Adobe

FlowMark: Mask-Guided Video Watermarking

FlowMark：掩码引导的视频水印方案

Vishal Asnani, Shruti Agarwal, John Collomosse

机构 * Adobe Research（Adobe研究院） ； DECaDE, University of Surrey（萨里大学DECaDE实验室） 纠错

AI总结 该研究提出FlowMark视频水印框架，通过专用掩码预测网络自动确定最优嵌入区域，实现高感知质量下的强鲁棒性，可抵御压缩、时域编辑与主流平台重编码，支持内容溯源等场景。

LILAC: Layer-Wise Independent LoRAs and Cascaded Conditioning for Multi-Concept Customization of Diffusion Models

LILAC：用于扩散模型多概念定制的分层独立LoRAs和级联条件处理

Marian Lupascu, Sebastian Ripa, Mihai Trascau, Mariana-Iuliana Georgescu, Ionut Mironica

机构 * Adobe Research, Romania（罗马尼亚Adobe研究院） ； Department of Computer Science, University of Bucharest, Romania（罗马尼亚布加勒斯特大学计算机科学系） ； International Computer High School of Bucharest, Romania（罗马尼亚布加勒斯特国际计算机高中） 纠错

AI总结 研究个性化文本到图像扩散模型渲染特定主题的难题，提出LILAC框架，通过分层独立训练低秩适配器并级联条件处理，避免参数干扰，无需联合训练，线性扩展且与主干无关，效果良好。

Comments 19 pages, 8 figures

Spinning Straw into Gold: Relabeling LLM Agent Trajectories in Hindsight for Successful Demonstrations

化腐朽为神奇：事后重新标记大语言模型智能体轨迹以实现成功示范

Zichao Li, Gang Wu, Zichao Wang, Ruiyi Zhang, Wanrong Zhu, Ryan A. Rossi, Vlad I Morariu, Jihyung Kil

机构 * Mila, McGill University（米拉，麦吉尔大学） ； Adobe Research（Adobe研究院） 纠错

AI总结 针对大语言模型智能体监督瓶颈，利用智能体展开中隐含的成功目标，引入事后监督学习（HSL），通过辅助大语言模型重新标记轨迹及目标并微调，提出两种技术减轻数据次优性，实验证明其优势。

Comments Accepted to ICLR 2026

Validation-Induced Shapley Shifts: How Validation Structure Distorts Data Valuation

验证诱导的沙普利值偏移：验证结构如何扭曲数据评估

Yinan Shen, Ziao Yang, Hongfu Liu

机构 * Adobe（奥多比公司） 纠错

AI总结 研究发现对验证集的微小改变会致沙普利值分布方向偏移，训练样本沙普利值向零压缩，追踪至噪声诱导邻域重排效应，用KNN-沙普利框架验证，提出策略减轻扭曲。

Comments 12 pages, 8 figures, 1 table