Huazhong University of Science and Technology（华中科技大学）

4D-VGGT: A General Foundation Model with SpatioTemporal Awareness for Dynamic Scene Geometry Estimation

4D-VGGT：一种具有时空意识的通用基础模型，用于动态场景几何估计

Haonan Wang, Hanyu Zhou, Haoyue Liu, Luxin Yan

机构 * National Key Lab of Multispectral Information Intelligent Processing Technology, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（多谱信息智能处理国家实验室，人工智能与自动化学院，华中科技大学） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） 纠错

AI总结 4D-VGGT通过分而治之的时空表示方法，提升动态场景几何估计的准确性和通用性。

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

Minimum Width of Deep Narrow Networks for Universal Approximation

深度窄网络的最小宽度用于通用逼近

Xiao-Song Yang, Qi Zhou, Xuan Zhou

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本文研究了深度窄网络的最小宽度以实现通用逼近能力，通过分析不同激活函数的特性，得出了新的宽度下界和上界结论。

FlowCut: Rethinking Redundancy via Information Flow for Efficient Vision-Language Models

FlowCut: 通过信息流重新思考冗余性以提高视觉-语言模型的效率

Jintao Tong, Wenwei Jin, Pengda Qin, Anqi Li, Yixiong Zou, Yuhong Li, Yuhua Li, Ruixuan Li

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； Xiaohongshu Inc.（小红书公司） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 FlowCut通过信息流视角改进视觉-语言模型的冗余识别，实现更高效的剪枝效果。

Comments Accepted by NeurIPS 2025