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

DPNeXt: A Lightweight Multi-Scale Feature Fusion Framework for Efficient ViT-Based Multi-Task Dense Prediction

DPNeXt：用于基于高效视觉Transformer的多任务密集预测的轻量级多尺度特征融合框架

Jehun Kang, Jungha Wang, Youngjun Hwang, David Hyunchul Shim

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

AI总结 研究针对机器人感知系统多任务学习中现有解码策略瓶颈，提出DPNeXt框架，用双深度可分离倒置瓶颈及MTBG策略，在多任务密集预测上表现出色，相比DPT大幅减少参数并提升推理速度。

Comments 8 pages, 5 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Knowledge-Assisted Multi-Graph Dependency Learning for Multivariate Time Series Anomaly Detection in Multi-Stage Industrial Processes

用于多阶段工业过程中多变量时间序列异常检测的知识辅助多图依赖学习

Jaeyeong Lee, Taeseong Yoon, Wonmo Koo, Heeyoung Kim

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

AI总结 针对多阶段工业过程中多变量时间序列异常检测问题，提出知识辅助多图框架并构建三个互补图，利用多图注意力网络建模，通过纳入过程知识显著提升异常检测性能。

GoStop: Reinforcement Learning for Adaptive Temporal Aggregation in Event-Based Feature Tracking

GoStop：基于强化学习的事件驱动特征跟踪中的自适应时间聚合

Youngho Kim, Hoonhee Cho, Jae-Young Kang, Kuk-Jin Yoon

机构 * KAIST（韩国科学技术院） 纠错

AI总结 研究基于事件相机的特征跟踪问题，提出用强化学习框架自适应控制事件累积过程，训练智能体依运动线索决策，引入新数据集评估，集成该框架到现有方法可提升性能，在动态运动下更具鲁棒性且平衡跟踪精度与效率。

Comments Accepted to ECCV 2026

Rethinking Quantum Continual Learning with Quantum Fisher Information

用量子费舍尔信息重新思考量子持续学习

Yu-Chao Hsu, Yu-Cheng Lin, Tai-Yue Li, Nan-Yow Chen, En-Jui Kuo

机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院电气工程学院） ； Cross College Elite Program, National Cheng Kung University（成功学院精英计划，成功大学） ； National Center for High-Performance Computing , National Institutes of Applied Research (NIAR)（高性能计算中心，应用研究国立机构） ； Department of Electrophysics, National Yang Ming Chiao Tung University（电子物理系，交通大学） 纠错

AI总结 研究量子持续学习中变分量子分类器的灾难性遗忘问题，提出基于量子费舍尔信息的QEWC方法，通过量化参数化量子态内在敏感性减轻遗忘，实验表明该方法能改善任务保留，在量子态几何研究中有重要意义。