高校专区
LatBot: 从大规模物体操作视频中提炼通用潜在动作用于视觉-语言-动作模型
机构 * Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Microsoft Research（微软研究院）
AI总结 LatBot通过整合动作预测和潜在动作分解，提升视觉-语言-动作模型在现实世界和模拟环境中的泛化与迁移能力。
Comments Project Page: https://mm-robot.github.io/distill_latent_action/
ClearGCD: 缓解捷径学习以实现稳健的通用类别发现
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Loughborough University（洛桑大学）
AI总结 ClearGCD通过语义对齐和捷径抑制正则化缓解捷径学习，提升通用类别发现的稳健性和泛化能力。
Comments 5 pages, 4 figures
FastFHE: 基于FHE的可扩展打包和深度可分离CNN推理
机构 * Institute of Computing Technology, CAS（中国科学院计算技术研究所） ； UCAS（中国科学院大学） ； Fordham University（福特汉姆大学） ； Dalian University of Technology（大连理工大学） ； Beihang University（北京航空航天大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 FastFHE通过可扩展加密打包、深度可分离卷积、BN点积融合和Legendre多项式近似，提升FHE下CNN推理效率与精度。
BrepGPT: 基于Voronoi半块的自回归B-rep生成
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； University of Chinese Academy of Sciences（中国科学院大学） ； King Abdullah University of Science and Technology（国王 Abdullah 科学与技术大学）
AI总结 BrepGPT通过Voronoi半块表示实现单阶段自回归B-rep生成，提升生成效率与模型紧凑性。
EASL: 多情绪引导的语义解耦用于表达性手语生成
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Health and Rehabilitation Sciences（康复科学大学） ； The University of Aberdeen（阿伯丁大学）
AI总结 EASL通过多情绪引导的语义解耦架构，提升手语生成的表达性和情感表现力。
通过空气感知和理解世界：为移动网络设计的大型多模态模型
机构 * National Engineering Research Center for Mobile Network Technologies, Beijing University of Posts and Telecommunications (BUPT), Beijing（中国移动网络技术国家工程研究中心，北京邮电大学） ； Beiyou Shenzhen Institute（北邮深圳研究所） ； School of Cyber Security, University of Chinese Academy of Sciences (UCAS)（中国科学院大学网络安全学院） ； China Telecom Co., Ltd.（中国电信股份有限公司） ； Singapore University of Technology and Design (SUTD)（新加坡科技设计大学）
AI总结 本文提出了一种无线原生多模态模型，利用无线信号进行对比学习，验证了其在无线网络中的应用潜力。
COPO：面向MLLM幻觉的因果导向策略优化
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Software Chinese Academy of Sciences（中国科学院软件研究所） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； Amazon.com, Inc.（亚马逊公司）
AI总结 COPO通过引入因果完整性奖励和GRPO框架，解决多模态大语言模型的幻觉问题，通过令牌级因果约束确保输出的正确性和证据基础。
DiffusionFF: 一种基于扩散的联合人脸伪造检测与细粒度特征定位框架
机构 * MAIS, CASIA（CASIA人工智能研究所） ； SAI, UCAS（UCAS智能信息学院） ； CMFT（计算机视觉与模式识别技术研究所） ； IIE, CAS（中国科学院信息工程研究所） ； SCS, UCAS（UCAS安全学院） ； CAIR, HKISI, CAS（中国科学院自动化研究所） ； SCSE, FIE, M.U.S.T（慕苏尔科技大学安全与电子工程系）
AI总结 DiffusionFF通过结合预训练的伪造检测器和去噪扩散模型，实现人脸伪造检测与细粒度特征定位，提升检测能力和可解释性。
KSHSeek: 通过数据驱动方法缓解和检测生成模型中的知识捷径幻觉
机构 * Xidian University（西安电子科技大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hainan University（海南大学） ； University of Waterloo（滑铁卢大学）
AI总结 KSHSeek通过数据驱动方法缓解和检测生成模型中的知识捷径幻觉，提升模型的鲁棒性和可靠性。
Comments 16 pages, 34 figures
扩散模型在个性化内容合成中的综述
机构 * Department of Computing（计算系） ； The Hong Kong Polytechnic University（香港理工大学） ； Center for Artificial Intelligence and Robotics（人工智能与机器人中心） ； Hong Kong Institute of Science & Innovation（香港科学创新研究院） ； Chinese Academy of Sciences（中国科学院） ； State Key Laboratory of Multimodal Artificial Intelligence Systems（多模态人工智能系统国家重点实验室） ； Chinese Academy of Sciences Institute of Automation（中国科学院自动化研究所） ； School of Artificial Intelligence（人工智能学院） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文综述了扩散模型在个性化内容合成中的应用，分析了测试时微调和预训练适应方法，探讨了个性化任务的挑战与创新，并提出了未来发展方向。
Journal ref Machine intelligence research, Oct. 2025, v. 22, no. 5, p. 817-848
OBSeg: 基于定向边界框提示的准确且快速的实例分割框架
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学）
AI总结 OBSeg通过引入定向边界框提示，提升了实例分割的准确性和速度，同时优化了轻量级基础模型的性能。
Journal ref Machine Intelligence Research 2025
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈