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

Seeing Through Touch: Tactile-Driven Visual Localization of Material Regions

透过触觉：基于触觉驱动的材料区域视觉定位

Seongyu Kim, Seungwoo Lee, Hyeonggon Ryu, Joon Son Chung, Arda Senocak

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Hankuk University of Foreign Studies（韩国外国语大学） ； Ulsan National Institute of Science and Technology（蔚山科学技术院） 纠错

AI总结 本文提出通过密集跨模态特征交互学习局部视觉-触觉对齐，生成触觉条件下的材料分割热图，提升材料区域视觉定位的鲁棒性和多样性。

Comments CVPR 2026. Project page: https://mm.kaist.ac.kr/projects/SeeingThroughTouch/

SLALOM: Simulation Lifecycle Analysis via Longitudinal Observation Metrics for Social Simulation

SLALOM：通过纵向观测度量进行社会模拟的仿真生命周期分析

Juhoon Lee, Joseph Seering

机构 * School of Computing, KAIST（韩国科学技术院计算机学院） 纠错

AI总结 本文提出SLALOM框架，通过纵向观测度量评估仿真过程的可信度，结合POM方法和DTW技术，提升社会模拟的结构性真实性和政策模拟标准。

Comments CHI 2026 PoliSim@CHI 2026: LLM Agent Simulation for Policy Workshop

HyperGraphPro: Progress-Aware Reinforcement Learning for Structure-Guided Hypergraph RAG

HyperGraphPro: 为结构引导的超图RAG设计的进度感知强化学习

Jinyoung Park, Sanghyeok Lee, Omar Zia Khan, Hyunwoo J. Kim, Joo-Kyung Kim

机构 * KAIST（韩国科学技术院） ； Microsoft（微软） ； Amazon（亚马逊） 纠错

AI总结 HyperGraphPro通过结合语义相关性和图连接性，改进超图检索机制，采用基于进度的逐步策略优化，提升多步推理的准确性和生成质量。

Comments In progress

FlowBind: Efficient Any-to-Any Generation with Bidirectional Flows

FlowBind: 任意到任意生成的高效方法

Yeonwoo Cha, Semin Kim, Jinhyeon Kwon, Seunghoon Hong

机构 * KAIST（韩国科学技术院） 纠错

AI总结 本文提出FlowBind框架，通过共享潜在空间和双向流实现高效任意模态生成，减少数据和计算成本，实验显示生成质量与传统方法相当。

Comments ICLR 2026

BézierFlow: Learning Bézier Stochastic Interpolant Schedulers for Few-Step Generation

BézierFlow：学习Bézier随机插值调度器用于少步生成

Yunhong Min, Juil Koo, Seungwoo Yoo, Minhyuk Sung

机构 * KAIST（韩国科学技术院） 纠错

AI总结 BézierFlow通过学习Bézier随机插值调度器，实现少步生成的性能提升，采用轻量训练方法，在10次NFE内提升2-3倍性能，且训练时间仅需15分钟。

Comments ICLR 2026, Project page: https://bezierflow.github.io

SpecMoE: A Fast and Efficient Mixture-of-Experts Inference via Self-Assisted Speculative Decoding

SpecMoE：通过自辅助推测解码实现快速高效的专家混合推理

Jehyeon Bang, Eunyeong Cho, Ranggi Hwang, Jinha Chung, Minsoo Rhu

机构 * KAIST（韩国科学技术院） ； UNIST（蔚山科学技术院） 纠错

AI总结 本文提出SpecMoE，一种基于自辅助推测解码算法的高效MoE推理系统，显著提升推理吞吐量并减少内存和互连带宽需求。

Comments This is an extended version of our work, which is accepted for publication at the 63rd ACM/IEEE Design Automation Conference (DAC), 2026

Tipiano: Cascaded Piano Hand Motion Synthesis via Fingertip Priors

Tipiano：通过指尖先验知识实现钢琴手部运动的级联合成

Joonhyung Bae, Kirak Kim, Hyeyoon Cho, Sein Lee, Yoon-Seok Choi, Hyeon Hur, Gyubin Lee, Akira Maezawa, Satoshi Obata, Jonghwa Park, Jaebum Park, Juhan Nam

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）） ； Seoul National University（首尔大学） 纠错

AI总结 本文提出Tipiano框架，利用钢琴运动的自然层级结构，通过指尖定位、轨迹细化、手腕估计和姿态合成四个阶段，实现高精度自然的钢琴手部运动合成，实验表明其性能优于扩散模型。

Human-AI Interaction Traces as Blackout Poetry: Reframing AI-Supported Writing as Found-Text Creativity

人类-人工智能交互痕迹作为黑屏诗：重新定义AI支持的写作作为发现文本创作

Syemin Park, Soobin Park, Youn-kyung Lim

机构 * Department of Industrial Design, KAIST（韩国科学技术院工业设计系） 纠错

AI总结 本文探讨将AI写作交互痕迹视为表达性艺术制品，通过黑屏诗启发，重新审视人类与AI协作中的意义创造，提升读者对创作贡献的理解与信任。

Comments 4 pages, Accepted to ACM CHI 2026 Workshop on Herding CATs: Making Sense of Creative Activity Traces

Evaluating Visual Prompts with Eye-Tracking Data for MLLM-Based Human Activity Recognition

基于眼动数据的视觉提示在基于多模态LLM的人类活动识别中的评估

Jae Young Choi, Seon Gyeom Kim, Hyungjun Yoon, Taeckyung Lee, Donggun Lee, Jaeryung Chung, Jihyung Kil, Ryan Rossi, Sung-Ju Lee, Tak Yeon Lee

机构 * KAIST（韩国科学技术院） ； Adobe Research（Adobe研究院） 纠错

AI总结 本文通过眼动数据可视化方法提升多模态LLM处理高频传感器数据的效率，验证了视觉提示在人类活动识别中的有效性与扩展性。

Comments 6 pages. Conditionally accepted to IEEE PacificVis 2026 (VisNotes track)