语言大模型 / LLM

GRAR: Glass-induced Reflection Artifact Removal in LiDAR Point Clouds

GRAR: LiDAR点云中玻璃引起的反射伪影去除

Wanpeng Shao, Zeyi Guo, Bo Zhang, Yifei Xue, Tie Ji, Yizhen Lao

机构 * College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院） ； School of Design, Hunan University（湖南大学设计学院） ； School of Finance and Statistics, Hunan University（湖南大学金融与统计学院） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 提出两阶段框架，先利用多模态视觉基础模型和几何线索精确分割玻璃区域，再基于物理驱动的反射感知局部-全局几何相似性描述符去除反射伪影，在多个公开数据集上优于现有方法。

Vibe Visualizing: How Visualization Novices Try (and Fail) to Generate and Interpret Visualizations with Conversational AI

Vibe 可视化：可视化新手如何尝试（并失败）使用对话式 AI 生成和解读可视化

Sam Yu-Te Lee, Yun-Hsin Kuo, Chifang Chou, Matthew Ward, Xiwei Xuan, Kwan-Liu Ma

专题命中 其他LLM ：prompting(abstract)

AI总结 通过用户研究发现，可视化新手在使用 ChatGPT 等对话式 AI 生成和解读可视化时面临执行错误、误解和信任问题，并提出了改进 AI 辅助可视化系统的设计建议。

Reimagining Open Source and Openness in AI: Co-Creating Responsible Technological Futures

重新构想人工智能中的开源与开放性：共创负责任的科技未来

Genevieve Smith, Hiral Patel, Steven Luo, Monica G. Bobra, Judy Brewer, Cathryn Carson, Isadora Cruxen, Shachee Doshi, Maximilian Gahntz, Nicholas Garcia, Natalia Luka, Meredith M. Lee, Min Kyung Lee, Woohyeuk Lee, Jarrod Millman, Ricardo Miron Torres, Chinasa T. Okolo, Cailean Osborne, Derek Slater, Katie Steen-James, Nikko Stevens, Jennifer Tridgell, David Gray Widder

专题命中 其他LLM ：foundation model(abstract)

AI总结 通过多部门参与式研讨会，研究不同利益相关者如何共同理解与协商AI中的负责任开放性，识别出关于开放目的、范围与运作的四类核心张力，并提出行动路径与研究路线图。

Comments To appear in the 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26)

TraRA: Trajectory-level Recognition Aggregation for Video Text Spotting in Urban Surveillance

TraRA: 面向城市监控视频文本识别的轨迹级识别聚合方法

Duc Tri Tran, Trung Thanh Nguyen, Vijay John, Phi Le Nguyen, Yasutomo Kawanishi

机构 * RIKEN（日本理化学研究所） ； Hanoi University of Science and Technology（河内科学技术大学） ； Nagoya University（名古屋大学） ； Lawrence Technological University（劳伦斯技术大学） ； Ritsumeikan University（立命馆大学） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 提出TraRA方法，通过轨迹级文本识别聚合，利用时间与多模态一致性，解决监控视频中运动模糊、遮挡等导致的帧级识别不一致问题，在多个基准上提升跟踪与识别性能。

Comments 22nd IEEE International Conference on Advanced Visual and Signal-Based Systems