National University of Singapore（新加坡国立大学）

SafeRedir: Prompt Embedding Redirection for Robust Unlearning in Image Generation Models

SafeRedir: 基于提示嵌入重定向的图像生成模型鲁棒去学习

Renyang Liu, Kangjie Chen, Han Qiu, Jie Zhang, Kwok-Yan Lam, Tianwei Zhang, See-Kiong Ng

机构 * National University of Singapore（国立新加坡大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； CFAR and IHPC, A*STAR（CFAR和IHPC，A*STAR） 纠错

AI总结 SafeRedir通过提示嵌入重定向实现图像生成模型的鲁棒去学习，无需修改模型即可有效消除不安全内容并提升对抗性攻击抵抗力。

Comments Code at https://github.com/ryliu68/SafeRedir

MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences

MemGovern：通过学习受控的人类经验增强代码代理

Qihao Wang, Ziming Cheng, Shuo Zhang, Fan Liu, Rui Xu, Heng Lian, Kunyi Wang, Xiaoming Yu, Jianghao Yin, Sen Hu, Yue Hu, Shaolei Zhang, Yanbing Liu, Ronghao Chen, Huacan Wang

机构 * UCAS（中国科学院大学） ； NUS（新加坡国立大学） ； ECNU（华东师范大学） ； FDU（福建师范大学） ； XDU（西安电子科技大学） ； UBC（不列颠哥伦比亚大学） ； HKUST(GZ)（香港科技大学） ； PKU（北京大学） ； RUC（中国人民大学） ； QuantaAlpha（量子阿尔法） 纠错

AI总结 MemGovern通过学习受控的人类经验，提升代码代理的修复效率和性能。

MDReID: Modality-Decoupled Learning for Any-to-Any Multi-Modal Object Re-Identification

MDReID: 任意到任意多模态对象重识别的模态解耦学习

Yingying Feng, Jie Li, Jie Hu, Yukang Zhang, Lei Tan, Jiayi Ji

机构 * Northeastern University（东北大学） ； Xiamen University（厦门大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 MDReID通过模态解耦学习和模态感知度量学习，实现了任意到任意多模态对象重识别的鲁棒性和可扩展性。

Comments Accepted by NeurIPS 2025

GSAlign: Geometric and Semantic Alignment Network for Aerial-Ground Person Re-Identification

GSAlign：面向空地行人重识别的几何与语义对齐网络

Qiao Li, Jie Li, Yukang Zhang, Lei Tan, Jing Chen, Jiayi Ji

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（航天信息安全部与可信计算重点实验室，教育部，武汉大学计算机科学与工程学院） ； Xiamen University（厦门大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 GSAlign通过几何与语义对齐模块，有效解决空地行人重识别中的视角差异和遮挡问题，提升匹配精度。

Comments Accepted by Neurips 2025

UniF$^2$ace: A Unified Fine-grained Face Understanding and Generation Model

UniF$^2$ace: 一个统一的细粒度人脸理解和生成模型

Junzhe Li, Sifan Zhou, Liya Guo, Xuerui Qiu, Linrui Xu, Delin Qu, Tingting Long, Chun Fan, Ming Li, Hehe Fan, Jun Liu, Shuicheng Yan

机构 * Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Central South University（中南大学） ； Fudan University（复旦大学） ； Guangming Lab（光明实验室） ； Zhejiang University（浙江大学） ； Lancaster University（兰卡斯特大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 UniF$^2$ace是一个专门针对细粒度人脸理解和生成的统一多模态模型，通过双离散扩散损失和多级分组专家混合架构，提升高质量面部细节生成和细粒度属性处理能力。