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

CLaD: Planning with Grounded Foresight via Cross-Modal Latent Dynamics

CLaD：通过跨模态潜在动力学实现具有基础前瞻性的规划

Andrew Jeong, Jaemin Kim, Sebin Lee, Sung-Eui Yoon

机构 * KAIST（韩国科学技术院） 纠错

AI总结 CLaD通过不对称跨注意力机制联合建模本体和语义状态演化，利用自监督目标和EMA编码器防止表征崩溃，实现高成功率的长序列动作生成。

Comments Project page: https://andrewwwj.github.io/clad

AA-Splat: Anti-Aliased Feed-forward Gaussian Splatting

AA-Splat：抗锯齿前馈高斯点划

Taewoo Suh, Sungpyo Kim, Jongmin Park, Munchurl Kim

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

AI总结 AA-Splat通过引入OBBL设计，解决FF-3DGS在非分布采样下的渲染问题，实现任意分辨率的鲁棒抗锯齿渲染，相比DepthSplat在NVS性能上提升5.4-7.5dB。

Comments Please visit our project page at https://kaist-viclab.github.io/aasplat-site/

Dual Perspectives in Emotion Attribution: A Generator-Interpreter Framework for Cross-Cultural Analysis of Emotion in LLMs

情绪归因的双重视角：一种用于LLM中跨文化情绪分析的生成-解释框架

Aizirek Turdubaeva, Uichin Lee

机构 * KAIST（韩国科学技术院） 纠错

AI总结 本文提出生成-解释框架，从表达与解读双重视角分析情绪归因，评估六种LLM在15国数据上的表现，揭示文化背景对情绪类型和模型性能的影响，呼吁在LLM中实现文化敏感的情绪建模。

Align Your Query: Representation Alignment for Multimodality Medical Object Detection

对齐你的查询：多模态医学目标检测中的表示对齐

Ara Seo, Bryan Sangwoo Kim, Hyungjin Chung, Jong Chul Ye

机构 * KAIST AI（韩国科学技术院人工智能学院） ； EverEx 纠错

AI总结 本文提出通过表示对齐提升多模态医学目标检测性能，引入模态令牌和QueryREPA预训练阶段，使查询表示更适应模态特征，提升检测精度。

Comments Project page: https://araseo.github.io/alignyourquery/