-
利用分层VQ-VAE生成多样化的、高保真的3D人体动作
李叶轩|王光远|马文轩|张宏鑫|王哲北京邮电大学，中国北京市西土城路100080摘要在计算机视觉和图形学领域，创建真实且富有表现力的3D人体运动仍然是一个巨大的挑战。我们提出了一种从粗略到精细的文本驱动3D人体运动生成流程，该流程将分层VQ-VAE与条件掩码Transformer
来源：Neurocomputing
时间：2026-05-26
-
文本引导的去学习：通过分层掩蔽机制在稳定扩散模型中实现遗忘效果
曾永强|郑登|刘万里摘要机器去学习在负责任地部署生成模型方面发挥着关键作用，有助于缓解隐私风险、伦理问题以及涉及有害或敏感视觉内容的滥用问题。然而，大多数现有的去学习方法依赖于对生成模型的大规模参数更新或结构修改，导致巨大的计算开销，并且经常降低模型的泛化能力和生成效果。此外，由
来源：Neurocomputing
时间：2026-05-26
-
综述：通过有信息的初始化来改进连续的知识图谱嵌入
杰拉德·庞斯（Gerard Pons）| 贝西姆·比拉利（Besim Bilalli）| 安娜·克雷阿尔特（Anna Queralt）
加泰罗尼亚理工大学服务与信息系统工程系，巴塞罗那Tech，西班牙巴塞罗那08031
**摘要**
知识图谱（Knowledge G
来源：Neurocomputing
时间：2026-05-26
-
猫杯状病毒在伴有神经病变家猫中枢神经系统细胞中的定位研究
猫杯状病毒（Feline calicivirus，FCV）主要与猫上呼吸道感染相关，但其亦可引发严重的多系统疾病，偶伴神经症状。尽管已有散在的神经受累报道，FCV的神经嗜性潜能仍不明确。本研究回顾性分析了67只临床疑似FCV感染（表现为神经、呼吸和/或全身性病
来源：Veterinary and Animal Science
时间：2026-05-26
-
基于控制屏障函数的安全关键非线性系统自学习鲁棒控制
研究人员针对带有外部扰动的连续时间安全关键非线性系统，提出了一种基于自适应动态规划（Adaptive Dynamic Programming, ADP）的自学习鲁棒安全控制方法。首先，设计扰动观测器以获取精确的扰动信息。随后，通过将哈密顿-雅可比-贝尔曼方程（
来源：Neurocomputing
时间：2026-05-26
-
跨视图结构感知网络用于属性缺失图聚类
摘要
属性缺失图聚类(attribute-missing graph clustering)是一项基础且具有挑战性的任务，旨在在部分节点属性缺失的情况下，将节点划分为不同群组。近年来，研究人员提出了多视图图表示学习(multi-view graph rep
来源：Neurocomputing
时间：2026-05-26
-
问对问题：面向交通人机交互检测的贝叶斯优化提示跨层级知识蒸馏
研究人员指出，将多模态大语言模型（Multimodal Large Language Models, MLLMs）的图像级场景理解有效迁移至实例级的人机交互（Human-Object Interaction, HOI）检测，仍是安全关键型交通应用的核心瓶颈。现
来源：Neurocomputing
时间：2026-05-26
-
基于扩散模型的全球海洋风速剖面生成式空间降尺度
将粗分辨率再分析数据降尺度至高分辨率剖面对于提高气候建模精度至关重要。现有方法往往产生过度平滑的结果，无法捕捉细尺度特征，且缺乏稳健的不确定性量化能力。为此，研究人员提出了一种名为 OceanSR-Prob 的生成式扩散框架，用于全球海洋风速剖面的空间降尺度。
来源：Neurocomputing
时间：2026-05-26
-
ViCGA：无需相机内参的单目视频高保真人体高斯化身提取
从单目视频中提取三维人体化身对虚拟现实等应用至关重要，然而现有多数方法仍严重依赖精确标定的相机内参。针对这一局限，研究人员提出了一种相机参数与人体姿态联合优化策略，可直接从未经标定的单目视频中训练三维高斯人体化身。该方法在估计SMPL-X参数的同时自标定焦距，
来源：Neurocomputing
时间：2026-05-26
-
UGD-IML：一种面向受约束与非受约束图像篡改定位的统一生成式扩散框架
图像篡改定位（Image Manipulation Localization, IML）旨在预测篡改图像中伪造区域的像素级掩码。现有大多数 IML 方法基于深度学习，其性能高度依赖大规模高质量数据集。然而，像素级标注成本高昂，限制了当前数据集的规模与多样性。为
来源：Neurocomputing
时间：2026-05-26
粤公网安备 44010602000434号