Beihang University（北京航空航天大学）

NSL-SLAM: High-Fidelity Neural Structured-Light Depth for Practical SLAM and Reconstruction

NSL-SLAM：用于实际SLAM和重建的高保真神经结构光深度

Jiaheng Li, Binsheng Zhang, Xinhai Chang, Wenzheng Chen

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； School of Computer Science and Technology, Beihang University（北京航空航天大学计算机科学与技术学院） ； Yuanpei College, Peking University（北京大学元培学院） 纠错

AI总结 研究针对高保真结构光深度定制实用SLAM系统，核心方法是强化深度感知并构建以深度为中心的管道，主要贡献是提升跟踪精度、降低轨迹偏差，实现实用稳健的SLAM且运行速度达20.9 FPS。

Comments 13 pages, 9 figures

Failures Reveal What Metrics Miss: An Evidence-Driven Agent for Recursive Refinement of ECG Classifiers

失败揭示指标遗漏之处：用于心电图分类器递归优化的证据驱动智能体

Jinliang Deng, Yiming Niu, Yibo Pan, Zhiqi Shao, Qin Luo, Yongxin Tong

机构 * Beihang University（北京航空航天大学） ； Chongqing University（重庆大学） ； Fuwai Hospital（阜外医院） 纠错

AI总结 研究聚焦心电图分类器优化依赖人工的问题，提出RecursiveECG框架，利用LLM基于具体失败情况和心电图证据优化分类器，经特殊转换和审查分析制定修订，在多数据集上表现出色，验证了基于证据优化过程的有效性。

Multimodal Semantic-Probabilistic Objectness for Open World Object Detection

用于开放世界目标检测的多模态语义概率目标性

Weijun Tian, Rui Liu

机构 * School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） 纠错

AI总结 研究开放世界目标检测问题，提出MSPO轻量级语义校准框架，通过融合已知类别语言语义与视觉目标性来校准预测，在实验中改进了PROB基线，提升了主要指标及PASCAL VOC最终mAP，证明已知类别语义可有效校准概率目标性。

Comments 16 pages, 3 figures, 4 tables

Random Forest-Based Prediction of Bone Volume Fraction and Fracture Position from S-Parameters

基于随机森林的从 S 参数预测骨体积分数和骨折位置

Jianhe Li, Jinsui Meng, Yida Zhao, Zihe Wang, Liaoran Sun, Tao Shan

机构 * School of Electronics and Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） 纠错

AI总结 该研究提出基于多通道 S 参数构建随机森林模型来预测骨体积分数和骨折位置，设计九天线微波扫描系统获取数据，开发仿骨体模实验验证，结果表明此方法有效。

Comments 5 pages,6 figures,This is a summary report prepared by undergraduate students I supervised, formatted as a letter