高校专区
基于高增益观测器融合的支气管镜导航几何感知视觉里程计
机构 * School of Informatics, University of Edinburgh, UK（爱丁堡大学信息学院，英国）
AI总结 针对支气管镜视觉导航在纹理缺失气道中易漂移失效的问题，提出融合气道消失点线索与高增益观测器的几何感知VO，大幅降低轨迹误差，性能优于现有主流方案。
KinEMbed：通过跨模态对比学习从肌电图中解码运动学
机构 * Department of Statistics, University of Oxford（牛津大学统计学系） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
AI总结 研究从表面肌电图解码手部运动学这一挑战，提出跨模态对比学习框架KinEMbed训练双编码器，用于手部运动学回归，在NinaPro DB8数据集上优于基线方法。
Comments ICML 2026 Workshop on Structured Data for Health, Seoul, South Korea
EgoInertia-MI：用于运动障碍评估的多模态自我中心视觉与惯性测量单元基准测试
机构 * University of Florence（佛罗伦萨大学） ； Meta Reality Labs（元现实实验室） ； University of Edinburgh（爱丁堡大学）
AI总结 研究针对运动障碍评估，结合自我中心视觉与惯性测量单元信号创建EgoInertia-MI数据集，设动作识别等任务并评估基线，发现多模态融合性能最佳，凸显两者结合用于运动评估的潜力。
BAT3R：从二维图像集合中自训练关节式三维重建
机构 * University of Edinburgh（爱丁堡大学）
AI总结 研究从单张图像进行关节物体3D重建，利用未标注2D图像集和单个绑定规范网格，提出训练框架，通过拟合网格到预测点图迭代估计关节和相机姿态，提升模型性能。
Comments Accepted to ECCV 2026. Project page: https://jakubzadrozny.github.io/bat3r/
个性化因果追索：一种人在回路中的方法
机构 * The University of Edinburgh（爱丁堡大学） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） ； University of Pavia（帕维亚大学）
AI总结 研究人在回路框架，通过贝叶斯推理的交互式查询迭代逼近用户结构因果模型，克服传统追索方法局限，实现个性化、合理且具成本效益的追索推荐，模拟验证有成效但仍有挑战。
Comments Accepted at the 4th World Conference on eXplainable Artificial Intelligence (XAI 2026)
从原始分割到适用于模拟的心脏网格：用于解剖重建和虚拟队列生成的自动化框架
机构 * Gran Sasso Science Institute (GSSI)（大萨索科学研究所） ； European Hospital（欧洲医院） ； University of Edinburgh（爱丁堡大学） ； Physics of Fluids Group, University of Twente（特温特大学流体物理小组） ； INFN–Laboratori Nazionali del Gran Sasso（意大利国家核物理研究所大萨索国家实验室）
AI总结 该研究提出半自动管道，将基于CT的分割转化为适用于模拟的心脏网格。利用深度学习分割方法，经模板配准和变形策略，几分钟内完成转化，保留解剖和拓扑一致性，可构建心脏统计形状模型。
熵正则化提高连续时间强化学习中的策略鲁棒性
机构 * University of Edinburgh（爱丁堡大学） ； J.P. Morgan AI Research（摩根大通人工智能研究） ； Imperial College London（伦敦帝国理工学院）
AI总结 研究连续时间强化学习中熵正则化的策略鲁棒性，建立相关理论保证，分析鲁棒集特性，实验验证其有效性。
噪声量子硬件的路由匿名性与可识别性
机构 * Centre for Quantum Information and Foundations, DAMTP, University of Cambridge（量子信息与基础研究中心，DAMTP，剑桥大学） ； Quantum Software Lab, School of Informatics, University of Edinburgh（量子软件实验室，信息学院，爱丁堡大学）
AI总结 研究噪声量子硬件中后端可识别性及隐私问题，通过引入后端可识别性博弈形式化路由匿名性，证明相关问题是假设检验问题，建立效用-匿名权衡及深度原则，并辅以实验验证。
Comments 22+30 pages, 6 figures
检索头能看见图像吗？长上下文视觉语言模型中的多模态检索头
机构 * HKUST（香港科技大学） ； University of Edinburgh（爱丁堡大学） ； CUHK（香港中文大学） ； NVAITC, NVIDIA, Santa Clara, USA（NVIDIA Santa Clara 分公司） ； Tsinghua University（清华大学）
AI总结 本文提出一种多模态检索头检测方法，发现视觉语言模型中仅有4.4-10.2%的注意力头贡献了50%的正检索分数，这些头对长上下文推理至关重要，且可直接用于文档检索提升性能。
Comments Work in Progress
一种高效的昆虫启发式方法用于视觉点目标导航
机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
AI总结 本文提出了一种基于昆虫大脑结构的新型视觉点目标导航模型，通过模拟昆虫的联想学习和路径整合能力，实现高效导航。
Comments This work has been submitted for possible publication
多边际流匹配与对抗性学习插值
机构 * KTH（皇家理工学院） ； University of Edinburgh（爱丁堡大学） ； CIFAR Fellow
AI总结 本文提出了一种新的流匹配方法ALI-CFM，通过GAN启发的对抗损失拟合神经参数化插值曲线，以逼近中间时间点的观测分布，从而提升多边际轨迹推断的性能。
Journal ref International Conference on Learning Representations (ICLR) 2026
数据到能量的随机动力学
机构 * University of Edinburgh（爱丁堡大学） ； CIFAR Fellow（蒙特利尔认知研究院研究员）
AI总结 本文提出了一种数据到能量的IPF方法，用于建模Schrödinger桥问题，无需数据样本即可学习多模态分布之间的传输，并改进了扩散系数的学习。
Journal ref International Conference on Learning Representations (ICLR) 2026
OpenSIR: 开放式自我改进推理器
机构 * University of Edinburgh（爱丁堡大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 提出OpenSIR框架，通过多样性奖励和难度校准实现开放式自我对弈，无需外部验证器或标注数据，在七个数学基准上平均提升指令模型3.6分、推理模型3.1分，且唯一能泛化到通用推理。
神经符号弱监督：理论与语义
机构 * School of Informatics, University of Edinburgh（信息学院，爱丁堡大学）
AI总结 研究多实例部分标签学习中神经符号框架语义，通过集成归纳逻辑编程用关系约束构建该框架，定义标签转换假设空间等，研究两项归纳任务，便于约束规范等。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈