ACM MM

Learning to Prefer Reliably: Error-Augmented Emotion Preference Optimization with Calibrated Fusion

学习可靠偏好：带校准融合的错误增强情感偏好优化

Zilong Huang, Junyi Peng, Junjie Li, Kai Li, Wenze Ren, Kong Aik Lee, Man-Wai Mak, Tatsuya Kawahara

AI总结 针对情感偏好学习的稀疏监督与单一MLLM评判者的偏差问题，提出EAPO框架，构建错误增强数据集并通过边际校准软融合聚合多MLLM评判结果，提升情感偏好预测与鲁棒性。

Comments Accepted at ACM MM 2026 Workshop (MRAC '26)

Phase-Aligned Finite-Fourier Periodic Deformation for 4D Medical Image Interpolation

用于4D医学图像插值的相位对齐有限傅里叶周期变形

Haojin Li, Hengzhuo Wang, Zhiheng Ma, Mingyang Ou, Heng Li, Jiang Liu

机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Shenzhen University Medical School（深圳大学医学院） ； Shenzhen University（深圳大学） ； Beihang University（北京航空航天大学） 纠错

AI总结 该研究针对4D医学图像插值中周期结构编码不足、运动非均匀的问题，提出相位对齐有限傅里叶周期变形方法，在ACDC和4D-Lung数据集上实现了优于现有基线的性能。

Comments ACMMM 2026 accepted

IterCAD: Iterative Program Repair for CAD Code Generation from Orthographic Views

IterCAD：基于正交视图的CAD代码生成的迭代程序修复方法

Yuchuan Wu, Ke Niu, Haiyang Yu, Zhuofan Chen, Xiangyang Xue, Bin Li

机构 * Fudan University（复旦大学） ； ByteDance Inc.（字节跳动公司） 纠错

AI总结 IterCAD是一种迭代框架，将正交视图转CAD代码任务重构为渐进式程序修复，通过三阶段训练与监督集优化，在CADExpert上显著提升了代码可执行性与几何保真度。

Comments Accepted to the 34th ACM International Conference on Multimedia (ACM MM 2026)

DriftAD: Visually-Guided Text Drift for Few-Shot Industrial Anomaly Detection

DriftAD：用于小样本工业异常检测的视觉引导文本漂移

Wenyang Liu, Tianyi Liu, Dongshuo Zhang, Kejun Wu, Adams Wai-Kin Kong

机构 * Nanyang Technological University（南洋理工大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 针对现有小样本工业异常检测方法无法捕捉缺陷局部性与尺度依赖性的问题，提出含ASA、VGTD、DGSG模块及对应损失的DriftAD框架，在MVTec-AD和VisA数据集的1/2/4次设置下取得最优性能。

Comments Accepted by ACM Multimedia 2026 (ACM MM 2026)

Audio-to-Score Transcription using Pre-trained Features, Data Augmentation, and the New SheetSage-A2S Dataset

基于预训练特征、数据增强及新SheetSage-A2S数据集的音频转乐谱转录

Eoin Cummins, Zhongyi Huang, Alexandre D'Hooge, Zhuoru Mo, Yaolong Ju

机构 * University College Dublin（都柏林大学学院） ； Guangxi Normal University（广西师范大学） ； Great Bay University（大湾区大学） ； Shenzhen University（深圳大学） 纠错

AI总结 该研究针对流行音乐音频转乐谱研究不足的问题，构建了SheetSage-A2S数据集，结合预训练模型MuQ与数据增强改进A2S方法，在古典与流行音乐基准上均取得优于现有技术的性能。

Comments Accepted at the 34th ACM International Conference on Multimedia (MM '26) 2026-08-25: Edit to drop TeX commands in abstract

Tora3: Trajectory-Guided Audio-Video Generation with Physical Coherence

Tora3：基于轨迹的音频视频生成与物理一致性

Junchao Liao, Zhenghao Zhang, Xiangyu Meng, Litao Li, Ziying Zhang, Siyu Zhu, Long Qin, Weizhi Wang

机构 * Alibaba Cloud Computing（阿里巴巴云 computing） ； Fudan University（复旦大学） 纠错

AI总结 Tora3通过引入轨迹作为共享的运动先验，提升音频视频生成的物理一致性，采用轨迹对齐的运动表示和混合流匹配方案，改进运动真实性和运动-声音同步性。

Comments accepted by ACM MM 2026