Johns Hopkins University（约翰斯·霍普金斯大学）

Endless World: Real-Time 3D-Aware Long Video Generation

无限世界：实时3D感知长视频生成

Ke Zhang, Yiqun Mei, Jiacong Xu, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Adobe Research（Adobe研究） 纠错

AI总结 Endless World通过实时3D感知机制生成无限长且连贯的视频，解决长视频生成中的3D一致性与动态场景合成问题。

Comments 10 pages,7 figures

The Data Efficiency Frontier of Financial Foundation Models: Scaling Laws from Continued Pretraining

金融基础模型的数据效率前沿：从持续预训练中获得的扩展定律

Jesse Ponnock

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文研究了金融基础模型在持续预训练中的数据效率，发现通过较小的词预算可实现有效的领域适应，且大模型规模仍具可行性。

Comments 8 pages, 4 figures, 1 table

SoMi-ToM: Evaluating Multi-Perspective Theory of Mind in Embodied Social Interactions

SoMi-ToM：评估具身社会互动中的多视角理论之心假设

Xianzhe Fan, Xuhui Zhou, Chuanyang Jin, Kolby Nottingham, Hao Zhu, Maarten Sap

机构 * The University of Hong Kong（香港大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California Irvine（加州大学尔湾分校） ； Stanford University（斯坦福大学） 纠错

AI总结 SoMi-ToM基准通过多视角评估人类与模型在具身社会互动中的理论之心能力，揭示大型视觉-语言模型在复杂社交场景中的不足。

Comments 24 pages, 6 figures

Journal ref Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Self-test loss functions for learning weak-form operators and gradient flows

用于学习弱形式算子和梯度流的自测损失函数

Yuan Gao, Quanjun Lang, Fei Lu

机构 * Purdue University（普渡大学） ； Duke University（杜克大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文提出自测损失函数，用于学习弱形式算子和梯度流，通过二次结构实现高效参数回归和理论分析，具备计算简单和数据鲁棒性。

Learning to Optimize for Mixed-Integer Non-linear Programming with Feasibility Guarantees

为混合整数非线性规划优化学习提供可行性保证

Bo Tang, Elias B. Khalil, Ján Drgoňa

机构 * Department of Mechanical and Industrial Engineering（机械与工业工程系） ； University of Toronto（多伦多大学） ； Department of Civil and Systems Engineering（土木与系统工程系） ； The Ralph O’Connor Sustainable Energy Institute (ROSEI)（拉尔夫·奥康纳可持续能源研究所） ； Data Science and AI Institute (DSAI)（数据科学与人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文提出了一种针对参数MINLP的L2O方法，通过整数修正层和梯度投影确保可行性与整数性，实验证明其在大规模问题中高效且优于传统方法。

DiffRegCD: Integrated Registration and Change Detection with Diffusion Features

DiffRegCD：集成注册与变化检测的扩散特征

Seyedehanita Madani, Rama Chellappa, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 DiffRegCD通过结合扩散特征与分类任务，实现统一的注册与变化检测，提升在复杂场景下的鲁棒性和精度。

Comments 10 pages, 6 figures. Accepted to WACV 2026