高校专区
一致性批评者：通过参考引导的注意对齐纠正生成图像中的不一致
机构 * VCIP, Nankai University ； Show Lab, National University of Singapore ； State Key Laboratory of CAD\&CG, Zhejiang University
AI总结 本文提出ImageCritic，通过参考引导的注意力对齐方法纠正生成图像中的不一致问题，提升细粒度细节的一致性。
Comments Project page: https://ouyangziheng.github.io/ImageCritic-Page/
自适应Hopfield网络：重新思考关联记忆中的相似性
机构 * Zhejiang University（浙江大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文提出自适应相似度机制，通过自适应Hopfield网络在多种任务中实现更准确的关联记忆检索。
OmniRefiner: 基于强化学习的局部扩散细化
机构 * Zhejiang University（浙江大学） ； Nankai University（南开大学） ； National University of Singapore（新加坡国立大学）
AI总结 OmniRefiner通过强化学习和局部扩散细化技术，提升参考引导图像生成中细粒度细节的保留与一致性。
基于零知识证明的可验证模型推断
机构 * Zhejiang University（浙江大学）
AI总结 本文提出一种基于零知识证明的框架，实现无需暴露模型参数的深度学习推断验证，通过递归组合零知识证明和Fiat-Shamir启发式方法，生成固定大小的zkSNARK证明，验证DeepSeek模型的可验证性。
通过混合分割与联邦学习优化加速无线分布式学习
机构 * School of Communications and Electronics Engineering, East China Normal University（通信与电子工程学院，东华大学） ； School of Electronics and Information Technology, Sun Yat-sen University（电子与信息学院，中山大学） ； Zhejiang University/University of Illinois at Urbana-Champaign Institute, Zhejiang University（浙江大学/伊利诺伊大学厄巴纳-香槟分校研究院，浙江大学） ； Department of Electronic Engineering, State Key Laboratory of Space Network and Communications, Tsinghua University（电子工程系，空间网络与通信国家重点实验室，清华大学） ； Information Systems Technology and Design Pillar, Singapore University of Technology and Design（信息系统技术与设计学院，新加坡科技设计大学）
AI总结 本文提出混合分割与联邦学习优化方法，通过学习模式选择、批量大小优化和资源联合优化，提升无线分布式学习的收敛速度和效率。
4DWorldBench: 一种用于3D/4D世界生成模型的综合评估框架
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Beijing Zhongguancun Academy（北京中关村学院）
AI总结 4DWorldBench提出了一种用于评估3D/4D世界生成模型的综合框架，通过四个维度评估模型的感知质量、条件对齐、物理真实性和一致性，支持多模态输入并整合多种评估方法。
超越关系：基于语义的多模态分析与LLM原生查询优化
机构 * Zhejiang University（浙江大学） ； Aalborg University（奥胡斯大学）
AI总结 Nirvana通过结合可编程语义运算符和LLM原生查询优化，实现多模态数据分析，显著提升效率和可扩展性。
图像到视频模型是否是良好的零样本图像编辑器？
机构 * Zhejiang University（浙江大学） ； Harvard University（哈佛大学）
AI总结 IF-Edit通过无需微调的框架，利用预训练图像到视频扩散模型实现指令驱动的图像编辑，解决提示错位、冗余时间潜在特征和模糊后期帧问题，展现强大的推理能力和通用编辑竞争力。
Comments technical report
MAPo : 基于变形3D高斯点散布的运动感知分区以实现高保真的动态场景重建
机构 * Zhejiang University（浙江大学） ； Sun Yat-Sen University（中山大学）
AI总结 MAPo通过动态分区策略提升动态场景重建的保真度，以高动态3D高斯点的精细建模和跨帧一致性损失解决运动细节与渲染质量的平衡。
方向至关重要：使3D生成模型方向对齐
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
AI总结 本文提出方向对齐的3D物体生成方法，通过构建Objaverse-OA数据集并微调两种生成模型，实现跨类别的方向一致性，提升下游任务性能。
Comments Accepted by NeurIPS 2025. Project Page: https://xdimlab.github.io/Orientation_Matters
TK-Mamba：将KAN与Mamba结合用于文本驱动的3D医学图像分割
机构 * Zhejiang University（浙江大学） ； Research Center, National Certification Technology (Hangzhou) Co., Ltd（国家认证技术（杭州）有限公司研究部） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学）
AI总结 TK-Mamba通过融合KAN与Mamba，提出文本驱动的3D医学图像分割方法，实现高效准确的多器官和肿瘤分割。
MovieDreamer：用于生成连贯长视觉序列的分层生成
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 MovieDreamer通过结合自回归模型与扩散渲染，实现长时长视频生成，提升叙事连贯性和视觉质量。
Comments 30 pages, 22 figures
无遗忘的融合：通过最优传输实现任务特定模型的持续融合
机构 * Tsinghua University（清华大学） ； University of Oxford（牛津大学） ； East China Normal University（华东师范大学） ； Zhejiang University（浙江大学） ； Tencent（腾讯） ； Southern University of Science and Technology（南方科技大学）
AI总结 本文提出OTMF方法，通过最优传输理论解决模型融合中的分布偏移问题，实现任务特定模型的持续融合，提升多任务系统的准确性和效率。
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