Less Gaussians, Texture More: 4K Feed-Forward Textured Splatting
更少高斯，纹理更多：4K前馈纹理散射
机构 * HKU（香港大学） ； Apple（苹果公司）
AI总结 本文提出LGTM方法，通过预测紧凑高斯体与每体纹理，实现高分辨率4K视图合成，无需场景优化，显著减少高斯体数量。
高校专区
The University of Hong Kong（香港大学）
DeepFAN, a transformer-based deep learning model for human-artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multi-reader, multi-case trial
DeepFAN，一种基于transformer的深度学习模型，用于人类-人工智能协作评估CT扫描中的偶发性肺结节：多读者、多病例试验
机构 * Department of Radiology, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院北京协和医院放射科，疑难重症及罕见病国家重点实验室） ； Theranostics and Translational Research Center, National Infrastructures for Translational Medicine, Institute of Clinical Medicine, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院北京协和医院临床医学研究所，国家转化医学基础设施，诊疗与转化研究中心，疑难重症及罕见病国家重点实验室） ； Artificial Intelligence Lab, Deepwise Healthcare（深睿医疗人工智能实验室） ； Department of Epidemiology and Health Statistics, Institute of Basic Medicine Sciences, Chinese Academy of Medical Sciences & Peking Union Medical College（中国医学科学院北京协和医学院基础医学研究所流行病学与卫生统计学系） ； Department of Biostatistics, Peking University First Hospital（北京大学第一医院生物统计室） ； Department of Radiology, Huangshi Central Hospital, Affiliated Hospital of Hubei Polytechnic University（湖北理工学院附属医院黄石市中心医院放射科） ； Department of Radiology, Wuhan Third Hospital, Tongren Hospital of Wuhan University（武汉大学同仁医院武汉市第三医院放射科） ； +4 Medical Doctor Program, Chinese Academy of Medical Sciences & Peking Union Medical College（中国医学科学院北京协和医学院4+4医学博士项目） ； Department of Medicine Imaging, School of Clinical Medicine, Southwest Medical University（西南医科大学临床医学院医学影像系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院）
AI总结 本文提出DeepFAN模型，通过多读者多病例试验验证其在辅助初级放射科医生评估肺结节方面的有效性，提升了诊断准确率和一致性。
Comments 28 pages for main text and 37 pages for supplementary information, 7 figures in main text and 9 figures in supplementary information
UNIC: Neural Garment Deformation Field for Real-time Clothed Character Animation
UNIC：基于神经变形场的神经服装变形用于实时穿衣角色动画
机构 * HKUST（香港科技大学） ； Waseda（早稻田大学） ； MIT（麻省理工学院） ； CMU（卡内基梅隆大学） ； HKU（香港大学） ； NTU（南洋理工大学） ； TAMU（德克萨斯农工大学）
AI总结 本文提出UNIC方法，通过实例特定的神经变形场实时动画角色服装，无需泛化到新服装，提升变形质量和训练效率。
Comments Project page: https://igl-hkust.github.io/UNIC/
AD-CARE: A Guideline-grounded, Modality-agnostic LLM Agent for Real-world Alzheimer's Disease Diagnosis with Multi-cohort Assessment, Fairness Analysis, and Reader Study
AD-CARE：一种基于指南、模态无关的LLM代理，用于多队列评估、公平性分析和读者研究的阿尔茨海默病诊断
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Xuanwu Hospital, Capital Medical University（首都医科大学宣武医院） ； Amazon（亚马逊） ； Zhejiang University（浙江大学） ； Sany AI（三一人工智能） ； Yantai Yuhuangding Hospital, Qingdao University（青岛大学烟台毓璜顶医院） ； The University of Hong Kong（香港大学） ； The Third Affiliated Hospital of Sun Yat-sen University（中山大学附属第三医院）
AI总结 AD-CARE通过整合临床指南和多模态数据，实现了多队列中84.9%的诊断准确率，显著提升诊断效率和公平性，适用于阿尔茨海默病的临床决策支持。
MACRO: Advancing Multi-Reference Image Generation with Structured Long-Context Data
MACRO：通过结构化长上下文数据推进多参考图像生成
机构 * HKU MMLab（香港大学多媒体实验室） ； Meituan（美团）
AI总结 本文提出MACRO数据集和基准，解决多参考图像生成中参考数量增加导致性能下降的问题，通过结构化长上下文数据提升生成质量。
Comments Project Page: https://macro400k.github.io/
From Evidence-Based Medicine to Knowledge Graph: Retrieval-Augmented Generation for Sports Rehabilitation and a Domain Benchmark
从循证医学到知识图谱：面向体育康复的检索增强生成及领域基准
机构 * Beijing Key Laboratory of Sports Performance and Skill Assessment, Beijing Sport University（北京体育大学北京市运动表现与技能评估重点实验室） ； Department of Exercise Physiology, School of Sport Science, Beijing Sport University（北京体育大学运动科学学院运动生理学教研室） ； School of Sport Medicine and Physical Therapy, Beijing Sport University（北京体育大学运动医学与康复学院） ； Rehabilitation Center, Beijing Rehabilitation Hospital（北京康复医院康复中心） ； Optum Care Washington ； School of Management, Beijing Sport University（北京体育大学管理学院） ； Department of Statistics and Actuarial Science, The University of Hong Kong（香港大学统计与精算学系）
AI总结 本文提出SR-RAG框架，结合PICO框架构建知识图谱并改进检索，引入贝叶斯证据层级重排序方法，通过体育康复验证，释放包含357844个节点和371226条边的知识图谱及1637个问答对基准，显著优于基线模型。
Comments 18 pages, 3 figures, 9 tables
Adaptive Online Mirror Descent for Tchebycheff Scalarization in Multi-Objective Learning
自适应在线镜像下降法用于多目标学习中的切比雪夫标量化
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Hong Kong（香港大学） ； City University of Hong Kong（城市大学）
AI总结 本文提出自适应在线镜像下降算法(AdaOMD-TCH)，用于多目标学习中的切比雪夫标量化，通过自适应在线到批量转换提升解的最优性，实现$\mathcal O(\sqrt{\log m/T})$收敛速度。
Comments TMLR 2026
