Carnegie Mellon University（卡内基梅隆大学）

Any4D: Unified Feed-Forward Metric 4D Reconstruction

Any4D：统一的前馈度量4D重建

Jay Karhade, Nikhil Keetha, Yuchen Zhang, Tanisha Gupta, Akash Sharma, Sebastian Scherer, Deva Ramanan

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 Any4D通过模块化4D场景表示，实现高效的多视图前馈4D重建，提升精度和效率，适用于多种下游应用。

Comments Project Website: https://any-4d.github.io/

Learning by Analogy: A Causal Framework for Composition Generalization

通过类比学习：一种因果框架下的组合泛化

Lingjing Kong, Shaoan Xie, Yang Jiao, Yetian Chen, Yanhui Guo, Simone Shao, Yan Gao, Guangyi Chen, Kun Zhang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 本文提出了一种基于因果模块性和最小变化的框架，通过分层数据生成过程实现组合泛化，证明了该结构可从可观测数据中恢复，并在基准数据集上取得显著改进。

ConStruct: Structural Distillation of Foundation Models for Prototype-Based Weakly Supervised Histopathology Segmentation

ConStruct：用于基于原型的弱监督病理分割的基模态结构蒸馏

Khang Le, Ha Thach, Anh M. Vu, Trang T. K. Vo, Han H. Huynh, David Yang, Minh H. N. Le, Thanh-Huy Nguyen, Akash Awasthi, Chandra Mohan, Zhu Han, Hien Van Nguyen

机构 * Ho Chi Minh City University of Technology（胡志明市技术大学） ； University of Technology Sydney（悉尼技术大学） ； University of Houston（休斯顿大学） ； University of Information Technology（信息科技大学） ； College of Medical Science and Technology, Taipei Medical University（台北医学院医学科技学院） ； Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Montefiore Medical Center, Albert Einstein College of Medicine（蒙特福伊医疗中心，阿尔伯特·爱因斯坦医学院） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 纠错

AI总结 ConStruct通过结合CONCH的形态感知表示、SegFormer的多尺度结构线索和文本引导的语义对齐，提出一种高效的弱监督病理分割方法，提升分割精度和计算效率。

DualProtoSeg: Simple and Efficient Design with Text- and Image-Guided Prototype Learning for Weakly Supervised Histopathology Image Segmentation

DualProtoSeg: 基于文本和图像引导的原型学习的简单高效设计用于弱监督病理图像分割

Anh M. Vu, Khang P. Le, Trang T. K. Vo, Ha Thach, Huy Hung Nguyen, David Yang, Han H. Huynh, Quynh Nguyen, Tuan M. Pham, Tuan-Anh Le, Minh H. N. Le, Thanh-Huy Nguyen, Akash Awasthi, Chandra Mohan, Zhu Han, Hien Van Nguyen

机构 * University of Houston（德克萨斯大学休斯顿分校） ； Ho Chi Minh City University of Technology（胡志明市技术大学） ； University of Information Technology（信息技术大学） ； University of Technology Sydney（悉尼技术大学） ； Vin University（文大学） ； Department of Computer Science, Emory University（埃默里大学计算机科学系） ； College of Medical Science and Technology, Taipei Medical University（台北医学院医学科学与技术学院） ； Montefiore Medical Center, Albert Einstein College of Medicine（蒙特福医院，阿尔伯特·爱因斯坦医学院） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 纠错

AI总结 DualProtoSeg通过结合文本和图像引导的原型学习，提升弱监督病理图像分割的性能与精度。

CAPE: A CLIP-Aware Pointing Ensemble of Complementary Heatmap Cues for Embodied Reference Understanding

CAPE：一种基于CLIP的互补热图线索点集用于具身参照理解

Fevziye Irem Eyiokur, Dogucan Yaman, Hazım Kemal Ekenel, Alexander Waibel

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Istanbul Technical University（伊斯坦布尔技术大学） ； Carnegie Mellon University（卡内基梅隆大学） ； KIT Campus Transfer GmbH (KCT)（KIT校园转移有限责任公司） 纠错

AI总结 CAPE通过双模型框架和CLIP-aware Pointing Ensemble模块，提升具身参照理解任务中指向线索的多模态推理能力，实现75.0 mAP的高精度表现。

Comments Accepted by WACV 2026

Universal Hirschberg for Width Bounded Dynamic Programs

宽度受限动态程序的通用Hirschberg算法

Logan Nye

机构 * Carnegie Mellon University School of Computer Science（卡内基梅隆大学计算机科学学院） 纠错

AI总结 本文提出通用Hirschberg算法，通过高度压缩递归树实现宽度受限动态程序的空间高效回溯。

Comments 31 pages

Mind the Gap! Pathways Towards Unifying AI Safety and Ethics Research

注意差距！迈向统一人工智能安全与伦理研究的路径

Dani Roytburg, Beck Miller

机构 * Department of Machine Learning（机器学习系） ； Carnegie Mellon University（卡内基梅隆大学） ； Department of Computer Science（计算机科学系） ； Emory University（埃默里大学） 纠错

AI总结 本文通过文献计量学分析揭示人工智能安全与伦理研究的结构性分裂，并提出通过共享基准、跨机构平台和混合方法整合两者以构建更公正的人工智能系统。

Comments Accepted for presentation at IASEAI 2026