Nanyang Technological University（南洋理工大学）

Mesh4D: 4D Mesh Reconstruction and Tracking from Monocular Video

Mesh4D: 从单目视频中进行4D网格重建与跟踪

Zeren Jiang, Chuanxia Zheng, Iro Laina, Diane Larlus, Andrea Vedaldi

机构 * VGG, University of Oxford（视觉研究院、牛津大学） ； Nanyang Technological University（南洋理工大学） ； Naver Labs Europe（Naver欧洲实验室） 纠错

AI总结 Mesh4D通过紧凑的潜在空间和潜在扩散模型，实现从单目视频中高效重建动态物体的4D网格和运动。

Comments 15 pages, 8 figures, project page: https://mesh-4d.github.io/

Aligning Text, Code, and Vision: A Multi-Objective Reinforcement Learning Framework for Text-to-Visualization

对齐文本、代码和视觉：一种多目标强化学习框架用于文本到可视化

Mizanur Rahman, Mohammed Saidul Islam, Md Tahmid Rahman Laskar, Shafiq Joty, Enamul Hoque

机构 * York University（约克大学） ； Salesforce AI Research（Salesforce人工智能研究） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出RL-Text2Vis框架，通过多目标强化学习提升文本到可视化的准确性和代码执行率。

Comments Accepted to EACL Main Conference

GUITester: Enabling GUI Agents for Exploratory Defect Discovery

GUITester: 使GUI代理用于探索性缺陷发现

Yifei Gao, Jiang Wu, Xiaoyi Chen, Yifan Yang, Zhe Cui, Tianyi Ma, Jiaming Zhang, Jitao Sang

机构 * Beijing Jiaotong University（北京交通大学） ； Hithink Research（慧思科技） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 GUITester通过解耦导航与验证的多代理框架，有效解决了探索性GUI测试中目标导向遮蔽和执行偏差归因的问题，实现了48.90%的F1分数。

Unlocking the Pre-Trained Model as a Dual-Alignment Calibrator for Post-Trained LLMs

解封预训练模型作为后训练LLMs的双对齐校准器

Beier Luo, Cheng Wang, Hongxin Wei, Sharon Li, Xuefeng Du

机构 * Department of Statistics and Data Science, Southern University of Science and Technology（统计与数据科学系，南方科技大学） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） ； Department of Computer Sciences, University of Wisconsin-Madison（计算机科学系，威斯康星大学麦迪逊分校） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

AI总结 本文提出Dual-Align方法，通过双对齐策略校正后训练LLMs的置信度漂移和过程漂移，提升校准性能。

StreamFlow: Theory, Algorithm, and Implementation for High-Efficiency Rectified Flow Generation

StreamFlow：高效率校正流生成的理论、算法与实现

Sen Fang, Hongbin Zhong, Yalin Feng, Yanxin Zhang, Dimitris N. Metaxas

机构 * Rutgers University, New Jersey, USA（罗杰斯大学） ； Georgia Institute of Technology, Atlanta, Georgia, USA（佐治亚理工学院） ； Nanyang Technological University, Singapore（南洋理工大学） ； University of Wisconsin-Madison, Wisconsin, USA（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出StreamFlow，通过理论、算法和实现的综合优化，显著提升了基于流模型的图像生成效率，达到611%的加速效果。

Comments Improved the quality. Project Page at https://world-snapshot.github.io/StreamFlow/

QUIET-SR: Quantum Image Enhancement Transformer for Single Image Super-Resolution

QUIET-SR：用于单图像超分辨率的量子图像增强变换器

Siddhant Dutta, Nouhaila Innan, Khadijeh Najafi, Sadok Ben Yahia, Muhammad Shafique

机构 * College of Computing \& Data Science, Nanyang Technological University (NTU), Singapore, 639798, Singapore ； SVKM's Dwarkadas J. Sanghvi College of Engineering, Mumbai, India ； eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD), Abu Dhabi, UAE ； Center for Quantum ； Topological Systems (CQTS), NYUAD Research Institute, NYUAD, Abu Dhabi, UAE ； IBM Quantum, IBM T.J. Watson Research Center, Yorktown Heights, 10598, USA ； MIT-IBM Watson AI Lab, Cambridge MA, 02142, USA ； The Maersk Mc-Kinney Moller Institute, University of Southern Denmark, Sønderborg, Denmark ； Department of Software Science, Tallinn University of Technology, Tallinn, Estonia 纠错

AI总结 QUIET-SR通过结合量子注意力机制和Swin变换器，实现高效图像超分辨率，兼顾性能与量子计算的可行性。

Comments 13 Pages, 7 Figures (5 Main figures, 2 Sub-figures), 2 Tables, Under Review