ControlSpeech: Towards Simultaneous and Independent Zero-shot Speaker Cloning and Zero-shot Language Style Control
机构 * Zhejiang University（浙江大学） ； Alibaba Tongyi Speech Lab（阿里云语音实验室）
Comments ACL 2025 Main
高校专区
Zhejiang University（浙江大学）
Language-Codec: Bridging Discrete Codec Representations and Speech Language Models
机构 * Zhejiang University（浙江大学）
Comments ACL 2025 Main
CamCloneMaster: Enabling Reference-based Camera Control for Video Generation
机构 * The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Kuaishou Technology（快手科技）
Comments Project Page: https://camclonemaster.github.io/
SVGenius: Benchmarking LLMs in SVG Understanding, Editing and Generation
机构 * Zhejiang University（浙江大学）
Comments 19 pages,4 figures, Project page: https://zju-real.github.io/SVGenius, Code: https://github.com/ZJU-REAL/SVGenius-Bench
HumanRAM: Feed-forward Human Reconstruction and Animation Model using Transformers
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Huawei（华为） ； 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）
Comments Accepted by SIGGRAPH 2025 (Conference Track). Project page: https://zju3dv.github.io/humanram/
Journal ref SIGGRAPH 2025 Conference Proceedings
LumosFlow: Motion-Guided Long Video Generation
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； DAMO Academy, Alibaba Group（阿里巴巴集团 DAMO 院） ； Hupan Lab（虎斑实验室） ； Zhejiang University（浙江大学）
Beyond Prompt Engineering: Robust Behavior Control in LLMs via Steering Target Atoms
机构 * Zhejiang University（浙江大学） ； Tencent（腾讯） ； National University of Singapore（新加坡国立大学） ； NUS-NCS Joint Lab（新加坡国立大学NCS联合实验室）
Comments ACL 2025
Evaluating and Advancing Multimodal Large Language Models in Perception Ability Lens
机构 * AIML, University of Adelaide（AIML，阿德莱德大学） ； Monash University（墨尔本大学） ； Australian National University（澳大利亚国立大学） ； Tiktok, Australia（Tiktok，澳大利亚） ； Zhejiang University（浙江大学）
Comments Code repository: https://github.com/Chenfeng1271/AbilityLens/tree/main
FlashAudio: Rectified Flows for Fast and High-Fidelity Text-to-Audio Generation
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Zhejiang University（浙江大学） ； Fundamental AI Research (FAIR), Meta（Meta基础人工智能研究（FAIR））
Comments ACL 2025 Main
GSCodec Studio: A Modular Framework for Gaussian Splat Compression
机构 * Zhejiang University（浙江大学）
Comments Repository of the project: https://github.com/JasonLSC/GSCodec_Studio
Silence is Golden: Leveraging Adversarial Examples to Nullify Audio Control in LDM-based Talking-Head Generation
机构 * ReLER, CCAI, Zhejiang University（ReLER，中国人工智能学会，浙江大学） ； School of Cyber Science and Technology, Sun Yat-sen University（信息科学与技术学院，孙中山大学） ； Department of Statistics, University of Wisconsin–Madison（统计学系，威斯康星大学麦迪逊分校）
Comments Accepted to CVPR 2025
VARD: Efficient and Dense Fine-Tuning for Diffusion Models with Value-based RL
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学）
Comments Under review
STORM: Benchmarking Visual Rating of MLLMs with a Comprehensive Ordinal Regression Dataset
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； HKUST (Guangzhou)（香港科技大学（广州）） ； University of Notre Dame（Notre Dame 大学）
Comments underreview of NIPS2025 D&B track
FormFactory: An Interactive Benchmarking Suite for Multimodal Form-Filling Agents
机构 * National University of Singapore（新加坡国立大学） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学）
Comments 8 pages, 7 figures
Abstractive Visual Understanding of Multi-modal Structured Knowledge: A New Perspective for MLLM Evaluation
机构 * Zhejiang University（浙江大学） ； Tianjin University（天津大学） ； Harbin Institute of Technology（哈尔滨工业大学）
Comments Work in progress
Taming LLMs by Scaling Learning Rates with Gradient Grouping
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学）
Comments Preprint version of "Taming LLMs with Gradient Grouping" (ACL'2025). The code will be available at https://github.com/ScalingOpt/SGG
Rhythm Controllable and Efficient Zero-Shot Voice Conversion via Shortcut Flow Matching
机构 * Zhejiang University（浙江大学） ； Huawei Cloud（华为云）
Comments Accepted by ACL 2025 (Main Conference)
FlexSelect: Flexible Token Selection for Efficient Long Video Understanding
机构 * The College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； WeChat Vision, Tencent Inc（腾讯公司微信视觉团队）
Probing the Geometry of Truth: Consistency and Generalization of Truth Directions in LLMs Across Logical Transformations and Question Answering Tasks
机构 * Zhejiang University（浙江大学） ； Zhejiang Normal University（浙江师范大学）
Comments 19 pages, 16 figures; accepted to Findings of ACL 2025
Fast or Slow? Integrating Fast Intuition and Deliberate Thinking for Enhancing Visual Question Answering
机构 * Zhejiang University（浙江大学） ； Byte Dance（字节跳动） ； National University of Singapore（新加坡国立大学） ； Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江省医学影像人工智能重点实验室）
HSCR: Hierarchical Self-Contrastive Rewarding for Aligning Medical Vision Language Models
机构 * Zhejiang University（浙江大学） ； Byte Dance（字节跳动） ； National University of Singapore（新加坡国立大学） ； Angelalign Inc China（Angelalign中国公司） ； Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江省医学影像人工智能重点实验室）
FLoE: Fisher-Based Layer Selection for Efficient Sparse Adaptation of Low-Rank Experts
机构 * Zhejiang University（浙江大学）
Comments 17 pages, 9 figures
SynWorld: Virtual Scenario Synthesis for Agentic Action Knowledge Refinement
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang Key Laboratory of Big Data Intelligent Computing（浙江省大数据智能计算重点实验室）
Comments ACL 2025
Think Small, Act Big: Primitive Prompt Learning for Lifelong Robot Manipulation
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Northwestern Polytechnical University（西北工业大学） ； TeleAI, China Telecom Corp Ltd（TeleAI，中国电信有限公司） ； INSAIT, Sofia University（INSAIT，索菲亚大学）
Comments Accepted to CVPR 2025
Beyond Fixed Variables: Expanding-variate Time Series Forecasting via Flat Scheme and Spatio-temporal Focal Learning
机构 * Southwest Jiaotong University（西南交通大学） ； College of Computer Science and Technology（计算机科学与技术学院） ； Zhejiang University（浙江大学） ； Engineering Research Center of Sustainable Urban Intelligent Transportation（可持续城市智能交通工程研究中心） ； Department of Computer Science（计算机科学系） ； Aalborg University（奥胡斯大学）
VB-Com: Learning Vision-Blind Composite Humanoid Locomotion Against Deficient Perception
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
How Do LLMs Acquire New Knowledge? A Knowledge Circuits Perspective on Continual Pre-Training
机构 * Zhejiang University（浙江大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； National University of Singapore（新加坡国立大学） ； NUS-NCS Joint Lab（新加坡国立大学-南洋理工大学联合实验室）
Comments ACL 2025 Findings
TSD-SR: One-Step Diffusion with Target Score Distillation for Real-World Image Super-Resolution
机构 * Zhejiang University（浙江大学） ； Vivo Mobile Communication Co. Ltd（Vivo移动通信有限公司） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang Lab（浙江实验室）
Learning to Drift in Extreme Turning with Active Exploration and Gaussian Process Based MPC
机构 * State Key Laboratory of Industrial, Zhejiang University（工业-state重点实验室，浙江大学）
Conditional Image Synthesis with Diffusion Models: A Survey
机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University College of Computer Science, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学计算机科学学院，浙江大学） ； University at Buffalo, State University of New York（纽约州立大学布法罗分校） ； College of Computer Science, Zhejiang University of Technology（浙江工业大学计算机科学学院） ； State Key Laboratory of Blockchain and Data Security, Zhejiang University Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（区块链与数据安全国家重点实验室，浙江大学杭州高科技区（滨江）区块链与数据安全研究院） ； College of Computer Science, Zhejiang University（浙江大学计算机科学学院）
