The Chinese University of Hong Kong（香港中文大学）

LumiTex: Towards High-Fidelity PBR Texture Generation with Illumination Context

LumiTex: 向高保真PBR纹理生成迈进：基于照明上下文

Jingzhi Bao, Hongze Chen, Lingting Zhu, Chenyu Liu, Runze Zhang, Keyang Luo, Zeyu Hu, Weikai Chen, Yingda Yin, Xin Wang, Zehong Lin, Jun Zhang, Xiaoguang Han

机构 * CUHK(SZ)（香港中文大学（深圳）） ； HKUST（香港理工大学） ； HKU（香港大学） ； PKU（北京大学） ； LIGHTSPEED 纠错

AI总结 LumiTex通过结合光照上下文和几何引导的修补模块，实现了高保真的PBR纹理生成，提升了材料分解和无缝纹理完成的性能。

Comments Project page: https://lumitex.vercel.app

Rethinking Intermediate Representation for VLM-based Robot Manipulation

重新思考基于VLM的机器人操作中的中间表示

Weiliang Tang, Jialin Gao, Jia-Hui Pan, Gang Wang, Li Erran Li, Yunhui Liu, Mingyu Ding, Pheng-Ann Heng, Chi-Wing Fu

机构 * CUHK（香港中文大学） ； Amazon（亚马逊） ； UNC（北卡罗来纳大学教堂山分校） 纠错

AI总结 本文提出SEAM表示方法，通过分解中间表示为词汇和语法，提升VLM在机器人操作中的可理解和通用性，结合检索增强的少样本学习策略实现高效操作，并在动作通用性和VLM可理解性上展示出优于主流方法的性能。

EnfoPath: Energy-Informed Analysis of Generative Trajectories in Flow Matching

EnfoPath：基于能量的生成轨迹分析在流匹配中的应用

Ziyun Li, Ben Dai, Huancheng Hu, Henrik Boström, Soon Hoe Lim

机构 * KTH Royal Institute of Technology（皇家理工学院） ； Chinese University of Hong Kong（香港大学） ； Hasso Plattner Institute（哈asso-普拉特纳研究所） ； Nordita（北欧理论物理研究所） 纠错

AI总结 EnfoPath通过动能路径能量分析生成轨迹，揭示语义丰富样本与数据密度的关系，提供物理启发的生成难度理解框架。

Comments EurIPS 2025 Workshop on Principles of Generative Modeling (PriGM)

Learning What to Trust: Bayesian Prior-Guided Optimization for Visual Generation

学习信任什么：基于贝叶斯先验引导的视觉生成优化

Ruiying Liu, Yuanzhi Liang, Haibin Huang, Tianshu Yu, Chi Zhang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院） 纠错

AI总结 本文提出贝叶斯先验引导优化方法，通过建模奖励不确定性提升视觉生成模型的语义对齐和感知保真度。

CoreEval: Automatically Building Contamination-Resilient Datasets with Real-World Knowledge toward Reliable LLM Evaluation

CoreEval: 通过现实世界知识自动构建抗污染数据集以实现可靠的LLM评估

Jingqian Zhao, Bingbing Wang, Geng Tu, Yice Zhang, Qianlong Wang, Bin Liang, Jing Li, Ruifeng Xu

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） ； Guangdong Provincial Key Laboratory of Novel Security Intelligence Technologies（广东省新型安全智能技术重点实验室） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 CoreEval通过现实世界知识自动更新数据集，提升LLM评估的抗污染能力，减少数据污染导致的性能高估问题。

Comments ACL'25

InfoScale: Unleashing Training-free Variable-scaled Image Generation via Effective Utilization of Information

InfoScale: 通过有效利用信息实现免训练可变尺度图像生成

Guohui Zhang, Jiangtong Tan, Linjiang Huang, Zhonghang Yuan, Mingde Yao, Jie Huang, Feng Zhao

机构 * USTC（中国科学技术大学） ； Beihang University（北京航空航天大学） ； CUHK MMLab（香港中文大学多媒体实验室） ； Kuaishou Technology（快手科技） 纠错

AI总结 InfoScale通过有效利用信息解决扩散模型在可变尺度图像生成中的信息丢失、聚合不灵活和分布不匹配问题。

DSOcc: Leveraging Depth Awareness and Semantic Aid to Boost Camera-Based 3D Semantic Occupancy Prediction

DSOcc: 利用深度感知和语义辅助提升基于相机的3D语义占用预测

Naiyu Fang, Zheyuan Zhou, Kang Wang, Ruibo Li, Lemiao Qiu, Shuyou Zhang, Zhe Wang, Guosheng Lin

机构 * S-Lab & College of Computing and Data Science, Nanyang Technological University（S实验室及计算与数据科学学院，南洋理工大学） ； MMLab, The Chinese University of Hong Kong（M实验室，香港中文大学） ； State Key Laboratory of Fluid Power & Mechatronic Systems, Zhejiang University（流体动力与机电系统国家重点实验室，浙江大学） ； SenseTime Research, Hong Kong（商汤研究，香港） 纠错

AI总结 DSOcc通过深度感知和语义辅助提升基于相机的3D语义占用预测，实现高效且鲁棒的占用状态和类别推断。

MagicWand: A Universal Agent for Generation and Evaluation Aligned with User Preference

MagicWand: 一个通用代理用于生成与评估，与用户偏好对齐

Zitong Xu, Dake Shen, Yaosong Du, Kexiang Hao, Jinghan Huang, Xiande Huang

机构 * Shanghai Jiao Tong University（上海交通大学） ； De Artificial Intelligence Lab（德人工智能实验室） ； The Chinese University of Hong Kong, Shenzhen China（香港中文大学（深圳）） 纠错

AI总结 MagicWand通过结合用户偏好数据集和先进生成模型，实现高质量内容生成与偏好对齐评估。

Correlated-Sequence Differential Privacy

关联序列差分隐私

Yifan Luo, Meng Zhang, Jin Xu, Junting Chen, Jianwei Huang

机构 * Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人研究院） ； School of Science and Engineering（科学与工程学院） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； ZJU-UIUC Institute（浙大-伊利诺伊大学联合学院） ； Zhejiang University（浙江大学） ； School of Management（管理学院） ； Huazhong University of Science and Technology（华中科技大学） ； Shenzhen Future Network of Intelligence Institute (FNii-Shenzhen)（深圳未来智能网络研究院（FNii-Shenzhen）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Key Laboratory of Crowd Intelligence Empowered Low-Carbon Energy Network（深圳群智赋能低碳能源网络重点实验室） ； CSIJRI Joint Research Centre on Smart Energy Storage（CSIJRI联合智能储能研究中心） 纠错

AI总结 本文提出CSDP框架，通过关联序列差分隐私方法，在保持数据有用性的同时提升隐私保护效果。

Comments 11 pages, 5 figures. Published in 2025 34th International Conference on Computer Communications and Networks (ICCCN), IEEE, August 2025

Journal ref Proceedings of the 34th International Conference on Computer Communications and Networks (ICCCN 2025), IEEE, pp. 1-9, 2025

Error analysis for the deep Kolmogorov method

深度柯莫罗戈夫方法的误差分析

Iulian Cîmpean, Thang Do, Lukas Gonon, Arnulf Jentzen, Ionel Popescu

机构 * Faculty of Mathematics and Computer Science, University of Bucharest（数学与计算机科学学院，布加勒斯特大学） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）数据科学学院） ； Faculty of Mathematics and Statistics, University of St. Gallen（圣加尔大学数学与统计学学院） ； School of Data Science and School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）数据科学学院及人工智能学院） ； Applied Mathematics: Institute for Analysis and Numerics, Faculty of Mathematics and Computer Science, University of Münster（应用数学：分析与数值研究所，穆恩斯特大学数学与计算机科学学院） 纠错

AI总结 本文研究了深度柯莫罗戈夫方法在热PDEs中的误差分析，揭示了其收敛性及收敛速率与网络架构、样本数量和优化误差的关系。

Comments 40 pages

Hierarchical knowledge guided fault intensity diagnosis of complex industrial systems

分层知识引导的复杂工业系统故障强度诊断

Yu Sha, Shuiping Gou, Bo Liu, Johannes Faber, Ningtao Liu, Stefan Schramm, Horst Stoecker, Thomas Steckenreiter, Domagoj Vnucec, Nadine Wetzstein, Andreas Widl, Kai Zhou

机构 * School of Artificial Intelligence, Xidian University, Xian, China（西安电子科技大学人工智能学院） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China（香港科技大学（深圳）科学与工程学院） ； Frankfurt Institute for Advanced Studies, Frankfurt am Main, Germany（法兰克福高级研究院） ； Xidian-FIAS international Joint Research Center, Frankfurt am Main, Germany（西电-法兰克福国际联合研究中心） ； Institut für Theoretische Physik, Goethe Universität Frankfurt, Frankfurt am Main, Germany（法兰克福歌德大学理论物理研究所） ； GSI Helmholtzzentrum für Schwerionenforschung GmbH, Darmstadt, Germany（重离子研究中心（GSI）） ； SAMSON AG, Frankfurt am Main, Germany（SAMSON公司） 纠错

AI总结 本文提出了一种分层知识引导的故障强度诊断框架，通过引入层次知识相关矩阵解决依赖关系问题，提升复杂工业系统故障诊断的准确性。

Comments 12 pages

Journal ref In Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining(KDD 2024)

Extreme Cardiac MRI Analysis under Respiratory Motion: Results of the CMRxMotion Challenge

极端呼吸运动下的心脏MRI分析：CMRxMotion挑战结果

Kang Wang, Chen Qin, Zhang Shi, Haoran Wang, Xiwen Zhang, Chen Chen, Cheng Ouyang, Chengliang Dai, Yuanhan Mo, Chenchen Dai, Xutong Kuang, Ruizhe Li, Xin Chen, Xiuzheng Yue, Song Tian, Alejandro Mora-Rubio, Kumaradevan Punithakumar, Shizhan Gong, Qi Dou, Sina Amirrajab, Yasmina Al Khalil, Cian M. Scannell, Lexiaozi Fan, Huili Yang, Xiaowu Sun, Rob van der Geest, Tewodros Weldebirhan Arega, Fabrice Meriaudeau, Caner Özer, Amin Ranem, John Kalkhof, İlkay Öksüz, Anirban Mukhopadhyay, Abdul Qayyum, Moona Mazher, Steven A Niederer, Carles Garcia-Cabrera, Eric Arazo, Michal K. Grzeszczyk, Szymon Płotka, Wanqin Ma, Xiaomeng Li, Rongjun Ge, Yongqing Kou, Xinrong Chen, He Wang, Chengyan Wang, Wenjia Bai, Shuo Wang

机构 * Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai, Shanghai 200032, China ； Shanghai Key Laboratory of MICCAI, Fudan University, Shanghai, Shanghai 200032, China ； Department of Electrical ； Electronic Engineering \& I-X, Imperial College London, London, London SW7 2AZ, United Kingdom ； Department of Radiology, Zhongshan Hospital Affiliated to Fudan University, Shanghai, Shanghai 200032, China ； Department of Computing, Imperial College London, London, London SW7 2AZ, United Kingdom ； School of Computer Science, University of Sheffield, Sheffield, S1 4DP, United Kingdom ； Department of Engineering Science, University of Oxford, Oxford, OX2 0ES, United Kingdom ； Shanghai Pudong Hospital ； Human Phenome Institute, Fudan University, Shanghai, 201203, China ； School of Computer Science, University of Nottingham, Nottingham, NG8 1BB, United Kingdom ； Diagnostic Imaging, University of Alberta, Edmonton, AB T6G 1K4, Canada ； Department of Computer Science ； Engineering, The Chinese University of Hong Kong, Hong Kong, Hong Kong 000000, China ； The D-Lab, Department of Precision Medicine, GROW - Research Institute for Oncology ； Reproduction, Maastricht University, 6220 MD Maastricht, The Netherlands ； Department of Biomedical Engineering, Eindhoven University of Technology, Eindhoven 5612 AZ, The Netherlands ； Department of Radiology, Northwestern University, 737 N. Michigan Ave, Suite 1600, Chicago 60611, United States ； United Imaging Research, 393 Middle Huaxia Road, Pudong, Shanghai 201210, China ； Division of Image Processing, Department of Radiology, Leiden University Medical Center, PO Box 9600, Leiden 2300 RC, The Netherlands ； Université Bourgogne Europe, CNRS, ICMUB UMR 6302, 21000 Dijon, France ； Istanbul Technical University, Maslak, 34467, İstanbul, Türkiye ； Computer Science, Technical University of Darmstadt, Karolinenpl. 5, 64289 Darmstadt, Germany ； Lung Institute, Faculty of Medicine, Imperial College London, Guy Scadding Building, Cale Street, London, SW3 6LY,United Kingdom ； Hawkes Institute, Department of Computer Science, University College London, 66-72 Gower St, London, United Kingdom ； School of Medicine, University College Dublin, Belfield, Dublin, D04 V1W8, Ireland ； CeADAR: Ireland's Centre for AI, University College Dublin, Belfield, Dublin, D04 V1W8, Ireland ； Sano Centre for Computational Medicine, Czarnowiejska 36, 30-054, Krakow, Poland ； Faculty of Mathematics ； Computer Science, Jagiellonian University, S. Łojasiewicza 6, Krakow, Poland ； Department of Electronic ； Computer Engineering, The Hong Kong University of Science ； School of Instrument Science ； Engineering, Southeast University, Nanjing, Nanjing 210096, China ； College of Artificial Intelligence, Nanjing University of Aeronautics ； Academy for Engineering ； Technology, Fudan University, Shanghai, Shanghai 200433, China ； College of Biomedical Engineering, Fudan University, Shanghai, Shanghai 200433, China ； Institute of Science ； Technology for Brain-inspired Intelligence, Fudan University, Shanghai, Shanghai 200433, China ； Department of Brain Sciences, Imperial College London, London, London SW7 2AZ, United Kingdom ； Data Science Institute, Imperial College London, London, London SW7 2AZ, United Kingdom 纠错

AI总结 本文提出CMRxMotion挑战，通过公开数据集评估深度学习模型在呼吸运动干扰下的心脏MRI分析性能，并探讨运动伪影对临床生物标志物的影响。

Text-to-Decision Agent: Offline Meta-Reinforcement Learning from Natural Language Supervision

基于文本的决策代理：从自然语言监督中进行离线元强化学习

Shilin Zhang, Zican Hu, Wenhao Wu, Xinyi Xie, Jianxiang Tang, Chunlin Chen, Daoyi Dong, Yu Cheng, Zhenhong Sun, Zhi Wang

机构 * Nanjing University（南京大学） ； University of Technology Sydney（悉尼大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学） ； University of New South Wales（新南威尔士大学） 纠错

AI总结 本文提出T2DA，通过自然语言监督实现离线元强化学习，利用文本-决策预训练提升零样本泛化能力。

Comments 32 pages, 8 figures