AAAI

I-INR: Iterative Implicit Neural Representations

I-INR：迭代隐式神经表示

Ali Haider, Muhammad Salman Ali, Maryam Qamar, Tahir Khalil, Soo Ye Kim, Jihyong Oh, Enzo Tartaglione, Sung-Ho Bae

机构 * Kyung Hee University（韩国庆熙大学） ； Adobe Research（Adobe研究） ； Chung-Ang University（Chung-Ang大学） 纠错

AI总结 本文提出I-INR，通过迭代优化提升隐式神经表示在高频细节恢复、噪声鲁棒性和泛化能力，实验显示其在图像拟合、去噪和物体占用预测等任务中表现优异。

Comments Accepted at AAAI 2026

Optimally Auditing Adversarial Agents

最优审计对抗性智能体

Sanmay Das, Fang-Yi Yu, Yuang Zhang

机构 * Virginia Tech（弗吉尼亚理工大学） ； George Mason University（乔治·梅森大学） 纠错

AI总结 本文提出一个主代理博弈模型，研究如何设计最优审计策略以应对智能体的欺诈行为，提出适应性和非适应性设置下的高效算法，并扩展至有限审计预算场景。

Comments Published in Proceedings of the AAAI Conference on Artificial Intelligence (AAAI), 2026, pages 16787-16794

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 2026, pages 16787-16794

HATIR: Heat-Aware Diffusion for Turbulent Infrared Video Super-Resolution

HATIR: 用于湍流红外视频超分辨率的热感知扩散

Yang Zou, Xingyue Zhu, Kaiqi Han, Jun Ma, Xingyuan Li, Zhiying Jiang, Jinyuan Liu

机构 * Northwestern Polytechnical University（西北工业大学） ； Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学） ； Dalian Maritime University（大连海事大学） 纠错

AI总结 HATIR通过热感知变形先验联合建模湍流退化与结构细节损失，提出相位引导流估计器和湍流感知解码器，构建首个湍流红外视频超分辨率数据集FLIR-IVSR，提升非均匀退化下的结构恢复精度。

Journal ref Proceedings of the 40th Annual AAAI Conference on Artificial Intelligence (AAAI 2026)

Adversarial Attack on Black-Box Multi-Agent by Adaptive Perturbation

对黑盒多智能体系统的对抗性攻击：自适应扰动

Jianming Chen, Yawen Wang, Junjie Wang, Xiaofei Xie, Yuanzhe Hu, Qing Wang, Fanjiang Xu

AI总结 本文提出AdapAM框架，通过自适应选择策略和基于代理的扰动诱导恶意行为，提升多智能体系统攻击的隐蔽性和有效性，实验表明其在不同扰动率下表现最佳。

Journal ref AAAI 2026