Nanjing University（南京大学）

Breaking the Prototype Bias Loop: Confidence-Aware Federated Contrastive Learning for Highly Imbalanced Clients

打破原型偏见循环：面向高度不平衡客户端的置信度感知联邦对比学习

Tian-Shuang Wu, Shen-Huan Lyu, Ning Chen, Yi-Xiao He, Bing Tang, Baoliu Ye, Qingfu Zhang

机构 * Key Laboratory of Water Big Data Technology of Ministry of Water Resources, College of Computer Science and Software Engineering, Hohai University, Nanjing, China（水利部水大数据技术重点实验室，计算机科学与软件工程学院，河海大学，南京，中国） ； Department of Computer Science, City University of Hong Kong, Hong Kong, China（计算机科学系，香港城市大学，香港，中国） ； State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家重点实验室，南京大学，南京，中国） ； School of Artificial Intelligence and Information Technology, Nanjing University of Chinese Medicine, Nanjing, China（人工智能与信息技术学院，南京中医药大学，南京，中国） 纠错

AI总结 本研究提出CAFedCL框架，通过置信度感知聚合和生成增强等方法，解决联邦学习中因数据不平衡和异质性导致的原型偏见问题，提升模型准确性和客户端公平性。

NOVA: Sparse Control, Dense Synthesis for Pair-Free Video Editing

NOVA：无配对视频编辑的稀疏控制与密集合成

Tianlin Pan, Jiayi Dai, Chenpu Yuan, Zhengyao Lv, Binxin Yang, Hubery Yin, Chen Li, Jing Lyu, Caifeng Shan, Chenyang Si

机构 * Nanjing University（南京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； WeChat, Tencent（微信、腾讯） ； The University of Hong Kong（香港大学） 纠错

AI总结 NOVA提出了一种无配对视频编辑框架，通过稀疏控制与密集合成提升编辑保真度和时间一致性。

Comments Accepted by CVPR 2026

Quantized SO(3)-Equivariant Graph Neural Networks for Efficient Molecular Property Prediction

量化SO(3)等价图神经网络用于高效分子性质预测

Haoyu Zhou, Ping Xue, Hao Zhang, Tianfan Fu

机构 * Suzhou Lab（苏州实验室） ； Nanjing University（南京大学） 纠错

AI总结 本文提出量化SO(3)等价图神经网络方法，通过低比特量化技术提升分子性质预测的效率，实现准确性和效率的平衡。