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

RIDGE: Region-Informed Derivative-Guided Evidence Selection for Long Video Understanding

RIDGE：用于长视频理解的区域感知导数引导证据选择

Shanqing Xu, Meng Luo, Mengchen Qian, Yuhui Gao, Siyue Peng, Xiaohan Zhong, Xiaojin Zhang, Zhongyu Wei, Wei Chen, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） 纠错

AI总结 针对长视频理解中视觉内容超出LVLM固定token预算的问题，提出RIDGE框架，通过将帧-查询相似性曲线作为时间信号划分区域并选择证据，在多基准和主干上取得最优性能。

Comments EMNLP 2026

ManGo: Manga Active Narrative Grounding Optimization

ManGo：漫画主动叙事定位优化

Hao Qiu, Junyan Wang, Zheyuan Liu, Lei Fan, Hong Jia, Lianbo Guo, Zhulin Tao

机构 * Communication University of China（中国传媒大学） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； University of New South Wales（新南威尔士大学） ； University of Auckland（奥克兰大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本研究针对漫画视觉问答的分镜叙事结构问题，提出无监督框架ManGo，通过主动叙事草图结合双奖励的组相对策略训练，在标准基准上取得最优性能。

Comments 16 pages, 9 figures, 7 tables. Accepted to Findings of the Association for Computational Linguistics: EMNLP 2026

Generalization over Memorization: Generalization-Aware Diffusion Adaptation for Single-Image Multi-View Synthesis

超越记忆的泛化：面向单图像多视图合成的泛化感知扩散适配

Jie Li, Xingchen Zou, Yuxuan Liang

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

AI总结 本研究提出ACM MM 2026单图像多视图合成挑战赛的获奖方案GoM，通过场景不相交验证等技术，在40个训练场景下实现293支队伍中排名第一，揭示小数据生成建模中验证设计与训练轨迹控制的关键作用。

Comments ACM Multimedia 2026 Grand Challenge Track winning paper; presents the 1st-place solution among 293 registered teams. 7 pages, 2 figures

Training-Free Hidden-State Refinement for Flow-Matching Image Generators

无需训练的流匹配图像生成器的隐状态优化

Yuanyi Yan, Xinzhe Rao, Canyu Shen, Yang Chen, Yunlu Chen, Meng Tang, Teng Long, Vincent Tao Hu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Tongji University（同济大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； University of California, Merced（加州大学默塞德分校） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 该研究提出无需训练的循环框架优化流匹配图像生成器，在不改动权重与采样器的情况下提升质量指标，Loop Guidance在Scale-RAE DiT2.4B上显著提升GenEval与DPG-Bench指标。

Comments 7pages,4 figures,5 tables

GramLoop: Training-Free Gram-Gated Replay for Robust Dense Prediction

GramLoop：用于鲁棒密集预测的无训练Gram门控重放方法

Yang Chen, Canyu Shen, Xinzhe Rao, Yuanyi Yan, Yunlu Chen, Meng Tang, Teng Long, Vincent Tao Hu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Tongji University（同济大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； University of California, Merced（加州大学默塞德分校） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 该研究提出无训练框架GramLoop，通过在冻结DINOv3的视觉骨干内添加推理计算，在不改变模型结构的情况下，提升了分布偏移下目标检测和语义分割等密集预测任务的鲁棒性，在COCO-O等基准上取得性能提升。

FLM: Frequency-Aware Language Models for Generative Image Compression

FLM：用于生成式图像压缩的频率感知语言模型

Jiarun Chen, Kejun Wu, Li Li, Chengtao Cai, Zhengguo Li, Chia-Wen Lin

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） ； University of Science and Technology of China（中国科学技术大学） ； College of Intelligent Systems Science and Engineering, Harbin Engineering University（哈尔滨工程大学智能系统科学与工程学院） ； Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局信息通信研究院） ； National Tsing Hua University（国立清华大学） 纠错

AI总结 本研究提出频率感知语言模型FLM，通过频域概率建模实现高效图像压缩，兼容有损与无损JPEG重压缩，在多数据集上较JPEG基准获显著BD-PSNR增益，性能优于传统及生成式压缩方法。