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Google, Inc.（谷歌公司） 纠错

AI总结 LumaFlux通过物理和感知引导的扩散变压器实现8位SDR到10位HDR的重建，引入PGA、PCM和HDR Residual Coupler模块，提升亮度和色彩保真度，同时构建大规模训练数据集和评估基准。

VoxelCodeBench: Benchmarking 3D World Modeling Through Code Generation

VoxelCodeBench：通过代码生成进行3D世界建模的基准测试

Yan Zheng, Florian Bordes

机构 * FAIR at Meta（Meta FAIR） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出VoxelCodeBench基准，通过代码生成评估3D空间推理能力，发现生成可执行代码易，但生成空间正确输出难，尤其在几何构造和多物体组合上挑战大。

Street-Legal Physical-World Adversarial Rim for License Plates

符合道路法规的物理世界对抗环

Nikhil Kalidasu, Sahana Ganapathy

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 研究探讨低资源威胁者能否针对现代开源ALPR系统实施成功对抗攻击，提出符合法律的物理对抗环SPAR，证明其在德克萨斯州的合法性，并展示其对ALPR准确率的显著影响。

Comments 20 pages, 8 figures, 5 tables, submitted to Security in Machine Learning Applications 2026

We'll Fix it in Post: Improving Text-to-Video Generation with Neuro-Symbolic Feedback

事后修复：通过神经符号反馈改进文本到视频生成

Minkyu Choi, S P Sharan, Harsh Goel, Sahil Shah, Sandeep Chinchali

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出NeuS-E框架，通过神经符号反馈提升文本到视频生成的语义和时间一致性，实验显示其在多种提示下提升了40%的对齐度。