ICML

Context-free Self-Conditioned GAN for Trajectory Forecasting

无上下文自条件生成对抗网络用于轨迹预测

Tiago Rodrigues de Almeida, Eduardo Gutierrez Maestro, Oscar Martinez Mozos

机构 * Knut and Alice Wallenberg Foundation（瓦伦贝格基金会） 纠错

AI总结 本文提出了一种无上下文自条件GAN方法，用于从轨迹中学习不同模式，从而提升轨迹预测的准确性。

Comments Accepted at the 2022 21st IEEE International Conference on Machine Learning and Applications (ICMLA)

Oracle-Guided Soft Shielding for Safe Move Prediction in Chess

由Oracle引导的软屏蔽用于国际象棋中的安全移动预测

Prajit T Rajendran, Fabio Arnez, Huascar Espinoza, Agnes Delaborde, Chokri Mraidha

AI总结 OGSS通过学习概率安全模型，在国际象棋中实现安全探索，减少战术失误并提升探索效率。

Comments Accepted for publication at the 24th International Conference on Machine Learning and Applications (ICMLA), 2025. Preprint version in Arxiv

Efficient Motion Prompt Learning for Robust Visual Tracking

高效运动提示学习用于鲁棒视觉跟踪

Jie Zhao, Xin Chen, Yongsheng Yuan, Michael Felsberg, Dong Wang, Huchuan Lu

AI总结 本文提出一种高效运动提示学习方法，通过整合运动和视觉线索提升视觉跟踪的鲁棒性，实验表明其在多个基准测试中表现优异，且训练成本低。

Comments Accepted by ICML2025

Journal ref Proceedings of the 42nd International Conference on Machine Learning, in Proceedings of Machine Learning Research 267:77353-77370, 2025, https://proceedings.mlr.press/v267/zhao25e.html

CauKer: Classification Time Series Foundation Models Can Be Pretrained on Synthetic Data

CauKer：分类时间序列基础模型可以在合成数据上进行预训练

Shifeng Xie, Vasilii Feofanov, Ambroise Odonnat, Lei Zan, Marius Alonso, Jianfeng Zhang, Themis Palpanas, Lujia Pan, Keli Zhang, Ievgen Redko

机构 * Université Paris Cité（巴黎大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 CauKer通过生成因果一致的合成时间序列数据，实现对分类时间序列基础模型的样本高效预训练。

Comments This manuscript combines material from the ICML 2025 TSFM Workshop paper and the ICLR 2026 Main Track paper

Journal ref ICLR 2026 Oral

Efficient Semi-Supervised Adversarial Training via Latent Clustering-Based Data Reduction

通过基于潜在聚类的数据减少实现高效的半监督对抗训练

Somrita Ghosh, Yuelin Xu, Xiao Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA信息安全赫尔姆霍兹中心） 纠错

AI总结 本文提出基于潜在聚类的数据减少方法，有效降低半监督对抗训练的数据和计算需求，同时保持鲁棒性优势。

Comments Shorter version of this work accepted by NextGenAISafety Workshop at ICML 2024