高校专区
AnyTalker: 通过交互细化扩展多人物谈话视频生成
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Video Rebirth（视频重生） ； Zhejiang University（浙江大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 AnyTalker通过引入身份感知注意力机制和高效训练流程，实现了多人物谈话视频生成的高可扩展性和自然交互性。
Comments Homepage: https://hkust-c4g.github.io/AnyTalker-homepage
InstanceV: 实例级视频生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 InstanceV通过实例级控制和全局语义一致性，实现高质量视频生成，并在实例感知指标上超越现有最佳模型。
从幻觉到意图：用于视觉-语言推理的视觉理由学习
机构 * Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； Meituan（美团）
AI总结 本文提出视觉理由学习（ViRL），通过将视觉动作作为核心推理元素，提升视觉-语言推理模型的透明度和可信度。
Comments 19 pages, 15 figures
利用生物分子和自然语言通过多模态学习：一篇综述
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Huazhong University of Science and Technology（华中科技大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院）
AI总结 本文综述了生物分子与自然语言多模态学习的最新进展，探讨了技术表示、多模态整合方法、应用实例及未来研究方向。
Comments 2025.11.28 Updated Version
几何约束代理用于空间推理
机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； ZIP Lab, Zhejiang University（浙江大学ZIP实验室）
AI总结 Geometrically-Constrained Agent 通过引入正式任务约束，解决视觉语言模型在空间推理中的语义到几何差距问题，实现更稳健的推理路径。
Comments 27 pages, 13 figures
ITS3D: 推理时缩放用于文本引导的3D扩散模型
机构 * ReLER, Zhejiang University（浙江大学ReLER实验室） ； National University of Singapore（新加坡国立大学）
AI总结 ITS3D通过优化问题和验证器引导搜索算法，提升文本引导的3D扩散模型生成质量。
Comments 25 pages, 11 figures
AnchorFlow: 基于潜在锚点对齐流的无训练3D编辑
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 AnchorFlow通过潜在锚点对齐流实现无训练3D编辑，确保编辑过程中的稳定性和语义一致性，提升编辑效果和几何保真度。
Comments 20 pages, 10 figures
C$^2$DLM: 基于因果概念的扩散大语言模型
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Noah’s Ark Lab, Huawei Technologies（华为技术有限公司诺亚实验室）
AI总结 C$^2$DLM通过引入因果概念引导机制，提升大语言模型在推理任务中的性能。
3MDiT：用于文本驱动同步音频视频生成的统一三模态扩散变换器
机构 * Zhejiang University（浙江大学） ； Huawei（华为） ； Nanyang Technological University（南洋理工大学）
AI总结 3MDiT提出了一种统一三模态扩散变换器，通过联合演变流实现文本驱动的同步音频视频生成，提升多模态对齐与同步性能。
动作至关重要：用于基于骨骼的微动作识别的运动引导调制网络
机构 * University College London（伦敦大学学院） ； ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学） ； Hefei University of Technology（合肥工业大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究院、合肥综合性国家科学中心） ； Intelligent Interconnected Systems Laboratory of Anhui Province（安徽省智能互联系统实验室）
AI总结 本文提出运动引导调制网络MMN，通过骨骼和帧级运动线索调制提升微动作识别的准确性。
Comments Accepted by ACM MM 2025
FlowerTune: 一个跨领域用于联邦微调大型语言模型的基准测试
机构 * Flower Labs（Flower实验室） ； University of Cambridge（剑桥大学） ； Zhejiang University（浙江大学） ； Penn State University（宾夕法尼亚州立大学） ； Alibaba Group（阿里巴巴集团） ； University of Nevada, Reno（内华达大学拉斯维加斯分校） ； Gachon University（加荣大学） ； The University of Auckland（奥克兰大学） ； The University of Melbourne（墨尔本大学） ； The University of Adelaide（阿德莱德大学） ； Sony AI（索尼人工智能）
AI总结 FlowerTune提出一个跨领域联邦微调LLM的基准测试，评估26种模型在四个领域中的性能，提供隐私保护和领域适应的见解。
ParticleGS: 从视频中学习神经高斯粒子动力学以实现无先验的物理运动外推
机构 * Zhejiang University（浙江大学） ； North China University of Technology（华北理工大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 ParticleGS通过学习神经高斯粒子动力学，实现无先验的物理运动外推，提升动态3D场景的预测准确性与一致性。
注意间隔：为改进链式推理微调而弥合思维跳跃
机构 * Zhejiang University（浙江大学） ； SF Technology（SF技术） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出CoT思维跳跃桥任务，通过生成缺失的中间推理步骤提升数学推理任务的性能，实验表明在NuminaMath上改进达+5.87%。
Comments Accepted to NeurIPS 2025. Camera ready version. Code: https://github.com/ZJU-REAL/Mind-the-Gap Project: https://zju-real.github.io/CoT-Bridge/
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