University of Edinburgh（爱丁堡大学）

Why Do Vision Language Models Struggle To Recognize Human Emotions?

为什么视觉语言模型难以识别人类情绪？

Madhav Agarwal, Sotirios A. Tsaftaris, Laura Sevilla-Lara, Steven McDonagh

机构 * The University of Edinburgh, UK（爱丁堡大学） 纠错

AI总结 本文探讨视觉语言模型在识别人类情绪上的不足，指出面部表情识别任务的连续性和动态性导致模型存在连续性和时间信息处理的漏洞，提出改进采样策略和多阶段上下文增强方法以提升情绪识别能力。

Comments European Conference on Computer Vision (ECCV) 2026

Linear convergence of proximal descent schemes on the Wasserstein space

瓦瑟斯坦空间上近端下降格式的线性收敛性

Razvan-Andrei Lascu, Mateusz B. Majka, David Šiška, Łukasz Szpruch

机构 * Center for Advanced Intelligence Project, RIKEN, Tokyo, Japan（日本东京RIKEN先进智能研究中心） ； School of Mathematical and Computer Sciences, Heriot-Watt University, Edinburgh, UK（赫瑞-瓦特大学数学与计算机科学学院） ； Maxwell Institute for Mathematical Sciences, Edinburgh, UK（爱丁堡数学科学麦克斯韦研究所） ； School of Mathematics, University of Edinburgh, UK（爱丁堡大学数学学院） ； School of Mathematics, University of Edinburgh, UK, The Alan Turing Institute, UK（爱丁堡大学数学学院、英国艾伦·图灵研究所） 纠错

AI总结 研究在瓦瑟斯坦空间优化熵正则化泛函的近端下降方法，利用平坦凸性假设、一致对数索伯列夫不等式和熵“三明治”引理，建立线性收敛性，避免对演化变分不等式离散时间调整，证明相对费希尔信息定义良好。

Comments Accepted for publication in Annals of Applied Probability