paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
SL

Songhua Liu

ECCV 2026×4多模态可解释性安全强化学习与后训练效率与系统
新星分资深
25
一作贡献0
核心/参与17
方向广度10
合作网络3
0 一作 · 4 篇 · ECCV 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

4
作者位次 #5/5ECCV 2026Poster

FreeSwim: Revisiting Sliding-Window Attention Mechanisms for Training-Free Ultra-High-Resolution Video Generation

Yunfeng Wu · Jiayi Song · Zhenxiong Tan · Zihao He · Songhua Liu

多模态可解释性Video Understanding, Generation and Multimodal LearningOpenReview
作者位次 #4/4ECCV 2026Poster

ViBe: Ultra-High-Resolution Video Synthesis Born from Pure Images

Yunfeng Wu · Hongying Cheng · Zihao He · Songhua Liu

多模态Low-Level Vision, Restoration & Generative PriorsOpenReview
作者位次 #2/3ECCV 2026Poster

Flash-DD: An Ultra Parameter-Efficient Approach to Dataset Distillation

Ruonan Yu · Songhua Liu · Xinchao Wang

安全强化学习与后训练效率与系统Federated, Continual & Efficient Learning; Model SecurityOpenReview

常见合作者