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

FeDMRA: Federated Incremental Learning with Dynamic Memory Replay Allocation

FeDMRA: 联邦增量学习中的动态记忆回放分配

Tiantian Wang, Xiang Xiang, Simon S. Du

机构 * Huazhong University of Science and Technology（华中科技大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出动态内存分配策略，以应对联邦医疗系统中非独立同分布数据带来的挑战，通过合理分配存储资源提升模型性能。

MDPBench: A Benchmark for Multilingual Document Parsing in Real-World Scenarios

MDPBench：多语言文档解析的实际场景基准

Zhang Li, Zhibo Lin, Qiang Liu, Ziyang Zhang, Shuo Zhang, Zidun Guo, Jiajun Song, Jiarui Zhang, Xiang Bai, Yuliang Liu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Kingsoft Office（金山办公） 纠错

AI总结 本文提出MDPBench，首个多语言数字和照片文档解析基准，包含17种语言的3400张文档图像，揭示闭源模型在非拉丁文和真实场景下的性能优势，开放源代码以促进更包容的解析系统发展。

Progressive Prompt-Guided Cross-Modal Reasoning for Referring Image Segmentation

逐步引导的跨模态推理用于指代图像分割

Jiachen Li, Hongyun Wang, Jinyu Xu, Wenbo Jiang, Yanchun Ma, Yongjian Liu, Qing Xie, Bolong Zheng

机构 * School of Computer Science and Artificial Intelligence, Wuhan University of Technology（武汉理工大学计算机科学与人工智能学院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； University of Electronic Science and Technology of China（电子科技大学） ； Wuhan Vocational College of Software and Engineering（武汉软件工程职业学院） 纠错

AI总结 本文提出PPCR框架，通过语义理解-空间定位-实例分割流程，改进指代图像分割中语言描述与视觉表示的连接，提升分割精度。

Hg-I2P: Bridging Modalities for Generalizable Image-to-Point-Cloud Registration via Heterogeneous Graphs

Hg-I2P：通过异构图实现通用的图像到点云配准

Pei An, Junfeng Ding, Jiaqi Yang, Yulong Wang, Jie Ma, Liangliang Nan

机构 * Huazhong University of Science and Technology（华中科技大学） ； Northwestern Polytechnical University（西北工业大学） ； Huazhong Agricultural University（华中农业大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

AI总结 本文提出Hg-I2P方法，通过异构图融合多模态特征，提升图像与点云配准的泛化能力和精度。

Comments Accepted to CVPR 2026

Identity-Preserving Image-to-Video Generation via Reward-Guided Optimization

通过奖励引导优化实现身份保持的图像到视频生成

Liao Shen, Wentao Jiang, Yiran Zhu, Jiahe Li, Tiezheng Ge, Zhiguo Cao, Bo Zheng

机构 * Huazhong University of Science and Technology（华中科技大学） ； Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 本文提出IPRO框架，通过强化学习优化扩散模型，提升身份一致性。引入面部评分机制和KL散度正则化，改进性能并加速收敛。

Comments accepted by CVPR 2026

Robust Smart Contract Vulnerability Detection via Contrastive Learning-Enhanced Granular-ball Training

通过对比学习增强的细粒度球训练实现鲁棒的智能合约漏洞检测

Zeli Wang, Qingxuan Yang, Shuyin Xia, Yueming Wu, Bo Liu, Longlong Lin

机构 * Chongqing Key Laboratory of Computational Intelligence（重庆计算智能重点实验室） ； Key Laboratory of Cyberspace Big Data Intelligent Security, Ministry of Education（教育部网络空间大数据智能安全重点实验室） ； Key Laboratory of Big Data Intelligent Computing（大数据智能计算重点实验室） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； School of Cyber Science and Engineering, Huazhong University of Science and Technology（华中科技大学网络空间安全学院） ； School of Computer Science and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） ； College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） 纠错

AI总结 本文提出CGBC方法，通过细粒度球训练和对比学习增强智能合约漏洞检测的鲁棒性，解决标签噪声问题。

Aligning LLMs with Graph Neural Solvers for Combinatorial Optimization

对齐大语言模型与图神经求解器以解决组合优化问题

Shaodi Feng, Zhuoyi Lin, Yaoxin Wu, Haiyan Yin, Yan Jin, Senthilnath Jayavelu, Xun Xu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； Centre for Frontier AI Research, A*STAR（前沿人工智能研究中心，新加坡科技研究局） ； Huazhong University of Science and Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出AlignOPT方法，通过结合大语言模型与图神经求解器，提升组合优化问题的求解能力，实现语义与结构表示的对齐，实验显示其在多种优化问题中表现优异。

Comments 18 pages, 3 figures

Online Learning of Kalman Filtering: From Output to State Estimation

在线学习卡尔曼滤波：从输出到状态估计

Lintao Ye, Ankang Zhang, Ming Chi, Bin Du, Jianghai Hu

机构 * School of Artificial Intelligence and Automation at the Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； College of Automation Engineering at Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化工程学院） ； Elmore Family School of Electrical and Computer Engineering at Purdue University（普渡大学埃尔莫尔家族电气与计算机工程学院） 纠错

AI总结 本文研究了在部分观测线性动态系统中学习未知系统模型的卡尔曼滤波问题，提出了一种基于在线优化的统一算法框架，解决输出估计和状态估计场景。通过分析估计误差成本函数的性质，证明算法在输出估计场景中达到logT regret，同时解决更挑战性的状态估计问题，揭示了算法在有限观测下的权衡。

ScoutAttention: Efficient KV Cache Offloading via Layer-Ahead CPU Pre-computation for LLM Inference

ScoutAttention：通过层前CPU预计算实现高效的KV缓存卸载以用于LLM推理

Qiuyang Zhang, Kai Zhou, Ding Tang, Kai Lu, Cheng Li, Zhenyu Yang, Peng Xu, Jiguang Wan

机构 * Huazhong University of Science and Technology（华中科技大学） ； Huawei Technologies（华为技术有限公司） 纠错

AI总结 本文提出ScoutAttention框架，通过GPU-CPU协作计算加速LLM推理，采用层前CPU预计算和异步召回机制，减少CPU负载，实验表明在保持2.4%准确率的同时，比现有方法快2.1倍。

Comments Accepted at the 63rd Design Automation Conference (DAC 2026)

Out of Sight but Not Out of Mind: Hybrid Memory for Dynamic Video World Models

视线之外但未被遗忘：动态视频世界模型的混合记忆

Kaijin Chen, Dingkang Liang, Xin Zhou, Yikang Ding, Xiaoqiang Liu, Pengfei Wan, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； Kling Team, Kuaishou Technology（快手科技Kling团队） 纠错

AI总结 本文提出混合记忆机制，解决动态主体消失后重现时的连续性问题，通过HM-World数据集和HyDRA架构提升视频世界模型的动态一致性与生成质量。

Comments Project Page: https://kj-chen666.github.io/Hybrid-Memory-in-Video-World-Models/ Code: https://github.com/H-EmbodVis/HyDRA

Efficient Encrypted Computation in Convolutional Spiking Neural Networks with TFHE

在卷积脉冲神经网络中实现高效的加密计算：TFHE

Longfei Guo, Pengbo Li, Ting Gao, Yonghai Zhong, Haojie Fan, Jinqiao Duan

机构 * School of Cyber Science and Engineering, Huazhong University of Science and Technology（华中科技大学网络空间安全学院） ； School of Mathematics and Statistics, Huazhong University of Science and Technology（华中科技大学数学与统计学院） ； Center for Mathematical Science, Huazhong University of Science and Technology（华中科技大学数学中心） ； Steklov-Wuhan Institute for Mathematical Exploration, Huazhong University of Science and Technology（华中科技大学斯捷克洛夫-武汉数学探索研究所） ； Department of Mathematics and Department of Physics, Great Bay University（大湾区大学数学与物理学院） ； Guangdong Provincial Key Laboratory of Mathematical and Neural Dynamical Systems（广东省数学与神经动力系统重点实验室） 纠错

AI总结 本文提出FHE-DiCSNN框架，利用脉冲神经网络的离散特性实现安全高效的加密计算，结合卷积方法提升准确率并减少模拟时间，实验验证其在MNIST和FashionMNIST上的有效性。