University of Chinese Academy of Sciences（中国科学院大学）

AdaptOVCD: Training-Free Open-Vocabulary Remote Sensing Change Detection via Adaptive Information Fusion

AdaptOVCD: 无需训练的开放词汇遥感变化检测 via 自适应信息融合

Mingyu Dou, Shi Qiu, Ming Hu, Yifan Chen, Huping Ye, Xiaohan Liao, Zhe Sun

机构 * Key Laboratory of Spectral Imaging Technology CAS, Xi'an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences (CAS)（光谱成像技术重点实验室、光学与精密机械研究所、中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） ； College of Future Information Technology, Fudan University（复旦大学未来信息技术学院） ； State Key Laboratory of Resources and Environment Information System, Institute of Geographic Sciences and Natural Resources Research, CAS（资源与环境信息系统国家重点实验室、地理科学与自然资源研究所、中国科学院） ； Key Laboratory of Low Altitude Geographic Information and Air Route, CAAC（低空地理信息与航线重点实验室、民航局） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（人工智能、光学与电子学院（iOPEN），西北工业大学） 纠错

AI总结 AdaptOVCD通过自适应信息融合实现无需训练的开放词汇遥感变化检测，有效缓解误差传播并提升检测性能。

A Consistency-Improved LiDAR-Inertial Bundle Adjustment

改进一致性 的 LiDAR-惯性束调整

Xinran Li, Shuaikang Zheng, Pengcheng Zheng, Xinyang Wang, Jiacheng Li, Zhitian Li, Xudong Zou

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空信息研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Aerospace Information Technology University（航空信息科技大学） ； QiLu Aerospace Information Research Institute, Chinese Academy of Sciences（齐鲁航空信息研究所） ； School of Electronic, Electrical and Communication Engineering（电子电气与通信工程学院） 纠错

AI总结 本文提出改进一致性的 LiDAR-惯性束调整方法，通过定制参数化和估计器提升 SLAM 系统的准确性和可观测性。

Causal Front-Door Adjustment for Robust Jailbreak Attacks on LLMs

因果前门调整用于对抗大语言模型的鲁棒性劫持攻击

Yao Zhou, Zeen Song, Wenwen Qiang, Fengge Wu, Shuyi Zhou, Changwen Zheng, Hui Xiong

机构 * Institute of Software Chinese Academy of Sciences, Beijing, China（中国科学院软件研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Institute of Information Engineering Chinese Academy of Sciences, Beijing, China（中国科学院信息工程研究所） ； Hong Kong University of Science and Technology, China, Hong Kong, China（香港科学与技术大学） 纠错

AI总结 本文提出CFA²攻击方法，通过因果前门准则和稀疏自编码器实现对大语言模型的鲁棒性劫持，提升攻击成功率并提供机制解释。

Euphonium: Steering Video Flow Matching via Process Reward Gradient Guided Stochastic Dynamics

euphonium：通过过程奖励梯度引导的随机动态控制视频流匹配

Ruizhe Zhong, Jiesong Lian, Xiaoyue Mi, Zixiang Zhou, Yuan Zhou, Qinglin Lu, Junchi Yan

机构 * Huazhong University of Science and Technology（华中科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent Hunyuan（腾讯混元） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 Euphonium通过过程奖励梯度引导动态，提升视频流匹配的生成效率和对齐性。

Testing Storage-System Correctness: Challenges, Fuzzing Limitations, and AI-Augmented Opportunities

存储系统正确性测试：挑战、模糊测试局限性与AI增强的机会

Ying Wang, Jiahui Chen, Dejun Jiang

机构 * Institute of Computing Technology, Chinese Academy of Sciences (ICT, CAS)（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhongguancun Laboratory（中关村实验室） 纠错

AI总结 本文探讨了存储系统正确性测试的挑战，分析了模糊测试的局限性，并提出了利用人工智能技术提升测试效果的可能性。

Self-Supervised Video Representation Learning in a Heuristic Decoupled Perspective

基于启发式解耦视角的自监督视频表示学习

Zeen Song, Wenwen Qiang, Changwen Zheng, Hui Xiong, Gang Hua

机构 * National Key Laboratory of Space Integrated Information System, Institute of Software Chinese Academy of Sciences（空间信息集成国家重点实验室，软件研究所中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hong Kong University of Science and Technology（香港理工大学） ； Dolby Laboratories Inc（杜比实验室有限公司） ； Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 本文提出BOD-VCL方法，通过解耦静态和动态语义，提升视频对比学习的性能。

Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation

面向面部隐私保护的匿名化提示学习

Liang Shi, Jie Zhang, Shiguang Shan

机构 * University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出匿名化提示学习方法，通过训练可学习的提示前缀，实现文本到图像生成中面部身份的匿名化，以保护隐私并防止深度伪造风险。

Comments Accepted by IJCV

Dynamic Modeling, Parameter Identification and Numerical Analysis of Flexible Cables in Flexibly Connected Dual-AUV Systems

柔性双水下机器人系统中柔性缆线的动态建模、参数识别与数值分析

Kuo Chen, Minghao Dou, Qianqi Liu, Yang An, Kai Ren, Zeming WU, Yu Tian, Jie Sun, Xinping Wang, Zhier Chen, Jiancheng Yu

机构 * the State Key Laboratory of Robotics ； Intelligent Systems, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016 ； University of Chinese Academy of Sciences, Beijing 100049, China ； Road Joint Laboratory on Space \& Sea Technology Advanced Research, Shanghai 201304, China ； Institute of Deep-Sea Science ； Engineering, Chinese Academy of Sciences, Sanya 572000, China ； the Innovation Academy for Microsatellites, Chinese Academy of Sciences, Shanghai 201109 ； University of Nottingham Ningbo China, Ningbo 315199 纠错

AI总结 本研究提出了一种用于柔性双水下机器人系统动态建模和参数识别的方法，揭示了柔性缆线在复杂边界条件下的非线性动力学特性，为系统设计和控制提供了理论支持。