ACM MM

DEFUSE: Generalizable Backdoor Defense for Self-Supervised Encoders with Generative Priors

DEFUSE：面向带生成先验的自监督编码器的可泛化后门防御方法

Tuo Chen, Jie Gui, Minjing Dong, Lanting Fang, Ju Jia, Benlei Cui, Jian Liu

机构 * Ant Group（蚂蚁集团） ； Purple Mountain Laboratories（紫金山实验室） ； City University of Hong Kong（香港城市大学） ； Beijing Institute of Technology（北京理工大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 本文提出DEFUSE，一种基于条件扩散生成模型的可泛化后门检测框架，用于防御自监督学习编码器的后门攻击，实验表明其性能优于现有方法且泛化性更强。

Comments Accepted at ACM Multimedia 2026

D3ER: Supporting Multi-Modal Recommendation via Disentangle and Distillation-based Dynamic Ensemble

D3ER：基于解耦与蒸馏的动态集成多模态推荐方法

Bingnan Wang, Yi Li, Xiongxin Tang, Fanjiang Xu, Jiangmeng Li

AI总结 该研究针对多模态推荐中同质性与异质性判别信息联合学习的缺陷，提出D3ER方法，引入梯度提升并结合知识蒸馏与全局校正正则化，在真实数据集上验证了其优越性。

Comments Accepted by ACMMM 2026

Efficient Training with Foresight: Multi-Token Auxiliary Supervision for Autoregressive Image Generation

带前瞻的高效训练：用于自回归图像生成的多令牌辅助监督

Guo Niu, Xiongfei Yao, Teng Wang, Nannan Zhu

机构 * Foshan University（佛山大学） ； The University of Hong Kong（香港大学） ； Sun Yat-sen University（中山大学） 纠错

AI总结 该研究针对自回归图像生成的缺陷，提出MTAR框架，通过多令牌预测、令牌级对比正则化和语义丢弃提升性能，在ImageNet上实现了生成质量与效率的更优平衡。

Comments Accepted by ACM Multimedia 2026 (ACM MM 2026)

Super Star: Towards Streaming Real-time Interactive Agents for Digital Humans

超级明星：面向数字人的流式实时交互智能体

Wentao Jiang, Youchen Xie, Haidi Fan, Yajing Chen, Xin Wang, Ye Shi, Jingya Wang

AI总结 本文针对交互式数字人提出流式实时同步言语手势生成任务，构建耦合流式语音响应与在线手势生成的框架，经实验验证其在延迟-质量权衡等方面优于现有基线。

Comments Accepted by ACM Multimedia 2026. Project Page: \url{ this https URL (https://super-star-2026.github.io/) }

Segmentation-Based Attention Entropy: Detecting and Mitigating Object Hallucinations in Large Vision-Language Models

基于分割的注意力熵：在大视觉-语言模型中检测和缓解对象幻觉

Jiale Song, Jiaxin Luo, Xue-song Tang, Kuangrong Hao, Mingbo Zhao

机构 * School of Information and Intelligent Science, Donghua University, Shanghai, 201620, China（信息与智能科学学院，东华大学，上海，201620，中国） 纠错

AI总结 本文提出基于分割的注意力熵(SAE)，通过语义分割量化视觉注意力不确定性，设计可靠性评分和注意力调整方法，有效缓解大视觉-语言模型中的对象幻觉问题。

Comments Accepted to ACM Multimedia 2026 (MM '26)