IEEE TPAMI

SWIFT: A Small-World Interaction Framework for Flow-Aware Trajectory Prediction in Autonomous Driving

SWIFT：用于自动驾驶中流量感知轨迹预测的小世界交互框架

Chengyue Wang, Bin Rao, Haicheng Liao, Bonan Wang, Chengzhong Xu, Zhenning Li

机构 * University of Macau（澳门大学） ； State Key Laboratory of Internet of Things for Smart City, University of Macau（澳门大学智慧城市物联网国家重点实验室） ； Department of Civil and Environmental Engineering, University of Macau（澳门大学土木与环境工程系） 纠错

AI总结 研究自动驾驶中轨迹预测问题，提出SWIFT框架，结合小世界网络与交通流理论，通过特定网络和模块引入结构偏差与增强推理，实验证明其在多方面优于基线，展现出结构感知设计的有效性。

Comments Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence

On the Design of Mixture-of-Experts for Dynamic Gaussian Splatting

关于动态高斯点云的专家混合模型设计

In-Hwan Jin, Hyeongju Mun, Joonsoo Kim, Kugjin Yun, Kyeongbo Kong

机构 * Pusan National University（釜山国立大学） ； Electronics and Telecommunications Research Institute (ETRI)（电子和电信研究所） 纠错

AI总结 研究动态3D高斯表示的多变形建模问题，提出变形专家混合（MoDE）和动态高斯点云专家混合（MoE-GS）两种方法，通过不同集成约束实现多变形建模，为该领域提供替代策略并阐明集成约束对变形专家设计及行为的影响。

Comments IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI, 2026)