Huawei（华为） - arXivDaily 大厂专区

2606.12562 2026-07-21 cs.CV cs.GR 版本更新

HairPort: In-context 3D-aware Hair Import and Transfer for Images

HairPort: 上下文感知的3D发型导入与迁移

Alireza Heidari, Amirhossein Alimohammadi, Ali Mahdavi-Amiri

机构 * Simon Fraser University（西蒙菲莎大学）； Huawei Canada（华为加拿大）

AI总结提出HairPort框架，通过显式分离发型移除与迁移，并利用3D感知管道实现大姿态差异下的发型迁移，结合LoRA适配的秃头转换器和条件流匹配生成器，实现高质量、身份保持的发型迁移。

Comments Accepted to SIGGRAPH 2026 (Conference Papers Track). 23 pages, 15 figures, 10 tables, including supplementary material as appendices. Project page: https://deepmancer.github.io/HairPort/

2603.16461 2026-07-21 cs.CV 版本更新

GAP-MLLM: Geometry-Aligned Pre-training for Activating 3D Spatial Perception in Multimodal Large Language Models

GAP-MLLM：几何对齐预训练以激活多模态大语言模型中的3D空间感知

Jiaxin Zhang, Junjun Jiang, Haijie Li, Youyu Chen, Kui Jiang, Dave Zhenyu Chen

机构 * Harbin Institute of Technology（哈尔滨工业大学）； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院）； Huawei（华为）

AI总结本文提出GAP-MLLM，通过几何对齐预训练激活多模态大语言模型中的3D空间感知，改进了传统方法在3D空间感知上的不足。

Comments Accepted by ECCV 2026. Project page: https://gapmllm.github.io/

2510.23472 2026-07-21 cs.LG cs.AI cs.AR cs.NE 版本更新

BBOPlace-Bench: Benchmarking Black-Box Optimization for Chip Placement

BBOPlace-Bench：用于芯片布局的黑盒优化基准测试

Ke Xue, Ruo-Tong Chen, Rong-Xi Tan, Xi Lin, Yunqi Shi, Siyuan Xu, Mingxuan Yuan, Chao Qian

机构 * National Key Laboratory for Novel Software Technology（国家新型软件技术重点实验室）； School of Artificial Intelligence, Nanjing University（人工智能学院，南京大学）； Huawei Noah’s Ark Lab（华为诺亚实验室）

AI总结针对芯片布局中黑盒优化缺乏统一基准的问题，提出BBOPlace-Bench基准，整合问题表述、芯片案例和算法家族，提供模块化框架，通过共享协议系统评估算法性能，助力开发高效方案并拓宽应用场景。

Comments IEEE TEvC

2509.23071 2026-07-21 cs.CL cs.AI 版本更新

From Evidence to Trajectory: Abductive Reasoning Path Synthesis for Retrieval-Augmented Generation Agents Development

从证据到轨迹：用于检索增强生成智能体开发的溯因推理路径合成

Muzhi Li, Jinhu Qi, Yihong Wu, Minghao Zhao, Liheng Ma, Yifan Li, Xinyu Wang, Zhenghan Tai, Zixing Song, Yingxue Zhang, Ho-fung Leung, Irwin King

机构 * The Chinese University of Hong Kong, Sha Tin, NT, Hong Kong（香港中文大学）； Université de Montréal, Montréal, Quebéc, Canada（蒙特利尔大学）； McGill University, Montréal, Quebéc, Canada（麦吉尔大学）； Mila - Quebéc AI Institute, Montréal, Quebéc, Canada（魁北克AI研究院）； Huawei Noah’s Ark Lab, Montréal, Quebéc, Canada（华为诺亚实验室）

AI总结针对检索增强生成智能体开发缺乏可执行轨迹问题，提出EviPath范式，通过溯因子任务规划、忠实子问题回答、对话微调三个阶段合成推理路径，实验表明基于此训练的模型在开放域问答中显著优于基线。

Comments KDD 2026 Research Track