ACM MM 2026
PulseAugur coverage of ACM MM 2026 — every cluster mentioning ACM MM 2026 across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
王有庆教授团队论文被ACM MM 2026收录
北京化工大学王有庆教授团队的一篇研究论文被第34届ACM多媒体国际会议（ACM MM 2026）收录。该论文介绍了一个名为GLCMoE的新颖框架，旨在通过提高跨视图语义对齐和处理异质性来解决深度多视图聚类中的挑战。GLCMoE框架结合了局部和全局混合专家模块以及双对比学习，以提取具有区分性的融合表示。
-
新的CoReFuse-Med方法改进了多模态医学图像分割
华中师范大学的研究人员开发了一种新颖的多模态医学图像分割方法CoReFuse-Med。该方法解决了低质量模态对融合过程产生负面影响的问题，尤其是在处理MRI扫描时，不同序列（T1、T2、FLAIR）的采样质量各不相同。CoReFuse-Med首先净化这些模态，然后重新平衡并融合它们，旨在通过防止低质量数据的伪影损害高质量数据来提高分割的准确性。
-
新的RASG框架利用仅听者数据增强情感识别能力
研究人员开发了一个名为RASG的新框架，用于识别对话者的情感，该框架专注于仅使用听者视频和说话者音频来预测听者情感。该框架结合了角色感知视觉迁移（RVT）以解决听者数据稀缺问题，以及刺激引导边界推理（SBR）以根据说话者上下文区分相似的视觉反应。该方法在MER-Cross数据集上达到了76.25%的准确率，并在ACM MM 2026的MER Grand Challenge中获得第二名。
-
密西西比州立大学团队使用 Qwen3-VL 模型进行高级文档伪造检测
密西西比州立大学的研究人员开发了一种新颖的管道，用于检测和分析文档中的文本伪造，该方法超越了简单的像素操作，能够识别语义更改。他们的系统在 ACM MM 2026 GenText-Forensics 挑战赛中获得第三名，使用了两个经过改编的 Qwen3-VL 视觉语言模型的链式思考方法。该管道首先检测篡改，然后识别攻击类型，最后通过分析传统检测器无法察觉的语义异常来生成法证报告。
-
小米MiLM Plus发布视频物体移除的PROVE基准
小米的MiLM Plus推出了PROVE，这是一个新的基准和指标集，旨在更有效地评估视频物体移除模型。PSNR和SSIM等传统指标在处理物体移除的固有不适定性方面存在困难，因为存在多种可能的输出。PROVE使用了两个新颖的指标：RC-S用于空间一致性，RC-T用于时间一致性，它们在深度特征空间内局部运行，并且不需要参考视频。该系统已被ACM MM 2026收录，并作为一个开源PyTorch存储库提供，旨在用于模型评估、CI门禁和数据过滤。
-
SEED 系统为 AI 生成的文本伪造提供可解释的检测
研究人员开发了 SEED 系统，该系统旨在检测和解释 AI 生成的文本伪造。该系统在 ACM MM 2026 的 GenText-Forensics 挑战赛中排名第三，它利用 Vision Transformer (ViT) 进行检测和定位，并辅以多模态大语言模型 (MLLM) 来生成全面的取证报告。SEED 系统包含一个相似性引导管道，用于通过合成伪造品增强训练数据，以及一个用于其报告生成 Harness 的迭代改进循环。
-
机器人空间表征失真而非物理知识阻碍通用性：新研究
中山大学和 X-Era AI Lab 的研究人员发现，机器人在新环境中操作失败的主要原因并非缺乏物理理解，而是空间表征不匹配。他们的工作发表在 CVPR 2026 和 ACM MM 2026 的论文中，表明当前的视觉-语言-动作 (VLA) 模型在通用性方面遇到的困难源于空间建模不准确，而非物理推理或动作控制的缺陷。通过引入仅需少量可学习参数的轻量级适配框架，如特征 Token 调制 (FTM) 和特征线性适配 (FLA)，该团队在各…