Reflection Generation for Composite Image Using Diffusion Model
基于扩散模型的复合图像反射生成
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出通过扩散模型生成复合图像中反射的方法，引入反射位置和外观先验信息，构建首个大规模物体反射数据集DEROBA，实现物理一致且视觉真实的反射生成。
高校专区
Shanghai Jiao Tong University（上海交通大学）
LatentUM: Unleashing the Potential of Interleaved Cross-Modal Reasoning via a Latent-Space Unified Model
LatentUM：通过潜在空间统一模型释放交错跨模态推理的潜力
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 本文提出LatentUM，通过共享语义潜在空间实现跨模态推理与生成，提升计算效率并减少编码器偏差，取得视觉空间规划基准的最优性能。
PAM: A Pose-Appearance-Motion Engine for Sim-to-Real HOI Video Generation
PAM：一种用于仿真到现实手-物体互动视频生成的姿态-外观-运动引擎
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； BAAI（北京智源人工智能研究院） ； SJTU（上海交通大学） ； Eastern Institute of Technology（东方理工高等研究院） ； University of Cambridge（剑桥大学）
AI总结 本文提出PAM引擎，整合姿态、外观和运动生成可控的HOI视频，通过实验验证其在DexYCB和OAKINK2数据集上的性能优势。
Comments Accepted to CVPR 2026 Code: https://github.com/GasaiYU/PAM
Boosting Vision-Language-Action Finetuning with Feasible Action Neighborhood Prior
通过可行动作邻域先验提升视觉-语言-动作微调
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Technologies（华为技术有限公司）
AI总结 本文提出FAN引导正则化方法，通过调整模型输出分布以匹配FAN几何特性，提升VLA适应的样本效率和泛化能力。
Comments Accepted by CVPR 2026
Do Phone-Use Agents Respect Your Privacy?
手机使用代理是否尊重您的隐私？
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hunyuan Team, Tencent（腾讯混元团队）
AI总结 研究手机使用代理在完成良性移动任务时是否尊重隐私，通过MyPhoneBench框架评估隐私行为，发现任务成功率、隐私合规完成和后续会话偏好使用是不同能力，无单一模型主导。
Comments work in progress
