Huawei（华为）

MoCapAnything: Unified 3D Motion Capture for Arbitrary Skeletons from Monocular Videos

MoCapAnything：统一的单目视频任意骨骼3D动作捕捉

Kehong Gong, Zhengyu Wen, Weixia He, Mingxi Xu, Qi Wang, Ning Zhang, Zhengyu Li, Dongze Lian, Wei Zhao, Xiaoyu He, Mingyuan Zhang

机构 * Huawei International Pte. Ltd.（华为国际有限公司） ； Huawei Central Media Technology Institute（华为中央媒体技术研究院） 纠错

AI总结 本文提出MoCapAnything，通过参考引导和分解框架实现任意骨骼的3D动作捕捉，利用三个可学习模块和轻量IK阶段生成高质量骨骼动画，并在真实数据集上验证了其跨物种重定向能力。

Comments Accepted to CVPR 2026

YOSE: You Only Select Essential Tokens for Efficient DiT-based Video Object Removal

YOSE: 你只选择本质的标记以实现高效的DiT基于视频对象移除

Chenyang Wu, Lina Lei, Fan Li, Chun-Le Guo, Dehong Kong, Xinran Qin, Zhixin Wang, Ming-Ming Cheng, Chongyi Li

机构 * VCIP, CS, Nankai University（南开大学计算机科学与技术学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； NKIARI, Shenzhen Futian（深圳南山研究院） 纠错

AI总结 YOSE通过引入BVI和DiffSim模块，实现了高效的DiT视频对象移除，通过动态选择关键标记和模拟扩散过程，使推理时间与遮挡区域线性相关，从而在70%的情况下达到2.5倍的加速，同时保持视觉质量。

Comments accepted by CVPR2026

Web2BigTable: A Bi-Level Multi-Agent LLM System for Internet-Scale Information Search and Extraction

Web2BigTable: 一种用于互联网级信息搜索与提取的双层多智能体大语言模型系统

Yuxuan Huang, Yihang Chen, Zhiyuan He, Yuxiang Chen, Ka Yiu Lee, Huichi Zhou, Weilin Luo, Meng Fang, Jun Wang

机构 * University of Liverpool（利物浦大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； University College London（伦敦大学学院） 纠错

AI总结 Web2BigTable通过双层架构实现互联网级信息搜索与提取，结合任务分解与并行执行，提升深度推理和结构化聚合能力，达到新的性能标准。

Make Tracking Easy: Neural Motion Retargeting for Humanoid Whole-body Control

让跟踪变得容易：用于双足机器人全身控制的神经运动重定向

Qingrui Zhao, Kaiyue Yang, Xiyu Wang, Shiqi Zhao, Yi Lu, Xinfang Zhang, Qiu Shen, Xiao-Xiao Long, Xun Cao

机构 * Nanjing University（南京大学） ； Huawei Technologies（华为技术） 纠错

AI总结 本文提出NMR框架，通过学习数据分布而非优化最优解，解决传统重定向方法的非凸性问题，提升双足机器人在复杂环境中的运动能力。

Comments Report, 12 pages, 5 figures, 4 tables, webpage: https://nju3dv-humanoidgroup.github.io/nmr.github.io

M-DaQ: Retrieving Samples with Multilingual Diversity and Quality for Instruction Fine-Tuning Datasets

M-DaQ：用于指令微调数据集的多语言多样性与质量样本检索

Chunguang Zhao, Yilun Liu, Pufan Zeng, Yuanchang Luo, Shimin Tao, Minggui He, Weibin Meng, Song Xu, Chen Liu, Hongxia Ma, Li Zhang, Boxing Chen, Daimeng Wei

机构 * Huawei Technologies Ltd.（华为技术有限公司） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 M-DaQ通过联合优化指令-响应质量与跨语言语义多样性，构建高质量平衡训练数据，验证了多语言设置下的Superficial Alignment Hypothesis，并在18种语言上展示出超过60%的胜率。

Comments Accepted by SIGIR 2026 Short