University of California, Los Angeles（加州大学洛杉矶分校）

AMSnet-q: Unsupervised Circuit Identification and Performance Labeling for AMS Circuits

AMSnet-q：无监督的电路识别与性能标注用于AMS电路

Ze Zhang, Junzhuo Zhou, Yichen Shi, Zhuofu Tao, Rui Ji, Zhiping Yu, Quan Chen, Ting-Jung Lin, Lei He

机构 * Southern University of Science and Technology（南方科技大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； Tsinghua University（清华大学） ； Eastern Institute of Technology Ningbo（宁波东部技术研究院） 纠错

AI总结 AMSnet-q通过无监督方法自动构建AMS电路数据库，实现电路功能验证和性能标注，无需人工干预。

Uncertainty-Aware Trip Purpose Inference from GPS Trajectories via POI Semantic Zones and Pareto Calibration

基于POI语义区域和帕累托校准的GPS轨迹中不确定性感知的出行目的推断

Bo Yang, Haoxuan Ma, Yifan Liu, Zhiyuan Zhang, Chris Stanford, Morgan Sun, Jiaqi Ma

机构 * UCLA Mobility Lab, Department of Civil and Environmental Engineering, University of California, Los Angeles（加州大学洛杉矶分校移动实验室，土木与环境工程系） ； Novateur Research Solutions（Novateur研究解决方案） 纠错

AI总结 本文提出一种弱监督框架，结合POI语义区域和距离加权空间似然，区分必需和非必需活动的推断策略，并通过多阶段帕累托优化减少出行类型频率、开始时间和持续时间的JSD，提升出行推断可靠性。

SpatialStack: Layered Geometry-Language Fusion for 3D VLM Spatial Reasoning

SpatialStack：用于3D VLM空间推理的分层几何-语言融合

Jian Zhang, Shijie Zhou, Bangya Liu, Achuta Kadambi, Zhiwen Fan

机构 * XMU（厦门大学） ； UCLA（美国大学） ； Google（谷歌） ； UW-Madison（威斯康星大学麦迪逊分校） ； TAMU（德克萨斯农工大学） 纠错

AI总结 本文提出SpatialStack框架，通过分层融合视觉、几何和语言表征，提升3D空间推理能力，实验表明其在多个基准上表现优异。

Comments CVPR 2026, Project Website: https://spatial-stack.github.io/