The University of Hong Kong（香港大学）

Learning Geometrically-Grounded 3D Visual Representations for View-Generalizable Robotic Manipulation

学习几何基础的3D视觉表示以实现视图通用的机器人操作

Di Zhang, Weicheng Duan, Dasen Gu, Hongye Lu, Hai Zhang, Hang Yu, Junqiao Zhao, Guang Chen

机构 * Tongji University（同济大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出MethodName框架，通过单视角3D预训练和多步蒸馏实现机器人操作的视图通用性，实验显示其在成功率和视图泛化能力上优于现有方法。

Token Entropy Regularization for Multi-modal Antenna Affiliation Identification

基于令牌熵正则化的多模态天线归属识别

Dong Chen, Ruoyu Li, Xinyan Zhang, Jialei Xu, Ruosen Zhao, Zhikang Zhang, Lingyun Li, Zizhuang Wei

机构 * Huawei（华为） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

AI总结 本文提出基于令牌熵正则化的多模态天线归属识别方法，通过融合视频、几何特征和PCI信号，提升通信网络优化效率。

TaF-VLA: Tactile-Force Alignment in Vision-Language-Action Models for Force-aware Manipulation

TaF-VLA：面向力感知操控的视觉-语言-动作模型中的触觉-力对齐

Yuzhe Huang, Pei Lin, Wanlin Li, Daohan Li, Jiajun Li, Jiaming Jiang, Chenxi Xiao, Ziyuan Jiao

机构 * Beihang University（北航大学） ； ShanghaiTech University（上海科技大学） ； Beijing Institute for General Artificial Intelligence（北京一般人工智能研究院） ； The University of Hong Kong（香港大学） 纠错

AI总结 TaF-VLA通过触觉-力对齐提升视觉-语言-动作模型在力感知操控中的性能。

Comments 17pages,9fig

FlashFace: Human Image Personalization with High-fidelity Identity Preservation

FlashFace: 通过高保真身份保留实现人像个性化

Shilong Zhang, Lianghua Huang, Xi Chen, Yifei Zhang, Zhi-Fan Wu, Yutong Feng, Wei Wang, Yujun Shen, Yu Liu, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Alibaba Group（阿里巴巴集团） ； Ant Group（蚂蚁集团） 纠错

AI总结 FlashFace通过高保真身份保留和解耦整合策略，实现高效的人像个性化与虚拟角色真实化

Comments Project Page:https://jshilong.github.io/flashface-page

LINA: Linear Autoregressive Image Generative Models with Continuous Tokens

LINA: 基于连续令牌的线性自回归图像生成模型

Jiahao Wang, Ting Pan, Haoge Deng, Dongchen Han, Taiqiang Wu, Xinlong Wang, Ping Luo

机构 * The University of Hong Kong（香港大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

AI总结 LINA是一种基于线性注意力的高效文本到图像生成模型，通过改进归一化和门控机制，在计算效率和生成质量上取得平衡。

Comments 20 pages, 9 figures

Policy-Driven World Model Adaptation for Robust Offline Model-based Reinforcement Learning

基于策略驱动的世界模型适应的鲁棒性离线模型驱动强化学习

Jiayu Chen, Le Xu, Aravind Venugopal, Jeff Schneider

机构 * The University of Hong Kong, Hong Kong SAR（香港大学） ； INFIFORCE Intelligent Technology Co., Ltd., Hangzhou, China（INFIFORCE智能技术有限公司） ； Tsinghua University, Beijing, China（清华大学） ； Carnegie Mellon University, Pittsburgh, PA 15213, USA（卡内基梅隆大学） 纠错

AI总结 本文提出了一种基于策略驱动的世界模型适应框架，通过最大化最小优化问题和Stackelberg学习动态提升离线模型驱动强化学习的鲁棒性。

FlashVideo: Flowing Fidelity to Detail for Efficient High-Resolution Video Generation

FlashVideo: 为高效高分辨率视频生成实现流畅的细节保真度

Shilong Zhang, Wenbo Li, Shoufa Chen, Chongjian GE, Peize Sun, Yifu Zhang, Yi Jiang, Zehuan Yuan, Bingyue Peng, Ping Luo

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； ByteDance（字节跳动） 纠错

AI总结 FlashVideo通过两阶段框架在高效高分辨率视频生成中实现流畅细节保真度，优化计算效率并提升商业应用潜力。

Comments Model and Weight: https://github.com/FoundationVision/FlashVideo