Beihang University（北京航空航天大学）

CloudMamba: An Uncertainty-Guided Dual-Scale Mamba Network for Cloud Detection in Remote Sensing Imagery

CloudMamba: 一种基于不确定性引导的双尺度Mamba网络用于遥感影像中的云检测

Jiajun Yang, Keyan Chen, Zhengxia Zou, Zhenwei Shi

机构 * Beihang University（北京航空航天大学） ； Key Laboratory of Spacecraft Design Optimization and Dynamic Simulation Technologies, Ministry of Education（教育部航天器设计优化与动态模拟技术重点实验室） 纠错

AI总结 本文提出CloudMamba网络，通过引入不确定性引导的两阶段云检测策略和双尺度Mamba网络，提升遥感影像中云检测的准确性与效率。

A Clinical Point Cloud Paradigm for In-Hospital Mortality Prediction from Multi-Level Incomplete Multimodal EHRs

一种用于院内死亡预测的临床点云范式：从多级不完整多模态电子健康记录

Bohao Li, Tao Zou, Junchen Ye, Yan Gong, Bowen Du

机构 * Beihang University（北京航空航天大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 本文提出HealthPoint范式，通过统一的4D空间表示多级不完整多模态EHRs，引入低秩关系注意力机制和分层交互策略，实现灵活的事件级交互与细粒度自监督，提升模态恢复和未标记数据利用效率，实验表明其在风险预测中性能优异。

Comments 20 pages

Erased, But Not Forgotten: Erased Rectified Flow Transformers Still Remain Unsafe Under Concept Attack

被擦除，但未被遗忘：擦除的修正流变换器在概念攻击下仍不安全

Nanxiang Jiang, Zhaoxin Fan, Enhan Kang, Daiheng Gao, Yun Zhou, Yanxia Chang, Zheng Zhu, Yeying Jin, Wenjun Wu

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院未来区块链与隐私计算北京高精尖创新中心） ； University of Science and Technology of China（中国科学技术大学） ； National University of Defense Technology（国防科技大学） ； GigaAI ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出ReFlux，首个针对最新修正流T2I框架评估概念擦除鲁棒性的攻击方法，通过反注意力优化和动态引导策略，验证了概念擦除在修正流变换器中的有效性。

DiffSketcher: Text Guided Vector Sketch Synthesis through Latent Diffusion Models

DiffSketcher: 通过潜在扩散模型实现文本引导的向量草图合成

Ximing Xing, Chuang Wang, Haitao Zhou, Jing Zhang, Qian Yu, Dong Xu

机构 * Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出DiffSketcher，通过扩展的SDS损失优化贝塞尔曲线，实现从自然语言提示直接生成向量草图，提升生成质量与可控性。

Comments Accepted by NeurIPS 2023. Project page: https://ximinng.github.io/DiffSketcher-project/

Smart Commander: A Hierarchical Reinforcement Learning Framework for Fleet-Level PHM Decision Optimization

智能指挥官：面向舰队级PHM决策优化的分层强化学习框架

Yong Si, Mingfei Lu, Jing Li, Yang Hu, Guijiang Li, Yueheng Song, Zhaokui Wang

机构 * School of Aerospace Engineering, Tsinghua University（清华大学航天航空学院） ； College of Information and Control Engineering, Xi'an University of Architecture and Technology（西安建筑科技大学信息与控制工程学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； First Aircraft Institute of Aviation Industry Corporation of China（中国航空工业集团公司第一飞机设计研究院） ； Science and Technology on Complex Aviation System Simulation Laboratory（复杂航空系统仿真重点实验室） 纠错

AI总结 本文提出Smart Commander框架，通过分层强化学习解决军事航空PHM中高维问题、稀疏反馈和随机任务配置带来的挑战，实现维护和后勤决策优化，展现出更高的效率和鲁棒性。

Comments 21 pages, 6 figures, 4 tables