高校专区
OmniPhys：文本到图像生成中物理常识的知识图谱驱动基准测试与集体优化
机构 * Zhejiang University（浙江大学） ； The University of Manchester（曼彻斯特大学） ； The University of Edinburgh（爱丁堡大学） ； Ant Group（蚂蚁集团）
AI总结 针对文本到图像模型常违反物理常识及现有基准测试不足等问题，引入基于物理知识图谱的OmniPhys基准测试，提出OmniPrompt迭代框架，经对12个模型评估，显著提升了物理一致性。
Comments accepted by KDD 2026 DB track
SGTP：基于采样的博弈论实时多车辆自主赛车规划
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Technical University of Munich（慕尼黑工业大学）
AI总结 针对自主多车辆赛车中平衡战略多样性与计算效率的难题，提出基于采样的博弈论规划（SGTP）框架，结合博弈论推理与GPU加速采样，经可行性选择确保安全过渡，模拟显示其在多智能体场景表现良好，还开源代码及基准促进研究。
每个人都是独特的：迈向用于债务催收的行为异质性协商对话系统
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
AI总结 针对债务催收场景中现有基准无法体现用户行为异质性的问题，提出DebtBench基准并开发DebtGPT代理，用16个先进LLMs实验，发现多数模型表现不佳，DebtGPT优于开源基线且性能与GPT-4o相当。
RoCo-ACE：用于保留感知知识注入的基于展开的在线蒸馏
机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究针对知识注入中拟合权威答案致行为偏差问题，提出RoCo-ACE方法，通过同展开无参考/基于参考条件的似然对比及参考侧锚定校正，在多知识注入设置等下，实现最佳注入知识准确性且保持保留率接近基础模型。
Crystalis：用于协同多视图可视化生成的渐进式成核与语义退火
机构 * Zhejiang University（浙江大学）
AI总结 研究针对大语言模型难以生成协同多视图可视化的问题，提出Crystalis框架，基于以查询为中心的CMV建模，通过渐进式成核和语义退火机制，在多任务基准测试中取得高成功率，且经用户研究验证了工作流程可用性。
用于结构化超材料统一生成设计的引导拓扑分布
机构 * Imperial College London（伦敦帝国理工学院） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Southwest Jiaotong University（西南交通大学） ； Ningbo University（宁波大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究结构化超材料设计问题，提出GenTO统一框架，通过训练扩散模型并引导拓扑分布，能为异构任务重用拓扑先验，保留结构多样性，获高性能方案，确立拓扑知识为超材料设计统一原则。
CameraAnything：使用任意相机控制重新拍摄视频
机构 * The Chinese University of Hong Kong（香港中文大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 CameraAnything是用于相机控制视频编辑的统一框架，采用逐像素普吕克光线注入等方法联合控制相机参数，开发合成管道克服数据稀缺，能在单过程中实现多种视频编辑操作，为视频制作提供实用价值。
Comments Project page: https://yixuanli98.github.io/cameraanything/
一种用于长期脑机接口的具有不确定性引导自步学习的循环适应-泛化框架
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Nanhu Brain-Computer Interface Institute（南湖脑机接口研究所）
AI总结 针对侵入性脑机接口因神经漂移面临的长期部署挑战，提出UnSPC框架，通过UnSPL机制协同DA和DG，利用噪声鲁棒排序策略挖掘可靠伪标签样本，引入CycAG策略整合DA和DG，经实验验证其有效性和鲁棒性，为长期BMI控制铺路。
用于脑机接口神经解码泛化的自监督一致性增强解缠学习
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Nanhu Brain-Computer Interface Institute（南湖脑机接口研究院）
AI总结 研究脑机接口因神经漂移致性能下降问题，提出自监督一致性增强解缠学习框架（SSCDL）。通过设计一致性增强神经解码器及采用互补解缠泛化机制，学习鲁棒表征，实现跨日泛化，提升解码性能，展现长期交互潜力。
RRTrack：用于动态场景的鲁棒且可恢复的物体6D姿态跟踪
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院） ； College of Future Information Technology, Fudan University（复旦大学未来信息技术学院）
AI总结 研究针对动态场景中物体6D姿态跟踪难题，提出RRTrack。它采用2D-6D闭环跟踪策略，集成记忆视频对象分割与6D姿态细化，还有双库模板匹配模块。在合成基准和真实世界实验中验证，相比FoundationPose有显著提升，兼具高效与鲁棒性。
Comments 6D Pose Tracking, 10 pages, real-world experiments, training-free
揭露你的伪装：从语音转换中恢复源说话者身份
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
AI总结 研究针对语音转换威胁生物特征安全问题，提出TRIDENT框架，通过三叉戟架构，包括识别转换机制、提取目标说话者潜在表示等，从转换音频恢复源说话者身份，实验表明其准确率高且性能稳健。
D3O：用于序数回归的动态分布蒸馏
机构 * Zhejiang University（浙江大学）
AI总结 针对序数回归中因主观标注产生的问题，提出D3O动态分布蒸馏框架，通过自蒸馏用序数标签分布的训练驱动演化取代静态监督，引入对比序数感知标签增强模块和基于CDF的跨层交互蒸馏机制，实验证明其优于现有方法。
Comments 10 pages, 5 figures, ACMMM2026
按需插补：针对变化环境的自适应相关时间序列插补
机构 * College of Computer and Data Science, Fuzhou University（福州大学计算机与数据科学学院） ； Engineering Research Center of Big Data Intelligence, Ministry of Education（教育部大数据智能工程研究中心） ； Fujian Key Laboratory of Network Computing and Intelligent Information Processing, Fuzhou University（福州大学福建省网络计算与智能信息处理重点实验室） ； Department of Computer Science, Aalborg University（奥尔堡大学计算机科学系） ； Space Information Research Institute, Hangzhou Dianzi University（杭州电子科技大学空间信息研究院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室） ； School of Computer Science and Engineering, The University of New South Wales（新南威尔士大学计算机科学与工程学院） ； CSIRO’s Data61（联邦科学与工业研究组织数据61）
AI总结 研究针对物联网中相关时间序列数据缺失值插补问题，提出AdaCTSi方法，结合一次性时间卷积网络与相关技术提取解耦特征，经实验验证该方法能有效降低MAE，且单个模型支持自适应推理，可部署在商用设备上。
Comments 15 pages, 9 figures. Accepted for publication in IEEE Transactions on Knowledge and Data Engineering (IEEE TKDE)
VIPER：用于物理上合理的视频生成的视觉上下文物理推理
机构 * Zhejiang University（浙江大学） ； vivo Mobile Communication Co., Ltd.（维沃移动通信有限公司）
AI总结 研究针对视频生成模型控制物理行为难的问题，提出VIPER框架，利用多模态大语言模型提取物理线索，通过分层训练引导图像到视频生成器，构建VIPER-19K数据集，实验证明该框架能实现物理行为转移且效果良好。
Comments tech report
从异构轨迹中发现神经算子
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Zhejiang University（浙江大学）
AI总结 研究如何从异构轨迹发现神经算子，提出因式分解潜在条件公式，联合学习神经算子与低维潜在表示，能捕获系统变化内在维度，实现零样本外推等泛化，为无显式监督的算子学习建立可解释范式。
HyCE-RAG：用于可解释多跳问答的超图证据链检索增强生成
机构 * University of Macau（澳门大学） ； Shenzhen Kaihong Digital Industry Development Co., Ltd.（深圳开鸿数字产业发展有限公司） ； University of New South Wales（新南威尔士大学） ； Zhejiang University（浙江大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
AI总结 研究可解释多跳问答，提出HyCE-RAG框架，将实体等组织成超边构建超图，经置信度传播和证据组装选择连接证据路径，评分时考虑多种因素，实验证明其在多方面优于标准和基于图的RAG基线，为复杂问答检索后推理提供新方向。
Comments 15 pages, 3 figures, 4 tables
MM-ShiftKV：用于多模态大语言模型的解码感知预填充阶段键值选择
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术产业开发区（滨江）区块链与数据安全研究院）
AI总结 研究多模态大语言模型中KV缓存问题，提出MM-ShiftKV方法，通过构建方差扩展查询代理近似解码时查询行为，基于聚合注意力质量估计KV重要性，在严格缓存预算下性能优于现有方法。
Comments 19 pages, 11 figures
通过信道条件参数生成实现CSI模型的快速跨场景自适应
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； State Key Laboratory of Blockchain and Data Security, Zhejiang University Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（浙江大学杭州高新技术产业开发区（滨江）区块链与数据安全国家重点实验室）
AI总结 研究针对CSI模型在不同场景适应性差的问题，提出CCPG方法，通过组件冻结实验识别瓶颈，生成轻量级LoRA权重，经多种技术处理实现快速跨场景自适应，实验表明该方法能高效部署CSI模型用于6G通信。
基于字节前缀边缘化的跨分词器策略内蒸馏
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； KwaiKAT Team（快手KwaiKAT团队） ； Zhejiang University（浙江大学）
AI总结 研究如何通过策略内蒸馏整合不同家族语言模型，提出字节前缀边缘化方法，在共享字节空间重表达教师下一个令牌分布，在数学和编程基准测试中，该方法优于现有跨分词器方法，提升了平均准确率。
Comments Project page: https://bpm-opd.github.io/
fMRI2Face：用于动态人脸重建的全高清功能磁共振成像视频数据集和几何引导神经解码框架
机构 * Fudan University（复旦大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Xmov（未提及通用中文名，可音译为艾莫夫）
AI总结 该研究提出fMRI-Face数据集及fMRI2Face框架，用于从大脑活动重建动态人脸。框架从大脑活动中获取两种互补神经控制，经整合实现高保真面部视频重建，实验显示其性能优于基线，为动态面部感知研究提供了新平台和基准。
dRAE：具有超球面码的表示自编码器
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Ant Group（蚂蚁集团）
AI总结 研究旨在解决高维视觉表示离散化难题，提出超球面量化（HSQ），其离散表示自编码器（dRAE）能解耦语义与特征幅度，防止码本坍缩，实现高保真重建，实验证明性能提升、码本利用率高且训练流程简化。
Comments Preprint. Project Page: https://drae-hsq.github.io
InnoText：一种用于视觉文本生成和编辑的统一模型
机构 * JD.com, Inc.（京东公司） ； University of Chinese Academy of Sciences（中国科学院大学） ； Chongqing University of Post and Telecommunications（重庆邮电大学） ； Beijing University of Technology（北京工业大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； City University of Hong Kong（香港城市大学） ； Zhejiang University（浙江大学）
AI总结 针对视觉文本生成和编辑的挑战，提出基于DiT的统一框架InnoText，通过引入字体大小感知调制模块等策略，构建双语数据集，实现了在单个模型中进行文本生成和编辑，提升了生成精度和编辑质量。
Comments Accepted by ECCV 2026
推理去噪器：用于大型推理模型中幻觉检测的推理痕迹去噪
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Zhejiang University（浙江大学） ； Australian Artificial Intelligence Institute, University of Technology Sydney（悉尼科技大学澳大利亚人工智能研究所）
AI总结 针对大型推理模型中推理痕迹含噪声影响幻觉检测的问题，提出REDE框架，利用最终答案注意力塑造表示空间去噪，经实验验证，该框架能有效提升幻觉检测性能。
X³-OPD：通过策略对齐将推理能力提炼到大型音频-语言模型中
机构 * Tencent Hunyuan（腾讯混元） ； Zhejiang University（浙江大学）
AI总结 针对大型音频-语言模型逻辑推理能力不足，提出X³-OPD跨模态策略蒸馏框架，借助教师模型指导与构建的三层对称语料库训练学生模型，实验证明该方法能提升音频推理及思维链质量，还能保留模型域转移下的能力。
Texture++：使用区域感知扩散模型提升3D资产纹理分辨率
机构 * State Key Laboratory of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； North China Electric Power University（华北电力大学）
AI总结 针对3D资产纹理分辨率低问题，提出Texture++框架，通过在UV空间重新表述超分辨率任务，采用自适应视图选择、四叉树纹理区域组织及基于扩散的超分辨率模型，提升纹理分辨率，相比现有方法显著改进了纹理细节与连贯性。
用于稳健线性偏振估计的斯托克斯信息扩散
机构 * Zhejiang University（浙江大学） ； School of Engineering, Westlake University（西湖大学工学院） ； School of Automation, Central South University（中南大学自动化学院） ； College of Computer Science and Technology, Zhejiang University of Technology（浙江工业大学计算机科学与技术学院） ； School of Computer Science, Peking University（北京大学计算机科学学院）
AI总结 研究从单张RGB图像估计线性偏振问题，提出基于穆勒形式主义的GenPolar框架，通过预测斯托克斯分量并结合可观测性感知损失监督偏振角，采用两阶段训练策略，在多数据集实验中性能达先进水平，提升下游应用效果。
展示而非讲述：在生成像素而非语言模型文本中评估空间认知
机构 * Zhejiang University（浙江大学）
AI总结 研究图像生成模型空间认知评估问题，提出ProVisE框架及SpatialGen - Bench基准，通过统一设置评估相关模型，发现图像生成模型在像素空间直接外化答案时有竞争力，文本输出语言模型在组合空间推理中有优势，揭示了两者互补优势并建立测试平台。
Comments 36 pages, 14 figures. Project page: https://zju-omniai.github.io/ProVisE/
MagicMakeup：用于高保真妆容转移的区域可控扩散Transformer
机构 * Zhejiang University（浙江大学） ； State Key Lab of CAD&CG（计算机辅助设计与图形学国家重点实验室） ； vivo Mobile Communication Co., Ltd.（维沃移动通信有限公司） ； vivo BlueImage Lab（vivo蓝图像实验室）
AI总结 研究妆容转移中区域可控性等难题，提出MagicMakeup框架，基于空间约束和概念解缠结，用令牌对齐区域门控和跨模态感知指导实现精确编辑与概念澄清，设计数据生成管道并建立基准，提升了多方面性能和鲁棒性。
CoGoal3D：基于3D感知融合与优化的协作式3D目标检测
机构 * Zhejiang University（浙江大学） ； Zhejiang Provincial Key Laboratory of Multi-Modal Communication Networks and Intelligent Information Processing（浙江省多模态通信网络与智能信息处理重点实验室） ； China Jiliang University（中国计量大学）
AI总结 针对V2X协作目标检测中3D检测效果不佳的问题，提出CoGoal3D框架，通过两阶段管道提取和优化3D特征，设计融合模块与辅助任务，还提出数据增强策略，在多数据集上取得新的最优性能。
Comments Accepted to ECCV 2026. 17 pages, 8 figures, 6 tables. Code: https://github.com/Megalo-f/CoGoal3D
揪出搭便车者：基于夏普利值的强化学习并行推理奖励归因
机构 * ShanghaiTech University（上海科技大学） ； City University of Hong Kong（香港城市大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Zhejiang University（浙江大学）
AI总结 研究大型语言模型多步推理中并行推理路径贡献难区分问题，提出基于夏普利值的强化学习框架并行夏普利值方法，通过量化边际贡献等实现按比例分配奖励，实验证明其优于基线且能改进多路径推理。
Comments 19 pages, 4 figures, 8 Tables
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