大厂专区
NGD-SLAM：无需GPU的实时动态SLAM系统
机构 * University of Manchester（曼彻斯特大学） ； University of Cambridge（剑桥大学） ； Qualcomm Technologies XR Labs, Austria（Qualcomm Technologies XR 研究所，奥地利）
AI总结 本文提出仅在CPU运行的实时动态SLAM系统，通过掩码传播机制解耦跟踪与掩码生成，结合ORB特征与光流的混合跟踪策略，在笔记本CPU上实现60 FPS跟踪帧率，保持动态环境高定位精度，代码公开。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025
MotionSync：面向标签高效三维感知的因果跟踪器的非因果优化
机构 * Qualcomm Technologies, Inc（高通技术公司）
AI总结 MotionSync将因果/非因果边界设为架构接缝，以带创新的因果跟踪器加非因果优化通路实现标签高效三维感知，在Waymo数据集上25%人工标签加伪标签可获96.9% mAP，10%预算下非因果通路提升3.3 mAP/L2。
RedLight-VLA：用于驾驶策略中交通规则落地与行为强化的模型
机构 * Qualcomm Technologies, Inc.（高通技术公司） ； Qualcomm Auto Ltd Sweden（瑞典高通汽车有限公司） ； Qualcomm India Private Limited（高通印度私人有限公司） ； Arriver System Software S.r.l.（Arriver系统软件有限公司）
AI总结 针对行为克隆VLA驾驶策略在信号交叉口罕见规则操作上的不足，提出RedLight-VLA，通过行为重加权与并行辅助头结合，提升交通规则落地能力，在多位移指标上优于基线及单独机制。
面向自动驾驶的结合语义属性的多模态交通标志检测
机构 * Arriver System Software S.r.l.（Arriver系统软件有限责任公司） ； Qualcomm Auto Ltd Sweden Filial（高通汽车有限公司瑞典分公司） ； Qualcomm Auto Ltd.（高通汽车有限公司） ； Qualcomm Technologies, Inc（高通技术公司）
AI总结 针对自动驾驶中交通标志检测的跨区域泛化差、远距离小目标检测弱、跟踪易受透视畸变影响的问题，提出多模态框架，结合LiDAR与相机，引入强度感知可变形融合模块、双运动模型跟踪器及语义属性分类流水线，在多国数据集上取得低漏检率，实现全球可泛化的商用级交通标志感知。
InverFill：一种用于增强少步扩散修复的一步倒置方法
机构 * Qualcomm AI Research（.qualcomm 高级研究院） ； Posts & Telecommunications Inst. of Tech., Vietnam（越南邮电技术研究所）
AI总结 本文提出InverFill，通过注入输入遮挡图像的语义信息到初始噪声中，实现高质量少步修复。该方法无需训练修复模型，利用文本到图像模型进行混合采样，提升图像质量和文本一致性。
Comments Accepted to CVPR'26 (Main Conference)
MoNe：用于高效长上下文推理的模块化神经记忆
机构 * Qualcomm AI Research（高通人工智能研究部门） ； Qualcomm Technologies, Inc（高通技术公司）
AI总结 研究提出MoNe，一种可附加到冻结预训练Transformer的轻量级模块化神经记忆，通过两阶段设计实现高效长上下文推理，在128K令牌场景下较ICL降低约80%计算与内存开销，泛化性能优于ICL。
DiSCO：通过分布引导的对比提示优化防御文本到图像生成
机构 * Qualcomm AI Research（高通人工智能研究院） ； King Abdullah University of Science Technology (KAUST)（阿卜杜拉国王科技大学）
AI总结 DiSCO是一种零样本黑盒防御模块，通过分布引导的对比提示优化，在I2P基准上分别将未防御、已防御模型的攻击成功率降低37.7%、25.13%，提升文本到图像生成的安全性且保持语义保真度。
非独立同分布与不平衡数据下的联邦自监督调制分类
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Qualcomm Technologies Inc.（高通技术公司）
AI总结 该研究针对非独立同分布与不平衡数据场景，提出FedSSL-AMC联邦自监督框架，结合因果时间膨胀CNN编码器与轻量级本地SVM，在调制分类任务上取得优于监督联邦学习基线的性能。
MagnifiQ：面向高分辨率图像修复的感知补丁文本引导渐进式上采样方法
机构 * Qualcomm AI Research（高通人工智能研究中心）
AI总结 MagnifiQ是一种跨分辨率渐进式上采样的图像修复框架，替换扩散模型自注意力层为线性计算卷积，采用补丁文本提示，在4K图像修复中性能优于现有方法，实现速度与质量的实用权衡。
Comments Camera-ready version (ECCV workshop - LoViF'26)
SNM-VFI：对称非线性运动引导的生成式视频帧插值
机构 * Qualcomm（高通公司）
AI总结 提出无需训练的SNM-VFI框架，结合预训练光流与视频扩散模型，用对称非线性运动模型引导生成过程，经多基准评估实现了优质视频帧插值效果。
Comments ECCVW 2026
学习诊断和纠正错误：大型语言模型中的道德敏感性获取
机构 * University of Mississippi（密西根州立大学） ； Nanyang Technological University（南洋理工大学） ； Northeastern University（东北大学） ； AWS AI Labs（AWS AI实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Qualcomm（高通） ； Michigan State University（密西根州立大学） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）
AI总结 提出一种实用推理方法，通过让大型语言模型诊断和纠正道德错误来获取道德敏感性，并在多个任务上验证了其有效性。
对AR和扩散LLM中逐层表示能力的比较分析
机构 * Qualcomm AI Research（高通人工智能研究）
AI总结 本文比较了AR和扩散LLM的表示能力，发现扩散模型产生更全局的表示，而AR模型产生紧密耦合的局部表示，扩散训练引入深度冗余以实现原理性压缩。
Comments v4: improving writing and adding Qwen2.5-Instruct results with all v3 changes
2025低功耗计算机视觉挑战赛获胜方案评估
机构 * Purdue University（普渡大学） ； Qualcomm（高通） ； Lehigh University（莱维顿大学） ； Ajou University（庆尚大学） ； University of Minnesota（明尼苏达大学） ； Loyola University Chicago（芝加哥洛约拉大学）
AI总结 本文评估了2025低功耗计算机视觉挑战赛的获胜方案，涵盖图像分类、开放词汇分割和单目深度估计三个赛道，分析了高效模型在边缘设备上的性能与约束平衡。
Comments 11 pages, 8 figures, 4 tables
VideoSEMA：用于视频理解的一种可扩展且高效的类曼巴注意力机制
机构 * University of California, Irvine（加利福尼亚大学欧文分校） ； Qualcomm AI Research（高通人工智能研究中心） ； Qualcomm Technologies, Inc.（高通技术公司）
AI总结 研究针对视频理解提出VideoSEMA模型，核心方法是采用时空注意力分割，包含空间类曼巴注意力模块和时间注意力。主要贡献是在多数据集上表现优异，参数规模相当时准确率领先，分辨率提升时退化更平缓，扩展到长视频也有前景。
Comments 15 pages, 3 figures
SEMA：通过令牌定位和平均实现的类似Mamba的可扩展高效注意力机制
机构 * Qualcomm AI Research（Qualcomm AI研究）
AI总结 针对Transformer注意力机制在计算机视觉任务中的问题，提出广义注意力定义并设计SEMA，利用令牌定位避免分散、算术平均捕捉全局，在Imagenet-1k上验证其可扩展性和有效性，优于线性注意力及其他Mamba模型。
Comments 16 pages, figures 3
AVQ注意力：自适应向量量化注意力
机构 * QUVA Lab, University of Amsterdam（QUVA实验室，阿姆斯特丹大学） ； AMLab, Informatics Institute, University of Amsterdam（AMLab，阿姆斯特丹大学信息学院） ； AI4Science Lab, University of Amsterdam（AI4Science实验室，阿姆斯特丹大学） ； Korteweg-de Vries Institute for Mathematics, University of Amsterdam（科特韦格 - 德弗里斯数学研究所，阿姆斯特丹大学） ； Qualcomm AI Research（高通人工智能研究公司） ； FunAI Lab, University of Technology Nuremberg（FunAI实验室，纽伦堡工业大学）
AI总结 研究针对Transformer模型注意力机制计算瓶颈，提出自适应向量量化（AVQ）注意力，基于注意力重要性分配码本容量，前向传播识别重要代码并用子码字细化，开发相关实现，保持\(\mathcal{O}(MN)\)复杂度，提升精度-效率权衡。
Comments Accepted at ECCV 2026
超越视野：端到端自动驾驶中的物体持久性
机构 * University of Toronto（多伦多大学） ； Qualcomm Technologies, Inc.（高通技术公司）
AI总结 研究针对自动驾驶中物体易被遮挡问题，提出超越视野框架，通过维持持久物体假设解耦物体存在与可观测性，引入nuScenes - Permanence用于训练评估，实验证明该框架显著提升遮挡推理能力，凸显物体持久性对自动驾驶的重要性。
Comments Accepted to ECCV 2026
关于视觉推理中的局部性和长度泛化
机构 * Qualcomm AI Research（高通人工智能研究中心）
AI总结 研究从视觉状态跟踪和长度泛化角度，探讨局部、顺序视觉模型是否有计算优势。受语言模型启发，研究简单视觉任务中视觉模型行为。发现其会利用全局捷径，基于严格局部感知的策略可缓解此问题，表明局部注意力对稳健组合泛化很关键。
Comments Accepted at ECCV 2026
走向线性的关键：分析驱动的Transformer线性化
机构 * Qualcomm AI Research（高通人工智能研究中心）
AI总结 研究针对因果自注意力二次成本限制长上下文Transformer推理的问题，通过分析状态更新设计，发现softmax原理及近似误差源，引入结构干预，在多模型上扩展线性化方法，提升性能并匹配复杂缓存框架的长上下文检索。
FPTQuant：用于大语言模型量化的函数保持变换
机构 * Qualcomm AI Research（高通人工智能研究）
AI总结 研究针对大语言模型推理能耗高问题，提出FPTQuant方法，通过引入三种函数保持变换促进Transformer量化，经训练使模型在量化时保持功能，实现静态INT4量化，有最小开销且速度大幅提升，在精度-速度权衡上表现优异。
Comments Forty-third International Conference on Machine Learning (ICML 2026)
CLEAR：用于端到端自动驾驶的大规模闭环强化学习
机构 * Qualcomm AI Research（高通人工智能研究中心）
AI总结 研究端到端自动驾驶，针对现有基于视觉语言动作模型的策略多采用模仿学习致闭环规划性能欠佳的问题，提出CLEAR系统，用强化学习进行闭环训练，设计异构管道增加并行模拟环境数量，性能优于先前方法。
追踪噪声，移动世界：用于可控视频生成的3D地面运动一致噪声
机构 * Qualcomm AI Research（高通人工智能研究中心） ； Trinity College Dublin（都柏林三一学院）
AI总结 研究如何在视频生成中实现对物体和相机运动的精确统一控制。核心方法是构建统一框架UniCaMo，直接构造扩散模型输入噪声。主要贡献是在视频质量和运动可控性上取得先进成果，且无需对基础模型做大改动。
Comments Project Page: https://phongnhhn.info/Unicamo/
PixGS: 像素空间扩散用于直接三维高斯泼溅生成
机构 * Qualcomm AI Research（高通人工智能研究院）
AI总结 提出单阶段管道PixGS，利用像素空间扩散从文本或图像直接生成高质量3D高斯泼溅，避免潜在压缩伪影，并引入表面法线、深度和高频结构监督，在单张A100 GPU上1秒内生成，性能超越现有方法。
Comments Accepted at ECCV 2026
BamiBERT: 一种新的基于BERT的越南语语言模型
机构 * Qualcomm AI Research（高通人工智能研究）
AI总结 提出BamiBERT，一种从头训练的越南语BERT模型，支持2048 token上下文长度且无需分词，在15项指标中11项最优，刷新越南语编码器性能。
ForeSea：面向视频监控的多模态查询AI取证搜索
机构 * Qualcomm AI Research（高通人工智能研究）
AI总结 针对监控视频中多模态查询与时间定位难题，提出ForeSea系统，采用三阶段即插即用流程，结合跟踪、多模态嵌入和视频LLM，在ForeSeaQA基准上准确率提升3.1%，时间IoU提升10.1%。
Comments ECCV2026
跨空间蒸馏：用现代扩散教师训练一步学生模型
机构 * Qualcomm AI Research（高通AI研究院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； Rutgers University（罗格斯大学）
AI总结 提出跨空间蒸馏框架，通过轻量级潜在接口Bridge解决教师与学生模型潜在空间不匹配问题，实现异构教师蒸馏到紧凑学生模型，显著提升性能。
Comments ECCV 2026
控制混合：基于Transformer模型的状态感知微调
机构 * Qualcomm AI Research（高通人工智能研究院）
AI总结 提出Mixture-of-Control（MoC）框架，通过稀疏混合专家机制自适应融合局部和全局控制信号，增强Transformer块间信息交换，实现高效微调。
Comments ICML 2026 Workshop on Connecting Low-rank Representations in AI, CoLoRAI, 26 pages, 12 figures, 5 tables
SciFlow: 用于自监督光流域泛化的语义交叉干扰
机构 * Qualcomm Technologies, Inc.（高通技术公司） ； Qualcomm AI Research（高通人工智能研究）
AI总结 提出SciFlow方法，通过自监督学习在训练时对合成图像施加来自开放世界图像的语义干扰，结合几何一致性，实现合成到真实域的泛化，无需真实标注。
Comments 4 pages
优化师生划分以实现 HPC 系统上的可扩展知识蒸馏
机构 * Qualcomm AI Research（高通AI研究）
AI总结 针对知识蒸馏中师生模型不对称性，提出 HPC 感知方法，通过解耦师生划分、避免冗余数据结构并选择最优拆分策略，在 HPC 集群上实现高达 67% 的吞吐量提升。
基于置信度蒸馏的门控关系对齐用于高效视觉语言模型
机构 * Department of Information Technology（信息科技系） ； Electrical Engineering, ETH Zurich, Zurich, Switzerland（电气工程，苏黎世联邦理工学院，苏黎世，瑞士） ； Qualcomm AI Research, Amsterdam, the Netherlands（高通人工智能研究，阿姆斯特丹，荷兰） ； Department of Electrical, Electronic and Information Engineering（电气、电子与信息工程系） ； University of Bologna, Bologna, Italy（博洛尼亚大学，博洛尼亚，意大利） ； School of Electrical and Electronic Engineering（电气与电子工程学院）
AI总结 提出GRACE框架，通过信息瓶颈原理统一知识蒸馏与量化感知训练，使用置信度门控解耦蒸馏、关系中心核对齐和自适应控制器，在INT4量化下实现性能超越FP16基线并接近教师模型，同时显著降低内存和提升吞吐量。
Comments Accepted to the International Conference on Machine Learning (ICML 2026)
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