The Hong Kong University of Science and Technology（香港科技大学）

SpriteHand: Real-Time Versatile Hand-Object Interaction with Autoregressive Video Generation

SpriteHand: 实时多样的手-物体交互与自回归视频生成

Zisu Li, Hengye Lyu, Jiaxin Shi, Yufeng Zeng, Mingming Fan, Hanwang Zhang, Chen Liang

机构 * HKUST (Guangzhou)（香港科技大学（广州）） ； XMax.AI Ltd.（XMax人工智能有限公司） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 SpriteHand通过自回归视频生成框架实现实时高质量手-物体交互视频合成，支持多种物体和运动模式，具有高视觉真实性和物理合理性。

Open-world Hand-Object Interaction Video Generation Based on Structure and Contact-aware Representation

基于结构和接触感知表示的开放世界手-物体交互视频生成

Haodong Yan, Hang Yu, Zhide Zhong, Weilin Yuan, Xin Gong, Zehang Luo, Chengxi Heyu, Junfeng Li, Wenxuan Song, Shunbo Zhou, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 本文提出一种结构和接触感知表示，用于生成逼真的手-物体交互视频，通过联合生成范式提升开放世界场景下的交互物理建模能力。

DualCamCtrl: Dual-Branch Diffusion Model for Geometry-Aware Camera-Controlled Video Generation

DualCamCtrl: 基于双分支扩散模型的几何感知摄像机控制视频生成

Hongfei Zhang, Kanghao Chen, Zixin Zhang, Harold Haodong Chen, Yuanhuiyi Lyu, Yuqi Zhang, Shuai Yang, Kun Zhou, Yingcong Chen

机构 * HKUST (GZ)（香港科技大学） ； HKUST（香港科技大学） ； Fudan University（复旦大学） ； Shenzhen University（深圳大学） 纠错

AI总结 DualCamCtrl通过双分支扩散模型实现几何感知的摄像机控制视频生成，有效提升视频生成的一致性和准确性。

CaliTex: Geometry-Calibrated Attention for View-Coherent 3D Texture Generation

CaliTex: 用于视图一致3D纹理生成的几何校准注意力

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

机构 * PKU（北京大学） ； HKUST（香港科技大学） ； CUHK(SZ)（香港中文大学（深圳）） ； HKU（香港大学） ； LIGHTSPEED 纠错

AI总结 CaliTex通过几何校准注意力机制，解决3D纹理生成中的跨视图不一致问题，提升纹理的视图一致性与生成质量。

Pre-Training and Personalized Fine-Tuning via Over-the-Air Federated Meta-Learning: Convergence-Generalization Trade-Offs

通过空中联邦元学习进行预训练和个性化微调：泛化与收敛的权衡

Haifeng Wen, Hong Xing, Osvaldo Simeone

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Department of ECE, The Hong Kong University of Science and Technology（香港科学与技术大学电子工程系） ； Department of Engineering, King’s College London（伦敦国王学院工程系） 纠错

AI总结 本文研究了无线环境下基于元学习的个性化联邦学习在泛化与收敛之间的权衡，通过空中计算分析了信道损伤对泛化和收敛的影响。

Comments 40 pages, 10 figures, to appear in IEEE Trans. Cogn. Commun. Netw

Feed-Forward 3D Gaussian Splatting Compression with Long-Context Modeling

前馈3D高斯散射压缩与长上下文建模

Zhening Liu, Rui Song, Yushi Huang, Yingdong Hu, Xinjie Zhang, Jiawei Shao, Zehong Lin, Jun Zhang

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究所） ； China Telecom（中国电信） 纠错

AI总结 本文提出了一种前馈3DGS压缩方法，通过大规模上下文结构和自回归熵模型实现长距离依赖建模，达到20倍压缩比和先进性能。

Balancing Efficiency and Fairness: An Iterative Exchange Framework for Multi-UAV Cooperative Path Planning

平衡效率与公平：多无人机协作路径规划的迭代交换框架

Hongzong Li, Luwei Liao, Xiangguang Dai, Yuming Feng, Rong Feng, Shiqin Tang

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化工程学院） ； College of Computer Science and Engineering, Chongqing Three Gorges University（重庆三峡大学计算机科学与工程学院） ； Chinese Academy of Sciences, New Territories, Hong Kong（中国科学院香港新 Territories 分院） ； City University of Hong Kong, Kowloon, Hong Kong（香港城市大学） 纠错

AI总结 本文提出一种迭代交换框架，用于多无人机协作路径规划，通过任务交换和路径细化平衡效率与公平性，实验表明其在总距离和makespan之间取得更优权衡。

Better, Stronger, Faster: Tackling the Trilemma in MLLM-based Segmentation with Simultaneous Textual Mask Prediction

更优、更强、更快：在基于多模态大语言模型的分割中解决三重困境

Jiazhen Liu, Mingkuan Feng, Long Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 STAMP通过同时预测文本和分割掩码，解决了多模态大语言模型在保持对话能力、高分割性能和快速推理间的三重困境。

Confident RAG: Enhancing the Performance of LLMs for Mathematics Question Answering through Multi-Embedding and Confidence Scoring

Confident RAG: 通过多嵌入和置信度评分提升LLM在数学问题回答中的性能

Shiting Chen, Zijian Zhao, Jinsong Chen

机构 * Faculty of Education, The University of Hong Kong（香港大学教育学院） ； Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学土木与环境工程系） 纠错

AI总结 Confident RAG通过多嵌入和置信度评分提升LLM在数学问题回答中的性能，实验表明其在准确率上比普通LLMs和RAG分别提升10%和5%。

POLARIS: Projection-Orthogonal Least Squares for Robust and Adaptive Inversion in Diffusion Models

POLARIS：用于扩散模型中鲁棒和自适应逆向的投影正交最小二乘法

Wenshuo Chen, Haosen Li, Shaofeng Liang, Lei Wang, Haozhe Jia, Kaishen Yuan, Jieming Wu, Bowen Tian, Yutao Yue

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Griffith University（格里菲斯大学） ； Data61/CSIRO Project（Data61/CSIRO项目） 纠错

AI总结 POLARIS通过将逆向问题转化为误差来源问题，以单行代码提升扩散模型逆向的鲁棒性和适应性，显著减少噪声近似误差。

ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning

ChartPoint: 通过 grounding 反射引导 MLLMs 进行图表推理

Zhengzhuo Xu, SiNan Du, Yiyan Qi, SiwenLu, Chengjin Xu, Chun Yuan, Jian Guo

机构 * Tsinghua University（清华大学） ； International Digital Economy Academy（国际数字经济学院） ； Beihang University（北航） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 ChartPoint通过引入 grounding 反射机制，提升 MLLMs 在图表推理中的表现，开发了两个指令微调模型，在多个图表基准上取得显著提升。

Comments Accepted by ICCV 2025

EduEval: A Hierarchical Cognitive Benchmark for Evaluating Large Language Models in Chinese Education

EduEval: 一个用于评估大语言模型在中文教育中表现的分层认知基准

Guoqing Ma, Jia Zhu, Hanghui Guo, Weijie Shi, Yue Cui, Jiawei Shen, Zilong Li, Yidan Liang

机构 * Zhejiang Normal University（浙江师范大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 EduEval通过分层认知基准评估大语言模型在中文教育中的表现，揭示其在事实性任务与创造性任务上的差异，并发现开源模型在复杂教育推理上的优势。

Enhancing Talent Search Ranking with Role-Aware Expert Mixtures and LLM-based Fine-Grained Job Descriptions

通过角色感知专家混合与基于大语言模型的细粒度职位描述增强人才搜索排名

Jihang Li, Bing Xu, Zulong Chen, Chuanfei Xu, Minping Chen, Suyu Liu, Ying Zhou, Zeyi Wen

机构 * HKUST (GZ)（香港科技大学（广州）） ； Alibaba Group（阿里巴巴集团） ； HKUST（香港科技大学） ； Zhijiang Lab（浙江实验室） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳）） 纠错

AI总结 本文提出基于大语言模型和角色感知专家混合的方法，提升人才搜索排名效果，通过细粒度职位描述提取和行为建模，提升CTR和CVR，实现招聘效率和成本节约。