高校专区
通过信息分解实现可解释的多模态回归
机构 * Zhejiang University（浙江大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； UiT - The Arctic University of Norway（挪威北极大学）
AI总结 本文提出基于部分信息分解的多模态回归框架，通过分解模态特定表示为唯一、冗余和协同组件，提升预测准确性和可解释性，并在多个数据集上验证其有效性。
Comments Project Page: https://github.com/zhaozhaoma/PIDReg
HeartBench: 探索大语言模型中拟人智能的核心维度
机构 * Ant Group（蚂蚁集团） ； Xiamen University（厦门大学） ； Beijing Normal University（北京师范大学） ； Zhejiang University（浙江大学）
AI总结 HeartBench通过理论驱动的分类体系评估中文大语言模型的情感、文化和伦理维度，揭示其在拟人智能方面的性能上限及改进方向。
Comments 10 pages
CC-GSEO-Bench: 一种以内容为中心的基准，用于衡量生成搜索引擎中源影响力
机构 * Zhejiang University（浙江大学） ； Soochow Securities（苏州证券） ； HKUST(GZ)（香港科技大学（广州）） ； Shanghai Jiaotong University（上海交通大学）
AI总结 CC-GSEO-Bench通过大规模数据集和创作者导向的评估框架，量化生成搜索引擎中源文章的影响，涵盖曝光、忠实信用、因果影响等核心维度。
Comments Technical Report
实现全双工语音中对话行为推理能力
机构 * Zhejiang University（浙江大学） ； University of California, Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出一种基于图的思维框架，通过建模对话行为的因果推断，实现全双工语音交互中的行为推理与可解释性。
TrackTeller: 基于时间的多模态3D定位用于行为依赖的对象引用
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Huawei Technologies Ltd.（华为技术有限公司）
AI总结 TrackTeller通过融合LiDAR图像、语言条件解码和时间推理，提升动态3D场景中基于语言的物体定位与跟踪性能。
UltraLBM-UNet：轻量双向Mamba模型用于皮肤病变分割
机构 * Data Science Institute, Vanderbilt University（维斯尼尔大学数据科学学院） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院）
AI总结 UltraLBM-UNet通过整合双向Mamba机制和多分支局部特征感知，实现轻量级皮肤病变分割，具有高效计算和高分割精度。
Comments 12 pages, 4 figures
感知度意识的数据扩展定律：感知度景观预测持续预训练的表现
机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学）
AI总结 本文提出感知度意识的数据扩展定律，通过感知度景观预测持续预训练的表现，有效提升数据利用效率和训练效果。
生成式多焦点图像融合
机构 * State Key Laboratory of Ocean Sensing & Ocean College, Zhejiang University（海洋传感国家重点实验室与海洋学院，浙江大学） ； Donghai Laboratory（东海实验室） ； Hainan Institute, Zhejiang University（海南学院，浙江大学） ； Hainan Provincial Observatory of Ecological Environment and Fishery Resource in Yazhou Bay（三亚市生态环境与渔业资源省级观测站）
AI总结 本文提出GMFF框架，通过确定性融合和生成式修复两个阶段，实现高效多焦点图像融合，解决边缘伪影问题并提升实际应用性能。
当贝叶斯张量补全遇见多输出高斯过程：函数通用性和秩学习
机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Zhejiang Provincial Key Laboratory of Multi-Modal Communication Networks and Intelligent Information Processing（浙江省多模态通信网络与智能信息处理重点实验室） ； School of Science & Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； Technical University of Denmark（丹麦技术大学） ； NoiseLab, University of California, San Diego（加州大学圣地亚哥分校NoiseLab） ； HERON - Center of Excellence in Robotics, Athena R.C（HERON-机器人卓越中心）
AI总结 本文提出RR-FBTC方法，结合贝叶斯张量补全与多输出高斯过程，实现对连续多维信号的通用近似，并通过变分推断框架高效学习模型。
SemanticGen: 语义空间中的视频生成
机构 * Zhejiang University（浙江大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； CUHK（香港中文大学） ； DLUT（大连理工大学） ； HUST（华中科技大学）
AI总结 SemanticGen通过在语义空间中生成视频，提高了长视频生成的效率和质量，优于现有方法。
Comments Project page: https://jianhongbai.github.io/SemanticGen/
FAR-AVIO：基于Schur补的快速且稳健的声学-视觉-惯性融合里程计
机构 * Zhejiang University（浙江大学） ； Global Institute of Future Technology（未来技术全球研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 FAR-AVIO通过基于Schur补的EKF实现快速且稳健的水下声学-视觉-惯性融合里程计，结合自适应权重调整和在线校准，提升定位精度与计算效率。
TableGPT-R1: 通过强化学习推进表格推理
机构 * Zhejiang University Institute of Computing Innovation（浙江大学计算创新研究院）
AI总结 TableGPT-R1通过强化学习框架提升表格推理能力，整合数据工程、奖励系统和多阶段训练框架，实现复杂表格任务的先进性能。
VTAO-BiManip: 带物体理解的遮蔽视觉-触觉-动作预训练用于双臂灵巧操作
机构 * College of Control Science and Engineering, Zhejiang University, Hangzhou, 310027, China（浙江大学控制科学与工程学院）
AI总结 VTAO-BiManip通过结合视觉-触觉-动作预训练与物体理解，提升双臂灵巧操作的课程强化学习效果，实现超过现有方法20%的成功率。
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