IEEE TPAMI

A Holistic Method for Superquadric Fitting Using Unsupervised Clustering Analysis

一种基于无监督聚类分析的超二次曲面拟合整体方法

Mingyang Zhao, Sipu Ruan, Xiaohong Jia

机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（数学科学国家重点实验室，数学与系统科学学院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Robotics Institute, School of Mechanical Engineering and Automation, Beihang University（北京航空航天大学机械工程与自动化学院机器人研究所） 纠错

AI总结 本文提出了一种新的方法，用于在存在噪声和异常值的情况下对点云进行超二次曲面拟合，通过无监督聚类分析重新定义问题，实现了刚性和变形超二次曲面的一体化拟合，同时提供了闭式解析解和收敛性证明。

Comments 20 pages, Code: https://github.com/zikai1/SuperquadricFitting

Journal ref IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2026

CARDIO-Affect: A Hamiltonian-Variability Framework for Spatio-Temporal Emotional Pattern Recognition with Manifold-Based Individual and Group Profiling

CARDIO-Affect：一种基于哈密顿变异性框架的时空情感模式识别方法，结合基于流形的个体和群体分析

Xiao Sun

AI总结 本文提出CARDIO-Affect框架，通过哈密顿变分理论分析长期情感动态，结合流形学习实现个体和群体情感识别，验证了复杂系统中情感的多稳定性、弱混沌等特征。

Comments v2: Major revision; supersedes v1 ('Neuroticism Paradox', 2025) after FDR-aware re-validation. New complex-systems framework, 6 propositions, three falsifiable paradoxes, Class A AUROC 0.984+/-0.012 matching Granger. Companion: arXiv:2510.15221 (WELD). 23 pages. Submitted to IEEE TPAMI

DECODE: Domain-aware Continual Domain Expansion for Motion Prediction

DECODE：面向领域的持续领域扩展用于运动预测

Boqi Li, Haojie Zhu, Henry X. Liu

机构 * Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系） 纠错

AI总结 DECODE提出一种持续学习框架，通过预训练模型逐步扩展领域专用模型，结合超网络和流机制实现高效模型选择与不确定性估计，有效降低遗忘率并提升预测精度。

Comments This work has been published in IEEE TPAMI Early Access

Decouple then Converge: Handling Unknown Unlabeled Distributions in Long-Tailed Semi-Supervised Learning

解耦然后收敛：处理长尾半监督学习中未知的未标记分布

Kai Gan, Tong Wei, Min-Ling Zhang

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education, China（教育部计算机网络与信息集成重点实验室（东南大学）） 纠错

AI总结 本文提出DeCon方法，通过解耦学习分支处理长尾半监督学习中未标记数据分布未知的问题，通过两个分支互补提升整体性能。

Comments TPAMI Accepted