Nanyang Technological University（南洋理工大学）

Robust Image Stitching with Optimal Plane

基于最优平面的鲁棒图像拼接

Lang Nie, Yuan Mei, Kang Liao, Yunqiu Xu, Chunyu Lin, Bin Xiao

机构 * School of Artificial Intelligence, Chongqing University of Posts and Telecommunications（重庆邮电大学人工智能学院） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空与航空工程系） ； School of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学学院） 纠错

AI总结 RopStitch通过引入虚拟最优平面和双分支架构，提升图像拼接的鲁棒性和自然性，实验表明其在多样场景中表现优异。

Comments IEEE TVCG 2026

Towards Efficient Constraint Handling in Neural Solvers for Routing Problems

向神经求解器在路由问题中高效处理约束的方向

Jieyi Bi, Zhiguang Cao, Jianan Zhou, Wen Song, Yaoxin Wu, Jie Zhang, Yining Ma, Cathy Wu

机构 * Nanyang Technological University（南洋理工大学） ； Singapore Management University（新加坡管理学院） ； Shandong University（山东大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； MIT（麻省理工学院） 纠错

AI总结 本文提出了一种新的神经求解器约束处理框架CaR，通过显式学习的可行性细化方法，提升了在复杂约束下的求解效率和质量。

Comments Accepted by ICLR 2026

FUTURE-VLA: Forecasting Unified Trajectories Under Real-time Execution

FUTURE-VLA：在实时执行下统一轨迹预测

Jingjing Fan, Yushan Liu, Shoujie Li, Botao Ren, Siyuan Li, Xiao-Ping Zhang, Wenbo Ding, Zhidong Deng

机构 * Department of Automation, Tsinghua University（自动化系，清华大学） ； Shenzhen International Graduation School, Tsinghua University（深圳国际研究生院，清华大学） ； Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） 纠错

AI总结 FUTURE-VLA通过实时执行实现统一轨迹预测，采用双效效率范式提升时空信息密度，实现实时预测与人机交互机制，取得多项任务的高成功率。

Navigating the Deep: End-to-End Extraction on Deep Neural Networks

深入神经网络：端到端提取

Haolin Liu, Adrien Siproudhis, Samuel Experton, Peter Lorenz, Christina Boura, Thomas Peyrin

机构 * Shanghai Jiao Tong University, China（上海交通大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； IRIF, Université Paris Cité, France（IRIF，巴黎cité大学，法国） ； Institut universitaire de France (IUF), Paris, France（法国国家科学院（IUF），巴黎，法国） 纠错

AI总结 本文提出了一种端到端的神经网络模型提取方法，通过改进签名提取和符号提取过程，实现了多项式时间复杂度的深度网络提取。

Comments 42 pages, published at EUROCRYPT 2026