University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

KMM-CP: Practical Conformal Prediction under Covariate Shift via Selective Kernel Mean Matching

KMM-CP：通过选择性核均值匹配实现协变量偏移下的实用符合预测

Siddhartha Laghuvarapu, Rohan Deb, Jimeng Sun

机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校西贝尔计算与数据科学学院） 纠错

AI总结 本文提出KMM-CP框架，通过核均值匹配修正协变量偏移，利用RKHS矩差异控制偏差方差，提升低支持重叠区域的稳定性，实验显示覆盖差距减少超50%。

Finding Distributed Object-Centric Properties in Self-Supervised Transformers

在自监督变压器中发现分布式以对象为中心的属性

Samyak Rawlekar, Amitabh Swain, Yujun Cai, Yiwei Wang, Ming-Hsuan Yang, Narendra Ahuja

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Queensland（昆士兰大学） ； UC Merced（加州大学默塞德分校） 纠错

AI总结 本文分析了自监督视觉变压器中对象中心属性的分布式编码机制，提出Object-DINO方法通过聚类注意力头提升无监督对象发现和多模态大语言模型的视觉 grounding。

Comments Computer Vision and Pattern Recognition (CVPR) 2026