Imperial College London（帝国理工学院）

See-Control: A Multimodal Agent Framework for Smartphone Interaction with a Robotic Arm

See-Control: 一种多模态代理框架用于智能手机与机械臂的交互

Haoyu Zhao, Weizhong Ding, Yuhao Yang, Zheng Tian, Linyi Yang, Kun Shao, Jun Wang

机构 * University College London（伦敦大学学院） ； Imperial College London（伦敦帝国学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； ShanghaiTech University（上海科技大学） ； Southern University of Science（南方科技大学） 纠错

AI总结 See-Control通过直接与机械臂交互实现智能手机操作，无需ADB或系统后台访问，提供了一个平台无关的多模态代理框架。

Leveraging Multi-Modal Information to Enhance Dataset Distillation

利用多模态信息提升数据集蒸馏

Zhe Li, Hadrien Reynaud, Bernhard Kainz

机构 * Department AIBE FAU Erlangen-Nürnberg（FAU埃朗根-纽伦堡部门） ； Department of Computing Imperial College London（伦敦帝国理工学院计算机系） 纠错

AI总结 本文提出多模态数据集蒸馏框架，结合标题引导监督和对象中心遮蔽，提升数据集效用并增强隐私保护。

Comments Accepted at BMVC Workshop (Privacy, Fairness, Accountability and Transparency in Computer Vision)

Video Dataset Condensation with Diffusion Models

视频数据集压缩与扩散模型

Zhe Li, Hadrien Reynaud, Mischa Dombrowski, Sarah Cechnicka, Franciskus Xaverius Erick, Bernhard Kainz

机构 * Department AIBE FAU Erlangen-Nürnberg（FAU埃尔朗根-纽伦堡AIBE部门） ； Department of Computing Imperial College London（伦敦帝国理工学院计算系） 纠错

AI总结 本文提出基于扩散模型和VST-UNet的视频数据集压缩方法，结合训练免费聚类算法，有效提升视频数据集蒸馏性能，达到10.61%的性能提升。

Comments Accepted at BMVC 2025