Fudan University（复旦大学）

V-RGBX: Video Editing with Accurate Controls over Intrinsic Properties

V-RGBX：具有精确内在属性控制的视频编辑

Ye Fang, Tong Wu, Valentin Deschaintre, Duygu Ceylan, Iliyan Georgiev, Chun-Hao Paul Huang, Yiwei Hu, Xuelin Chen, Tuanfeng Yang Wang

机构 * Fudan University（复旦大学） ； Adobe Research（Adobe研究院） ； Stanford University（斯坦福大学） 纠错

AI总结 V-RGBX通过端到端框架实现基于内在属性的视频编辑，支持直观且物理合理的视频修改，适用于物体外观和场景重照明等应用。

Comments Project Page: https://aleafy.github.io/vrgbx

Reconstruction as a Bridge for Event-Based Visual Question Answering

重建作为事件驱动视觉问答的桥梁

Hanyue Lou, Jiayi Zhou, Yang Zhang, Boyu Li, Yi Wang, Guangnan Ye, Boxin Shi

机构 * Peking University（北京大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） 纠错

AI总结 本文提出基于重建的框架，通过FRT和ART方法提升事件驱动视觉问答性能，并引入EvQA基准验证其有效性。

Collaborative Reconstruction and Repair for Multi-class Industrial Anomaly Detection

多类工业异常检测的协同重建与修复

Qishan Wang, Haofeng Wang, Shuyong Gao, Jia Guo, Li Xiong, Jiaqi Li, Dengxuan Bai, Wenqiang Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（智能机器人与先进制造学院，复旦大学） ； College of Physics and Electromechanical Engineering, Hexi University（物理与机电工程学院，河西大学） ； College of Design and Innovation, Tongji University（设计与创新学院，同济大学） ； Shanghai Key Lab of Intelligent Information Processing, College of Computer Science and Artificial Intelligence, Fudan university（智能信息处理上海重点实验室，计算机科学与人工智能学院，复旦大学） ； School of Biomedical Engineering, Tsinghua University（生物医学工程学院，清华大学） 纠错

AI总结 本研究提出协同重建与修复框架，通过优化解码器和引入特征遮蔽技术，有效解决工业异常检测中的身份映射问题，提升多类异常检测性能。

Comments Accepted to Data Intelligence 2025

The Emergence of Complex Behavior in Large-Scale Ecological Environments

大规模生态环境中复杂行为的出现

Joseph Bejjani, Chase Van Amburg, Chengrui Wang, Chloe Huangyuan Su, Sarah M. Pratt, Yasin Mazloumi, Naeem Khoshnevis, Sham M. Kakade, Kianté Brantley, Aaron Walsman

机构 * Harvard University（哈佛大学） ； Fudan University（复旦大学） ； University of Washington（华盛顿大学） 纠错

AI总结 研究通过大规模生态模拟探索复杂行为的涌现机制，利用进化算法和大规模智能体系统揭示环境规模对行为稳定性的影响。

Comments 33 pages, 23 figures, 12 tables, experiment code available at https://github.com/jbejjani2022/ecological-emergent-behavior

HyperAdaLoRA: Accelerating LoRA Rank Allocation During Training via Hypernetworks without Sacrificing Performance

HyperAdaLoRA: 通过超网络在训练过程中加速LoRA秩分配而不牺牲性能

Hao Zhang, Zhenjia Li, Runfeng Bao, Yifan Gao, Xi Xiao, Heng Zhang, Shuyang Zhang, Bo Huang, Yuhang Wu, Tianyang Wang, Hao Xu

机构 * Harvard University（哈佛大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Fudan University（复旦大学） ； University of Chicago（芝加哥大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； South China Normal University（华南师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai University of Engineering Science（上海工程技术大学） 纠错

AI总结 HyperAdaLoRA通过超网络实现训练过程中LoRA秩分配的加速，提升收敛速度同时保持性能

Comments 13 pages

FuncGenFoil: Airfoil Generation and Editing Model in Function Space

FuncGenFoil：函数空间中的机翼生成与编辑模型

Jinouwen Zhang, Junjie Ren, Qianhong Ma, Jianyu Wu, Aobo Yang, Yan Lu, Lu Chen, Hairun Xie, Jing Wang, Miao Zhang, Wanli Ouyang, Shixiang Tang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Shanghai Aircraft Design and Research Institute（上海飞机设计与研究院） ； Innovation Academy for Microsatellites of CAS（中国科学院微卫星创新院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 FuncGenFoil通过函数空间建模实现机翼生成与编辑，提升生成精度与多样性，为高保真空气动力学设计提供新框架。