高校专区
基于深度学习的面部重定向：使用局部补丁
机构 * Visual Media Lab, KAIST, Republic of Korea（韩国延世大学视觉媒体实验室） ； Netmarble F&C, Republic of Korea（韩国Netmarble F&C公司） ； Anigma, Republic of Korea（韩国Anigma公司）
AI总结 本文提出基于深度学习的局部补丁方法，用于将源面部动画重定向到风格化3D角色，以保留面部运动的语义信息。
Comments Eurographics 25
Journal ref Computer Graphics Forum 2024
基于语义差异指导的多领域图像翻译
机构 * Department of Artificial Intelligence, Chung-Ang University（人工智能系， Chung-Ang 大学） ； Hyundai Mobis ； Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 LACE通过语义差异指导实现多领域图像翻译，结合全局语义与局部结构特征融合及多领域控制机制，提升视觉翻译的保真度和可控性。
SPINE Gripper: 一种基于扭曲欠驱动机制的被动模式转换夹具
机构 * Department of Civil and Environmental Engineering, Korea Advanced Institute of Science and Technology（环境与土木工程系，韩国科学技术院）
AI总结 SPINE Gripper通过机械设计实现无需传感器或主动控制的双向抓取与旋转转换，展示非共面多功能操作的机械实现。
Comments 11 pages, 10 figures. Preprint version of a manuscript submitted to IEEE Transactions on Mechatronics
MoEScore: 基于专家混合的文本-音频相关性评分预测用于文本到音频系统评估
机构 * Northwestern Polytechnical University（西北工业大学） ； The University of Melbourne（墨尔本大学） ； KAIST（韩国科学技术院）
AI总结 MoEScore通过基于专家混合和顺序交叉注意的模型，实现了文本到音频系统评估中的高保真度评分，取得XACLE挑战第一名。
探索通过迭代路径细化的可合成化学空间
机构 * NVIDIA ； KAIST（韩国科学技术院）
AI总结 ReaSyn通过迭代路径细化方法，有效探索可合成化学空间，提升分子生成的覆盖性和多样性。
Sprint: 基于稀疏-密集残差融合的高效扩散变换器
机构 * Snap Inc.（Snap公司） ； Korea University（韩国大学） ； KAIST（韩国科学技术院）
AI总结 SPRINT通过稀疏-密集残差融合实现高效扩散变换器训练，实现高达75%的标记丢弃率，同时保持生成质量与效率。
带有和不带上下文的指令微调：行为变化和下游影响
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Adobe Research（Adobe研究） ； KAIST AI（韩国科学技术院人工智能实验室） ； Mila – Quebec AI Institute（魁北克人工智能研究所） ； NAVER Cloud AI（NAVER云人工智能）
AI总结 本文研究了指令微调中带上下文与不带上下文对模型行为和下游性能的影响，发现上下文增强训练能提升模型基础性并减少幻觉，同时提出在实际部署中分离上下文模型以获得更稳健的性能。
通过表格对话提升大语言模型事实数据交互
机构 * KAIST（韩国科学技术院） ； Microsoft Research Asia（微软亚洲研究院） ； William & Mary（威廉与玛丽学院） ； SKKU
AI总结 本文通过表格结构提升大语言模型在事实数据交互中的性能，展示表格在信息检索和数据操作中的有效性，并验证其在不同任务中的鲁棒性和效率。
Comments 20 pages, 9 figures
从国家课程到文化意识：构建开放性文化特定问答数据集
机构 * KAIST AI Center（韩国国立科学技术院人工智能中心） ； Samsung Electronics（三星电子） ； Hankuk University of Foreign Studies（韩国外语大学）
AI总结 本文提出CuCu框架，利用国家课程构建文化特定的开放性问答数据集KCaQA，以提升语言模型在文化对齐方面的表现。
混合联邦学习用于抗噪训练
机构 * School of Electrical Engineering, KAIST（韩国科学技术院电子工程学院） ； School of Electronics Engineering, Kyungpook National University（庆北国立大学电子工程学院）
AI总结 本文提出混合联邦学习框架，通过自适应聚类和权重选择提升抗噪训练性能，在低信噪比下实现更高的测试准确率。
V-Agent：一种利用视觉-语言模型的交互式视频搜索系统
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 V-Agent通过多智能体协作和视觉-语言模型提升视频搜索性能，实现多模态交互与零样本性能。
Comments CIKM 2025 MMGENSR Workshop
组合蒙特卡洛树扩散用于可扩展规划
机构 * KAIST（韩国科学技术院） ； SAP（SAP公司） ； NYU（纽约大学）
AI总结 C-MCTD通过引入三个互补组件，将规划从单轨迹优化提升到完整计划组合推理，实现更高效和可扩展的规划方法。
Comments 24 pages, 4 figures, NeurIPS 25 Spotlight
离线模型驱动优化：全面综述
机构 * Mila - Quebec AI Institute/KAIST（魁北克AI研究所/韩国科学技术院） ； Mila - Quebec AI Institute/McGill University（魁北克AI研究所/麦吉尔大学） ； Mila - Quebec AI Institute/University of Montreal（魁北克AI研究所/蒙特利尔大学） ； University of Washington（华盛顿大学）
AI总结 本文综述了离线模型驱动优化的现状，分析了替代建模和生成建模两种方法，并探讨了该领域的发展方向。
Comments Accepted to TMLR 2026 (Survey Certification)
通过语言引导的场景上下文感知学习实现鲁棒的自体视觉注意力预测
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出语言引导的场景上下文感知学习框架，通过上下文感知器和双训练目标提升自体视频中注意力预测的鲁棒性与准确性。
Comments 11 pages, 7 figures, 4 tables
基于结构不确定性的稀疏贝叶斯信息传递
机构 * Sookmyung Women’s University（苏州市女子大学） ； KAIST（韩国科学技术院）
AI总结 本文提出了一种基于结构不确定性的稀疏贝叶斯信息传递网络，通过建模带符号邻接矩阵的后验分布，有效应对图中的异质性和边噪声问题。
在分布偏移下进行符合预测：一场新冠大流行自然实验
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文研究了在分布偏移下符合预测的退化问题，通过新冠大流行中的8个供应链任务实验，发现特征稳定性而非集中度决定模型稳健性，并提出监控SHAP集中度和季度重新训练的决策框架。
COMPASS：基于深度学习的高效率图像压缩与任意尺度空间可扩展性
机构 * KAIST（韩国科学技术院） ； ETRI（电子与信息技术研究所）
AI总结 COMPASS是一种基于深度学习的高效率图像压缩方法，支持任意尺度的空间可扩展性，通过LIFF方法和联合RD损失函数实现高效编码。
Comments Accepted in ICCV 2023. Please visit our project page at https://kaist-viclab.github.io/compass-site/
优先感知多机器人覆盖率路径规划
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Korea Military Academy (KMA)（韩国军事学院） ； University of California, Riverside (UCR)（加州大学河滨分校） ； Omelet
AI总结 本文提出优先感知多机器人覆盖率路径规划方法，通过两阶段框架结合贪心分配与局部搜索，有效减少优先区域延迟并优化完成时间。
Comments IEEE Robotics and Automation Letters, 8 pages, 10 figures
混合专家模型中的几何正则化：权重与激活之间的脱节
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 该研究发现正交损失无法有效提升混合专家模型的专家多样性及性能，揭示了权重与激活正交性之间的脱节问题。
防御性M2S：在压缩的多轮对话上训练防护模型
机构 * KAIST（韩国科学技术院）
AI总结 Defensive M2S通过压缩多轮对话训练防护模型，显著降低训练和推理成本，提升攻击检测效率。
BHaRNet: 以可靠性为关注点的多模态专家化网络用于细粒度骨骼动作识别
机构 * School of Computing, KAIST（韩国釜山国立大学计算机学院）
AI总结 BHaRNet通过可靠性建模和多模态整合，提升细粒度骨骼动作识别的鲁棒性和准确性。
Comments 16 pages; 8 figures. Extension of previous conference paper. Project page: https://github.com/VinnyCSY/BHaRNet
超越完美API：对LLM代理在现实API复杂性下的全面评估
机构 * Amazon（亚马逊公司） ； KAIST（韩国科学技术院） ； University of Pittsburgh（匹兹堡大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出WildAGTEval基准测试，用于评估LLM代理在现实API复杂性下的功能调用能力，发现无关信息复杂性显著降低强LLM性能并影响用户满意度。
Comments 26 pages
在概率知识图嵌入中分解不确定性：为什么实体方差不足以解决问题
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出CAGP方法，通过结合语义和结构不确定性，提高时间分布偏移检测性能，实现60-80%的相对提升。
通过稠密稀疏标记数据实现稳健的分子属性预测
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本文提出了一种双层优化方法，通过利用未标记数据插值分布内和分布外数据，提升分子属性预测模型在稀疏标记数据下的泛化能力。
具有交叉注意力的体-手模态专家化网络用于细粒度骨骼动作识别
机构 * School of Computing, KAIST（韩国成均馆大学计算机学院）
AI总结 本文提出BHaRNet，通过体-手专家化网络和交叉注意力机制，提升细粒度骨骼动作识别的准确率，同时降低计算成本。
Comments 7 figures, 8 pages. Accepted to IROS 2025, project page: https://github.com/VinnyCSY/BHaRNet
Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, 2025, pp. 11614-11621
对抗性Bowden电缆驱动的轻量级机器人手：迈向受限负载人形机器人的灵巧操作
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）
AI总结 本文提出了一种轻量级人形手，通过对抗性Bowden电缆驱动和滚动接触关节优化，实现单电机控制，提高了负载能力和灵巧性。
Comments Preprint
对齐而搜索：基于信念的探索性推理用于世界感知的具身智能体
机构 * LG AI Research（LG人工智能研究） ； KAIST（韩国科学技术院）
AI总结 本文提出了一种基于信念的探索性推理方法，通过后验引导和轻量级模型实现高效的世界对齐，优于现有基线方法。
环境声音深度伪造检测挑战：概述
机构 * 1 School of Electrical Engineering, KAIST, Daejeon, Republic of Korea 2 University of Melbourne, Australia, 3 Fortemedia Singapore, Singapore, 4 Xi’an University of Posts \& Telecommunications, Xi’an, China, 5 Xi'an Lianfeng Acoustic Technologies Co., Ltd., China
AI总结 本文介绍了ESDD挑战，旨在通过大规模数据集EnvSDD解决环境声音深度伪造检测中的数据不足问题，并分析了挑战结果。
对抗性强化学习框架用于ESP作弊模拟
机构 * KRAFTON ； KAIST（韩国科学技术院）
AI总结 本文提出对抗性强化学习框架，用于模拟适应性ESP作弊行为，通过建模作弊者与检测器的对抗性交互，提升反作弊系统的效果。
探索合成到现实领域适应用于军事目标检测
机构 * Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院机械工程系） ； Drone Research and Development Laboratory, LIG Nex1（LIG Nex1无人机研究与发展实验室）
AI总结 本文提出使用Unreal Engine生成RGB合成数据，以提升军事目标检测在跨领域适应中的性能。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈