The University of Hong Kong（香港大学）

DGGT: Feedforward 4D Reconstruction of Dynamic Driving Scenes using Unposed Images

DGGT：利用未定位图像实现动态驾驶场景的前馈4D重建

Xiaoxue Chen, Ziyi Xiong, Yuantao Chen, Gen Li, Nan Wang, Hongcheng Luo, Long Chen, Haiyang Sun, Bing Wang, Guang Chen, Hangjun Ye, Hongyang Li, Ya-Qin Zhang, Hao Zhao

机构 * AIR, Tsinghua University（清华人工智能研究院） ； Xiaomi EV（小米电动车） ； The University of Hong Kong（香港大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

AI总结 DGGT通过前馈方法实现无姿态动态驾驶场景的4D重建，结合3D高斯地图和轻量级动态头，提升重建速度与性能。

TEXTRIX: Latent Attribute Grid for Native Texture Generation and Beyond

TEXTRIX：用于原生纹理生成及更广泛领域的潜在属性网格

Yifei Zeng, Yajie Bao, Jiachen Qian, Shuang Wu, Youtian Lin, Hao Zhu, Buyu Li, Feihu Zhang, Xun Cao, Yao Yao

机构 * Nanjing University（南京大学） ； DreamTech ； HKU（香港大学） ； OriginArk 纠错

AI总结 TEXTRIX通过构建潜在3D属性网格和稀疏注意力扩散变换器，实现高保真纹理合成及精确3D分割。

Comments Project Page: https://www.neural4d.com/research-page/textrix

DiverseAR: Boosting Diversity in Bitwise Autoregressive Image Generation

DiverseAR: 提升位级自回归图像生成中的多样性

Ying Yang, Zhengyao Lv, Tianlin Pan, Haofan Wang, Binxin Yang, Hubery Yin, Chen Li, Chenyang Si

机构 * PRLab, Nanjing University（南京大学PRLab） ； The University of Hong Kong（香港大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Lovart AI ； WeChat, Tencent Inc.（腾讯公司） 纠错

AI总结 DiverseAR通过自适应logits分布缩放和能量基生成路径搜索算法，提升位级自回归图像生成的样本多样性，同时保持视觉质量。

Comments 23 pages

RoboWheel: A Data Engine from Real-World Human Demonstrations for Cross-Embodiment Robotic Learning

RoboWheel: 从现实世界人类示范数据中提取的机器人学习跨形态数据引擎

Yuhong Zhang, Zihan Gao, Shengpeng Li, Ling-Hao Chen, Kaisheng Liu, Runqing Cheng, Xiao Lin, Junjia Liu, Zhuoheng Li, Jingyi Feng, Ziyan He, Jintian Lin, Zheyan Huang, Zhifang Liu, Haoqian Wang

机构 * Tsinghua University（清华大学） ； Synapath ； CUHK（香港中文大学） ； HKU（香港大学） ； PolyU 纠错

AI总结 RoboWheel通过高精度HOI重建和强化学习优化，将现实世界人类示范转化为跨形态机器人学习的有效数据，提供轻量级、通用的运动表示，提升机器人学习性能。

Comments 27 Pages, 21 figures

Beyond Confidence: Adaptive and Coherent Decoding for Diffusion Language Models

超越置信度：用于扩散语言模型的自适应与一致解码

Kecheng Chen, Ziru Liu, Xijia Tao, Hui Liu, Xinyu Fu, Suiyun Zhang, Dandan Tu, Lingpeng Kong, Rui Liu, Haoliang Li

机构 * City University of Hong Kong（香港城市大学） ； Huawei Research（华为研究） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出Coherent Contextual Decoding方法，通过自适应解码策略提升扩散语言模型的生成质量和采样效率。