Korea Advanced Institute of Science and Technology（韩国科学技术院）

VERIA: Verification-Centric Multimodal Instance Augmentation for Long-Tailed 3D Object Detection

VERIA：面向长尾3D目标检测的验证导向多模态实例增强

Jumin Lee, Siyeong Lee, Namil Kim, Sung-Eui Yoon

机构 * KAIST（韩国科学技术院） ； Naver Labs（Naver实验室） 纠错

AI总结 VERIA通过多模态实例增强方法提升长尾分布下3D目标检测性能，利用基础模型生成同步RGB-LiDAR实例并进行语义与几何验证，改进稀有类别的检测效果。

ACG: Action Coherence Guidance for Flow-based Vision-Language-Action models

ACG：基于流的视觉-语言-动作模型中的动作一致性指导

Minho Park, Kinam Kim, Junha Hyung, Hyojin Jang, Hoiyeong Jin, Jooyeol Yun, Hojoon Lee, Jaegul Choo

机构 * DAVIAN-Robotics, KAIST AI（DAVIAN机器人实验室，韩国科学技术院人工智能研究所） 纠错

AI总结 本文提出ACG算法，通过测试时指导提升视觉-语言-动作模型的动作一致性，从而在多种操作任务中提高成功率。

Comments Accepted to ICRA 2026

CA-LoRA: Concept-Aware LoRA for Domain-Aligned Segmentation Dataset Generation

CA-LoRA：面向领域对齐的分割数据集生成的概念感知LoRA

Minho Park, Sunghyun Park, Jungsoo Lee, Hyojin Park, Kyuwoong Hwang, Fatih Porikli, Jaegul Choo, Sungha Choi

机构 * KAIST（韩国科学技术院） ； Qualcomm AI Research（高通AI研究） ； Kyung Hee University（庆熙大学） 纠错

AI总结 本文提出CA-LoRA方法，通过文本到图像生成模型生成分割数据集，解决数据稀缺问题。该方法通过选择性更新与领域对齐相关的概念权重，提升生成样本的多样性和信息量，在城市场景分割中表现优异。

Comments Accepted to CVPR 2026

HyDRA: Hybrid Domain-Aware Robust Architecture for Heterogeneous Collaborative Perception

HyDRA: 一种混合领域感知鲁棒架构用于异构协作感知

Minwoo Song, Minhee Kang, Heejin Ahn

机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology（电气工程学院，韩国科学技术院） 纠错

AI总结 HyDRA通过整合中间和晚期融合，在领域感知框架中解决异构协作感知中的性能退化问题，采用轻量级领域分类器和锚点引导姿态图优化，实现无需额外训练的性能提升。

Comments 8 pages, 6 figures, Submitted to IROS 2026

OmniACBench: A Benchmark for Evaluating Context-Grounded Acoustic Control in Omni-Modal Models

OmniACBench：一种评估多模态模型上下文感知语音控制的基准

Seunghee Kim, Bumkyu Park, Kyudan Jung, Joosung Lee, Soyoon Kim, Jeonghoon Kim, Taeuk Kim, Hwiyeol Jo

机构 * Hanyang University（翰阳大学） ； Seoul National University（首尔国立大学） ； KAIST AI（韩国科学技术院人工智能研究所） ； NAVER Cloud（NAVER云） 纠错

AI总结 OmniACBench评估多模态模型在上下文感知语音生成中的能力，通过语音速率、音调等六种特征验证，揭示模型在多模态整合中的瓶颈及三种常见失败模式。

High-Density Automated Valet Parking with Relocation-Free Sequential Operations

高密度自动泊车中的无重定位顺序操作

Bon Choe, Minhee Kang, Heejin Ahn

机构 * School of Electrical Engineering（电气工程学院） ； KAIST（韩国科学技术院） ； Daejeon, South Korea（韩国大田） 纠错

AI总结 本文提出DROP框架，通过无重定位顺序操作提升高密度停车区域利用效率，结合布局设计与序列生成方法解决停车与取车问题。

Comments 7 pages, 6 figure. The results from all experiments are available at: https://drop-park.github.io

F4Splat: Feed-Forward Predictive Densification for Feed-Forward 3D Gaussian Splatting

F4Splat：面向前馈3D高斯点绘制的预测密集化

Injae Kim, Chaehyeon Kim, Minseong Bae, Minseok Joo, Hyunwoo J. Kim

机构 * KAIST（韩国国立科学技术院） ； Korea University（韩国大学） 纠错

AI总结 本文提出F4Splat，通过面向前馈3D高斯点绘制的预测密集化方法，引入基于密集度指导的分配策略，实现自适应的空间复杂度和多视角重叠的高斯点分配，减少冗余并提升重建质量。

Comments Project Page: $\href{https://mlvlab.github.io/F4Splat}{\text{this http URL}}$

PromptLoop: Plug-and-Play Prompt Refinement via Latent Feedback for Diffusion Model Alignment

PromptLoop: 通过潜在反馈实现扩散模型对齐的即插即用提示精炼

Suhyeon Lee, Jong Chul Ye

机构 * Graduate School of AI, KAIST（人工智能研究生院，韩国科学技术院） 纠错

AI总结 PromptLoop通过引入潜在反馈的逐步提示精炼方法，提升扩散模型在奖励优化、泛化能力及对抗奖励黑客方面的性能，同时保持灵活性和通用性。

Comments CVPR26 poster. 25 pages, 19 figures