Nanyang Technological University（南洋理工大学）

DETRAM: End-to-end DEtection, Tracking and Recovery of HumAn Meshes

DETRAM：人类网格的端到端检测、跟踪与恢复

Chunggi Lee, Seonwook Park, Wanhua Li, Umar Iqbal, Hanspeter Pfister

机构 * Harvard University（哈佛大学） ； NVIDIA（英伟达） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 研究针对多人场景下人类网格恢复难题，提出DETRAM统一框架，利用单个变压器解码器及可学习查询嵌入，能自动和依用户提示检测、重建与跟踪人类，在多数据集上取得领先跟踪结果及有竞争力的重建精度，实现端到端可训练的用户导向人体分析。

EvoLP: Self-Evolving Latency Predictor for Model Compression in Real-Time Edge Systems

EvoLP：实时边缘系统中用于模型压缩的自进化延迟预测器

Shuo Huai, Hao Kong, Shiqing Li, Xiangzhong Luo, Ravi Subramaniam, Christian Makaya, Qian Lin, Weichen Liu

机构 * School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院） ； HP-NTU Digital Manufacturing Corporate Lab, Nanyang Technological University（南洋理工大学惠普-南洋理工数字制造联合实验室） ； HP Inc.（惠普公司） 纠错

AI总结 研究针对边缘设备资源有限及测量延迟难问题，提出EvoLP框架预测模型推理延迟，该预测器可在网络压缩中自进化提升精度，实验表明其优于现有方法，融入模型压缩框架可有效指导压缩并满足延迟约束。

Comments Author's accepted version. Published in IEEE Embedded Systems Letters

Journal ref IEEE Embedded Systems Letters, vol. 16, no. 2, pp. 174-177, June 2024

Programming over Thinking: Efficient and Robust Multi-Constraint Planning

编程而非思考：高效且稳健的多约束规划

Derrick Goh Xin Deik, Quanyu Long, Zhengyuan Liu, Nancy F. Chen, Wenya Wang

机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology and Research（科技研究局） 纠错

AI总结 多约束规划面临挑战，现有大语言模型方法有局限。本文提出SCOPE框架，将特定查询推理与通用代码执行分离，产生一致、可重用的求解器函数，降低成本和延迟，性能达最优。

Comments Accepted at ACL 2026 : Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)

ProSGNeRF: Progressive Dynamic Neural Scene Graph with Frequency Modulated Foundation Model in Urban Scenes

ProSGNeRF：城市场景中基于频率调制基础模型的渐进式动态神经场景图

Tianchen Deng, Yanbo Wang, Yejia Liu, Chenpeng Su, Jingchuan Wang, Danwei Wang, Shao-Yuan Lo, Weidong Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； National Taiwan University（国立台湾大学） 纠错

AI总结 针对大规模城市场景中快速移动对象建模及相机自我运动处理难题，提出ProSGNeRF，通过渐进式场景图网络架构学习局部场景表示，利用基础模型网络编码潜码并引入频率调制模块，提升视图合成等能力。

Comments Accepted by IJCV 2026