高校专区
Ink3D: 通过视频生成模型雕刻具有极其复杂纹理的3D资产
机构 * ZGCA & ZGCI（ZGCA 和 ZGCI） ； Microsoft Research（微软研究院） ； Zhejiang University（浙江大学） ； HKUST（香港科技大学）
AI总结 提出Ink3D框架，利用大规模视频生成模型合成复杂纹理，通过OrbitPainter生成密集轨道扫描视频，并用TextureOptimizer进行神经烘焙以生成一致纹理。
Comments Accepted to ECCV 2026. Project page: https://yuehan99.github.io/Ink3D-TextureGen/
感知到推理：解耦感知与推理用于细粒度视觉推理
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出Perceive-to-Reason (P2R)框架，将细粒度视觉推理解耦为感知和推理两阶段，并引入PRA-GRPO强化学习策略，在多个高分辨率基准上显著提升性能。
Comments Code: https://github.com/ZJU-REAL/Perceive-to-Reason
直接以最小信息损失压缩大规模数据集
机构 * University College London（伦敦大学学院） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； University of Macau（澳门大学）
AI总结 针对现有数据集蒸馏方法因隐式双压缩导致信息损失和跨架构泛化差的问题，提出CIM框架，通过直接量化并最小化原始与合成数据集间的信息差距，实现高保真信息压缩，在ImageNet-1K上以IPC=10、80分钟训练达到48.7% Top-1准确率。
Comments Accepted by ECCV 2026
面向视觉强化学习泛化的任务相关表示解耦
机构 * Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence, School of Computer Science & Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院交通数据挖掘与具身智能北京市重点实验室） ； CSSC Intelligent Innovation Research Institute（中国船舶集团智能创新研究院） ； Zhejiang University（浙江大学）
AI总结 提出自监督任务相关表示解耦算法T2RD，通过表示一致性、交叉重建和交叉动态预测分离任务相关与无关特征，在控制任务中实现SOTA泛化性能。
Comments 23 pages, 13 figures
Journal ref ACM Transactions on Multimedia Computing, Communications and Applications (TOMM), 2026
多标签节点分类中的标签影响传播
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Capital One ； GrabTaxi Holdings Pte. Ltd.（GrabTaxi控股私人有限公司）
AI总结 提出标签影响传播（LIP）模型，通过分解GNN的消息传递为传播和变换操作，量化标签间影响，构建标签影响图传播高阶影响，动态调整学习过程，在多标签节点分类任务上超越现有方法。
Comments Accepted to ICLR 2025
GEAR-Seg：用于推理分割和数据引擎的基于可解释智能体
机构 * College of Biosystems Engineering and Food Science, Zhejiang University（浙江大学生物系统工程与食品科学学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州国际科创中心）
AI总结 提出GEAR-Seg，一种解耦的智能体框架，通过将像素转换为属性文本实现可解释推理分割，零样本性能优异，并可作为数据引擎构建大规模基准GEAR-131K。
Comments 21 pages, 8 figures
Restore3D：通过形状和纹理修复为破损物体注入生机
机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学）
AI总结 提出Restore3D框架，利用多视图图像同时修复破损物体的几何形状和纹理，通过自动数据生成、掩码自感知模块和深度感知掩码修正器生成高分辨率多视图图像，再经粗到细重建获得带纹理的3D网格。
MindEdit-Bench：基于野外照片的VLM中对象级反事实空间推理基准
机构 * ZODA ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； The University of Tokyo（东京大学）
AI总结 提出MindEdit-Bench基准，包含六项空间推理任务，其中两项新任务（L4和L5）测试对象级反事实推理，VLM平均准确率仅8%-31%，远低于人类的81%-97%。
Comments 18 pages, 7 figures. Dataset available at https://huggingface.co/datasets/ZODAOfficial/MindEdit-Bench
MolSafeEval: 揭示AI生成分子安全风险的基准
机构 * Zhejiang University（浙江大学） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center（浙大-杭州全球科技创新中心） ； University of Oxford（牛津大学）
AI总结 提出MolSafeEval基准，通过构建分子安全知识图谱和基于大语言模型的推理，系统评估四类分子生成模型的安全风险，揭示当前方法的漏洞。
Comments Accepted by Findings of ACL 2026
低困惑度即重复：连续扩散语言模型中的一维自调节吸引子
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Ant Group（蚂蚁集团）
AI总结 发现连续扩散语言模型（如ELF）的低困惑度源于过度重复，提出一维吸引子机制并设计ACE方法消除重复，提升文本质量。
Fora: 从权重空间到函数空间的保护在保持能力的微调中
机构 * Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学）
AI总结 提出函数空间保护方法FORA，通过输入激活协方差的主方向投影，在微调中保留模型原有能力，实验表明优于权重空间投影。
眼见为实：基于视觉锚点的提示重写对齐用于文本到图像生成
机构 * Peking University（北京大学） ； Tencent（腾讯） ； Dalian University of Technology（大连理工大学） ； Nanyang Technological University（南洋理工大学） ； University of Cambridge（剑桥大学） ； Zhejiang University（浙江大学）
AI总结 提出FaithRewriter框架，利用多模态大模型生成中间视觉线索，结合大语言模型生成视觉锚定的增强提示，再蒸馏至小模型，以缩小用户意图与生成图像之间的差距。
ROGLE: 基于自动区域监督的鲁棒全局-局部对齐用于文本行人搜索
机构 * Zhejiang University（浙江大学）
AI总结 提出ROGLE框架，通过自动区域-句子匹配策略和多重粒度学习，解决文本行人搜索中细粒度对齐不足的问题，并在新基准P-VLG上取得最优性能。
Comments 12 pages, 5 figures
Interact3D: 交互式物体的组合3D生成
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Adobe ； Fudan University（复旦大学）
AI总结 提出Interact3D框架，通过统一3D引导场景、两阶段组合流水线（全局到局部几何对齐和基于SDF的优化）以及闭环智能体修正策略，从单张图像生成物理合理的交互式3D组合物体，解决遮挡和空间关系保持问题。
Comments Accepted to ECCV 2026
XSkill: 多模态智能体中的经验与技能持续学习
机构 * Zhejiang University（浙江大学）
AI总结 提出XSkill双流框架，通过视觉经验与技能的知识提取、检索和自适应，实现多模态智能体在开放场景中无需参数更新的持续学习，显著提升工具使用和推理泛化能力。
Comments Accepted to ICML 2026
NI-Tex: 基于非等距图像的服装纹理生成
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Fudan University（复旦大学）
AI总结 针对非等距图像与3D服装网格间的纹理生成问题，提出结合物理模拟数据集、非等距图像编辑和迭代烘焙的框架，生成高质量PBR纹理。
Comments Accepted to CVPR 2026 (Highlight)
MediRound：医学图像中的多轮实体级推理分割
机构 * Zhejiang University（浙江大学） ； Zhejiang Sci-Tech University（浙江理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出多轮实体级医学推理分割任务MEMR-Seg，构建大规模数据集MR-MedSeg，并设计基线模型MediRound，通过判断与纠正机制缓解错误传播，在医学教育场景中优于传统方法。
Comments In this version, we have improved some suboptimal expressions in the manuscript and completed the authors' information, such as ORCID IDs
RC-GeoCP：雷达-相机协同感知的几何一致性
机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； School of Automotive Studies, Tongji University（同济大学汽车学院） ； Thrust of Artificial Intelligence, Hong Kong University of Science and Technology（香港科技大学人工智能研究所）
AI总结 提出首个4D雷达与相机协同感知框架RC-GeoCP，通过雷达锚定几何一致性解决深度模糊和空间分散导致的错位，实现高效通信与全局一致表示。
Comments 11 pages, 6 figures, 9 tables
基于引导扩散模型的多体机器人重定向
机构 * Southern University of Science and Technology（南方科技大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute（浙江大学伊利诺伊大学厄巴纳-香槟校区联合学院） ； LimX Dynamics
AI总结 提出统一图条件扩散框架，利用图结构编码不同机器人拓扑几何特征，通过基于能量的引导损失训练，实现跨异构体的运动重定向。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈