Georgia Institute of Technology（佐治亚理工学院）

An Open-Source, Open Data Approach to Activity Classification from Triaxial Accelerometry in an Ambulatory Setting

基于三轴加速计的日常活动分类的开源开放数据方法

Sepideh Nikookar, Edward Tian, Harrison Hoffman, Matthew Parks, J. Lucas McKay, Yashar Kiarashi, Tommy T. Thomas, Alex Hall, David W. Wright, Gari D. Clifford

机构 * Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出一种开源数据集和代码，用于通过50Hz三轴加速计区分患者活动级别和自然运动类型，实现高/低活动二分类和五类活动多分类，F1分数分别达到0.79和0.83。

Leave My Images Alone: Preventing Multi-Modal Large Language Models from Analyzing Images via Visual Prompt Injection

别让我看图片：通过视觉提示注入防止多模态大语言模型分析图片

Zedian Shao, Hongbin Liu, Yuepeng Hu, Neil Zhenqiang Gong

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Duke University（杜克大学） 纠错

AI总结 本文提出ImageProtector，通过在图像中嵌入精心设计的微小扰动，使多模态大语言模型在分析时产生拒绝响应，同时评估了三种潜在的防御措施，发现它们在降低ImageProtector效果的同时影响模型性能。

Comments Appeared in ACL 2026 main conference

Journal ref The 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)

Adaptive Simulation Experiment for LLM Policy Optimization

面向LLM策略优化的自适应模拟实验

Mingjie Hu, Siyang Gao, Jian-qiang Hu, Enlu Zhou

机构 * School of Management, Fudan University（复旦大学管理学院） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院H. Milton Stewart工业与系统工程系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） 纠错

AI总结 本文提出基于配对比较的自适应模拟实验框架，用于从有限候选策略中识别最优策略。通过无结构和有结构策略空间，推导最优采样比例并证明算法在统计保证下达到基本数据要求。

ShelfGaussian: Shelf-Supervised Open-Vocabulary Gaussian-based 3D Scene Understanding

ShelfGaussian：基于货架的开放词汇高斯3D场景理解

Lingjun Zhao, Yandong Luo, James Hays, Lu Gan

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 本文提出ShelfGaussian框架，利用货架监督学习方法，结合多模态高斯变换，提升3D场景理解的开放词汇能力，实验显示其在零样本语义占用预测中表现优异。

FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep Stage Classification

FetalSleepNet：一种基于频谱均衡域适应的迁移学习框架用于胎儿睡眠阶段分类

Weitao Tang, Johann Vargas-Calixto, Nasim Katebi, Nhi Tran, Sharmony B. Kelly, Gari D. Clifford, Robert Galinsky, Faezeh Marzbanrad

机构 * Department of Biomedical Informatics, Emory University（埃默里大学生物医学信息学系） ； Ritchie Centre, Hudson Institute of Medical Research（哈德逊医学研究所里奇中心） ； Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院生物医学工程系） ； Department of Obstetrics and Gynaecology, Monash University（莫纳什大学妇产科学系） ； Department of Electrical and Computer Systems Engineering, Monash University（莫纳什大学电气与计算机系统工程系） 纠错

AI总结 本文提出FetalSleepNet，首次利用深度学习对羊胎儿EEG进行睡眠阶段分类，通过迁移学习和频谱均衡域适应策略提升分类准确率，实现自动化睡眠阶段识别，为临床应用提供支持。

Comments 13 pages, 4 tables, 5 figures, submitted to IEEE Journal of Biomedical and Health Informatics

Journal ref IEEE Journal of Biomedical and Health Informatics (Early Access), 2026