Tsinghua University（清华大学）

Point Linguist Model: Segment Any Object via Bridged Large 3D-Language Model

点语言模型：通过桥接大型3D语言模型实现任意对象分割

Zhuoxu Huang, Mingqi Gao, Jungong Han

机构 * Department of Computer Science, Aberystwyth University（计算机科学系，阿伯里斯特维斯大学） ； School of Computer Science, University of Sheffield（计算机科学学院，谢菲尔德大学） ； Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

AI总结 点语言模型通过桥接大型3D语言模型与密集3D点云，解决表示不一致问题，提升3D对象分割的准确性和鲁棒性。

Comments Accepted by IEEE Transactions on Multimedia (TMM)

FRAPPE: Infusing World Modeling into Generalist Policies via Multiple Future Representation Alignment

FRAPPE：通过多未来表示对齐将世界建模注入通用策略

Han Zhao, Jingbo Wang, Wenxuan Song, Shuai Chen, Yang Liu, Yan Wang, Haoang Li, Donglin Wang

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； South China University of Technology（华南理工大学） ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学） 纠错

AI总结 FRAPPE通过多未来表示对齐提升通用机器人策略的世界建模能力，提高微调效率并减少数据依赖，实验证明其在长时序和未见场景中的泛化性能优于现有方法。

Comments Project Website: https://h-zhao1997.github.io/frappe

Automating Agent Hijacking via Structural Template Injection

通过结构模板注入自动化代理劫持

Xinhao Deng, Jiaqing Wu, Miao Chen, Yue Xiao, Ke Xu, Qi Li

机构 * Tsinghua University \& Ant Group Hangzhou China ； Tsinghua University Beijing China ； Zhongguancuan Laboratory Beijing China ； Tsinghua University \& Ant Group ； Tsinghua University ； Zhongguancuan Laboratory 纠错

AI总结 本文提出Phantom框架，通过结构模板注入自动化代理劫持，提升攻击成功率和效率，揭示结构模板劫持的严重性。

PP-Motion: Physical-Perceptual Fidelity Evaluation for Human Motion Generation

PP-Motion: 人类运动生成的物理-感知保真度评估

Sihan Zhao, Zixuan Wang, Tianyu Luan, Jia Jia, Wentao Zhu, Jiebo Luo, Junsong Yuan, Nan Xi

机构 * Tsinghua University（清华大学） ； University at Buffalo（布法罗大学） ； BNRist, Tsinghua University（清华大学BNRist研究所） ； Key Laboratory of Pervasive Computing, Ministry of Education（教育部 pervasive 计算重点实验室） ； Eastern Institute of Technology, Ningbo（宁波东部技术研究所） ； University of Rochester（罗切斯特大学） 纠错

AI总结 PP-Motion是一种新的数据驱动度量，通过物理和感知保真度评估提升人类运动生成的准确性与真实性。

Comments Accepted by ACM Multimedia 2025

MeGA: Hybrid Mesh-Gaussian Head Avatar for High-Fidelity Rendering and Head Editing

MeGA: 混合网格-高斯头像用于高保真渲染和头像编辑

Cong Wang, Di Kang, He-Yi Sun, Shen-Han Qian, Zi-Xuan Wang, Linchao Bao, Song-Hai Zhang

机构 * Tsinghua University（清华大学） ； Tencent（腾讯） ； Technical University of Munich（慕尼黑技术大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 MeGA通过混合网格和高斯表示，实现高保真头像渲染与编辑，提升面部和头发的细节与真实感。

Comments Accepted by CVPR 2025. Project page: https://conallwang.github.io/MeGA_Pages/

LoLep: Single-View View Synthesis with Locally-Learned Planes and Self-Attention Occlusion Inference

LoLep：单视角视图合成与局部学习平面及自注意力遮挡推断

Cong Wang, Yu-Ping Wang, Dinesh Manocha

机构 * Tsinghua University（清华大学） ； The Beijing Institute of Technology（北京理工大学） ； University of Maryland（马里兰大学） 纠错

AI总结 LoLep通过局部学习平面和自注意力机制实现单视角视图合成，有效提升遮挡推断和生成质量。

Comments Accepted by ICCV 2023

Neural Point-based Volumetric Avatar: Surface-guided Neural Points for Efficient and Photorealistic Volumetric Head Avatar

神经点基体积人像：基于表面的神经点用于高效且逼真的人体体积头人像

Cong Wang, Di Kang, Yan-Pei Cao, Linchao Bao, Ying Shan, Song-Hai Zhang

机构 * Tsinghua University, Tencent AI Lab（清华大学） ； Tencent AI Lab（腾讯AI实验室） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出了一种基于神经点的体积人像方法，通过高分辨率UV位移图约束神经点，提升建模能力和表达控制精度，有效处理复杂面部区域。

Comments Accepted by SIGGRAPH Asia 2023

MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints

MotionHint: 基于运动约束的自监督单目视觉里程计

Cong Wang, Yu-Ping Wang, Dinesh Manocha

机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） 纠错

AI总结 MotionHint通过引入运动约束模型，提升单目视觉里程计的精度，减少ATE误差达28.73%

Comments Accepted by ICRA 2022