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

ARGOS: Who, Where, and When in Agentic Multi-Camera Person Search

ARGOS：智能多摄像机人像搜索中的谁、哪里和何时

Myungchul Kim, Kwanyong Park, Junmo Kim, In So Kweon

机构 * KAIST（韩国科学技术院） ； University of Seoul（首尔大学） ； KIST（韩国科学技术院） 纠错

AI总结 ARGOS首次将多摄像机人像搜索转化为交互推理问题，通过智能体在信息不对称下规划、提问和消除候选，包含14个真实场景的2691个任务，实验表明该基准远未解决。

Comments Accepted to CVPR 2026 Workshop on Multimodal Spatial Intelligence (MUSI)

Bootstrapping Video Semantic Segmentation Model via Distillation-assisted Test-Time Adaptation

通过蒸馏辅助测试时适应提升视频语义分割模型

Jihun Kim, Hoyong Kwon, Hyeokjun Kweon, Kuk-Jin Yoon

机构 * KAIST（韩国科学技术院） ； Chung-Ang University（Chung-Ang 大学） 纠错

AI总结 本文提出DiTTA框架，通过高效测试时适应将图像分割模型转化为时间感知的视频分割模型，无需标注视频，实验表明其在VSPW和Cityscapes上表现优异。

Comments accepted at CVPR 2026

IMSE: Intrinsic Mixture of Spectral Experts Fine-tuning for Test-Time Adaptation

IMSE：内在光谱专家混合微调用于测试时间适应

Sunghyun Baek, Jaemyung Yu, Seunghee Koh, Minsu Kim, Hyeonseong Jeon, Junmo Kim

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； LG Energy Solution（LG能源解决方案） 纠错

AI总结 本文提出IMSE方法，通过分解线性层并仅更新奇异值，结合多样性最大化损失和领域感知光谱码检索，提升测试时间适应性能，在多种分布偏移基准测试中取得最佳效果，且在连续测试时间适应中提升准确率3.4个百分点，参数量减少385倍。

Comments ICLR 2026

DC-TTA: Divide-and-Conquer Framework for Test-Time Adaptation of Interactive Segmentation

DC-TTA：用于交互分割测试时间适应的分而治之框架

Jihun Kim, Hoyong Kwon, Hyeokjun Kweon, Wooseong Jeong, Kuk-Jin Yoon

机构 * KAIST（韩国科学技术院） ； Chung-Ang University（Chung-Ang 大学） 纠错

AI总结 本文提出DC-TTA框架，通过分而治之策略改进交互分割中用户交互的适应性，提升复杂场景下的分割性能。

Comments accepted at ICCV 2025