Korea Advanced Institute of Science and Technology（韩国科学技术院）

Grounding World Simulation Models in a Real-World Metropolis

将世界模拟模型扎根于现实世界中的城市

Junyoung Seo, Hyunwook Choi, Minkyung Kwon, Jinhyeok Choi, Siyoon Jin, Gayoung Lee, Junho Kim, JoungBin Lee, Geonmo Gu, Dongyoon Han, Sangdoo Yun, Seungryong Kim, Jin-Hwa Kim

机构 * KAIST AI（韩国科学技术院人工智能研究中心） ； NAVER AI Lab（NAVER人工智能实验室） ； SNU AIIS（成均馆大学人工智能研究所） 纠错

AI总结 本文提出Seoul World Model，通过检索增强的条件生成真实城市场景，解决时间错位和轨迹多样性问题，生成高保真、时序一致的长时景视频。

Comments project page: https://seoul-world-model.github.io/

A convolutional autoencoder and neural ODE framework for surrogate modeling of transient counterflow flames

一种用于瞬态反向流火焰代理建模的卷积自编码器和神经微分方程框架

Mert Yakup Baykan, Weitao Liu, Thorsten Zirwes, Andreas Kronenburg, Hong G. Im, Dong-hyuk Shin

机构 * Department of Aerospace Engineering, KAIST（韩国科学技术院航空航天工程系） ； Institute for Reactive Flows (IRST), University of Stuttgart（斯图加特大学反应流研究所） ； Clean Energy Research Platform (CERP), KAUST（阿联酋科威特大学清洁能源研究平台） 纠错

AI总结 本文提出了一种卷积自编码器和神经微分方程框架，用于瞬态二维反向流火焰的降阶模型，通过压缩高保真2D快照，构建物理一致的6D连续潜在流形，实现对火焰全时间演化的预测。

Comments Submitted to the Proceedings of the Combustion Institute, Volume 42

Learning Question-Aware Keyframe Selection with Synthetic Supervision for Video Question Answering

基于合成监督的学习问题感知关键帧选择用于视频问答

Minchan Kwon, Hyounguk Shon, Junmo Kim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 本文提出一种问题感知的关键帧选择框架，通过伪关键帧标签和覆盖正则化提升视频问答的准确率，尤其在时间与因果问题上表现突出。

Every Error has Its Magnitude: Asymmetric Mistake Severity Training for Multiclass Multiple Instance Learning

每种错误都有其严重性：面向多类多实例学习的不对称错误严重性训练

Sungrae Hong, Jiwon Jeong, Jisu Shin, Donghee Han, Sol Lee, Kyungeun Kim, Mun Yong Yi

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Seegene Medical Foundation（Seegene医疗基金会） 纠错

AI总结 本文提出一种考虑错误严重性的训练策略，通过层次结构优化和概率对齐提升多类多实例学习的诊断准确性，减少临床关键错误。

Comments Accepted by CVPR 2026

High-Fidelity Text-to-Image Generation from Pre-Trained Vision-Language Models via Distribution-Conditioned Diffusion Decoding

通过分布条件扩散解码从预训练视觉-语言模型生成高保真的文本到图像

Ji Woo Hong, Hee Suk Yoon, Gwanhyeong Koo, Eunseop Yoon, SooHwan Eom, Qi Dai, Chong Luo, Chang D. Yoo

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Microsoft Research Asia (MSRA)（微软亚洲研究院） 纠错

AI总结 本文提出一种基于扩散解码的框架，通过训练仅需扩散解码器即可提升图像保真度，利用分布加权代码向量增强视觉质量，仅需ImageNet-1K短训练即可改进VQ-VAE重建和文本到图像生成。

Int3DNet: Scene-Motion Cross Attention Network for 3D Intention Prediction in Mixed Reality

Int3DNet：混合现实中的场景-运动交叉注意力网络用于3D意图预测

Taewook Ha, Woojin Cho, Dooyoung Kim, Woontack Woo

机构 * KAIST UVR Lab（韩国国立科学技术院（KAIST）虚拟现实实验室） ； KAIST KI-ITC PMRC（韩国国立科学技术院（KAIST）信息与通信技术中心PMRC） ； KAIST KI-ITC ARRC（韩国国立科学技术院（KAIST）信息与通信技术中心ARRC） ； KAIST UVR Lab and KAIST KI-ITC ARRC（韩国国立科学技术院（KAIST）虚拟现实实验室和信息与通信技术中心ARRC） 纠错

AI总结 Int3DNet通过结合稀疏运动提示和场景点云的交叉注意力融合，直接预测3D意图区域，无需显式物体级感知，在混合现实环境中实现鲁棒的人意图预测。

Comments Accepted as an IEEE TVCG paper at IEEE VR 2026 (journal track)

RRNCO: Towards Real-World Routing with Neural Combinatorial Optimization

RRNCO：面向现实世界的神经组合优化路由

Jiwoo Son, Zhikai Zhao, Federico Berto, Chuanbo Hua, Zhiguang Cao, Changhyun Kwon, Jinkyoo Park

机构 * Omelet ； KAIST（韩国科学技术院） ； Radical Numerics ； Singapore Management University（新加坡管理大学） 纠错

AI总结 RRNCO通过引入自适应节点嵌入和神经自适应偏置机制，解决现实世界路由问题中的复杂约束，提升神经求解器在物流中的实用性。

Comments Accepted at ICLR 2026. OpenReview: https://openreview.net/forum?id=sKvo9ZZfpe