Imperial College London（帝国理工学院）

From Data Statistics to Feature Geometry: How Correlations Shape Superposition

从数据统计到特征几何：相关性如何塑造叠加

Lucas Prieto, Edward Stevinson, Melih Barsbey, Tolga Birdal, Pedro A. M. Mediano

机构 * Imperial College London（帝国理工学院伦敦分校） 纠错

AI总结 通过Bag-of-Words Superposition研究特征相关性对叠加的影响，揭示现实数据中叠加可产生建设性干扰和语义聚类。

No Image, No Problem: End-to-End Multi-Task Cardiac Analysis from Undersampled k-Space

无图像，无问题：端到端多任务心脏分析从欠采样k空间

Yundi Zhang, Sevgi Gokce Kafali, Niklas Bubeck, Daniel Rueckert, Jiazhen Pan

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital（人工智能在医疗与医学中的研究中心，慕尼黑技术大学（TUM）及慕尼黑大学医院） ； Department of Computing, Imperial College London（计算系，伦敦帝国学院） ； Munich Center for Machine Learning, Technical University of Munich（慕尼黑机器学习中心，慕尼黑技术大学） 纠错

AI总结 k-MTR通过直接从欠采样k空间中提取多任务特征，实现了端到端的心脏MRI多任务分析，提升诊断性能。

CycleULM: A unified label-free deep learning framework for ultrasound localisation microscopy

CycleULM：一种用于超声定位显微镜的无标签深度学习框架

Su Yan, Clara Rodrigo Gonzalez, Vincent C. H. Leung, Herman Verinaz-Jadan, Jiakang Chen, Matthieu Toulemonde, Kai Riemer, Jipeng Yan, Clotilde Vié, Qingyuan Tan, Peter D. Weinberg, Pier Luigi Dragotti, Kevin G. Murphy, Meng-Xing Tang

机构 * Department of Bioengineering, Faculty of Engineering, Imperial College London（生物工程系，工程学院，帝国理工学院伦敦分校） ； Department of Electrical and Electronic Engineering, Faculty of Engineering, Imperial College London（电气与电子工程系，工程学院，帝国理工学院伦敦分校） ； Faculty of Electrical and Computer Engineering, Escuela Superior Politécnica del Litoral (ESPOL)（电气与计算机工程学院，ESPOL高级理工大学） 纠错

AI总结 CycleULM通过无标签深度学习提升超声定位显微镜的性能和效率，实现实时处理与高精度血管重建。

Comments 43 pages, 14 figures, 2 tables, journal

EmoSURA: Towards Accurate Evaluation of Detailed and Long-Context Emotional Speech Captions

EmoSURA：迈向精确评估详细且长上下文情感语音字幕

Xin Jing, Andreas Triantafyllopoulos, Jiadong Wang, Shahin Amiriparian, Jun Luo, Björn Schuller

机构 * CHI – Chair of Health Informatics, TUM University Hospital, Munich, Germany（慕尼黑大学医院健康信息学系） ； MCML - Munich Center for Machine Learning, Munich, Germany（慕尼黑机器学习中心） ； Huawei, Netherlands（荷兰华为） ； GLAM, Imperial College London, UK（伦敦帝国理工学院GLAM研究中心） 纠错

AI总结 EmoSURA通过原子验证机制和SURABench基准，提供更可靠的长上下文情感语音字幕评估方法

Comments Submitted to Interspeech 2026

TopoOR: A Unified Topological Scene Representation for the Operating Room

TopoOR: 一种用于手术室的统一拓扑场景表示

Tony Danjun Wang, Ka Young Kim, Tolga Birdal, Nassir Navab, Lennart Bastian

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Imperial College London（伦敦帝国理工学院） ； Kyung Hee University（韩国庆熙大学） 纠错

AI总结 TopoOR通过更高阶拓扑结构建模手术室的多模态特性，提升场景表达能力，优于传统图和LLM基线。

SEA-Nav: Efficient Policy Learning for Safe and Agile Quadruped Navigation in Cluttered Environments

SEA-Nav: 高效安全敏捷四足机器人在密集环境中导航的策略学习

Shiyi Chen, Mingye Yang, Haiyan Mao, Jiaqi Zhang, Haiyi Liu, Shuheng He, Debing Zhang, Zihao Qiu, Chun Zhang

机构 * Tsinghua University（清华大学） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 SEA-Nav通过安全、高效和敏捷的强化学习框架，实现了在密集环境中四足机器人导航的高效训练，仅需分钟级训练时间。

Comments Project website: https://11chens.github.io/sea-nav/

Overcoming Representation Bias in Fairness-Aware data Repair using Optimal Transport

利用最优传输克服公平性感知数据修复中的表示偏差

Abigail Langbridge, Anthony Quinn, Robert Shorten

机构 * Dyson School of Design Engineering, Imperial College London（帝国理工学院伦敦分校设计工程学院） ； Department of Electronic and Electrical Engineering, Trinity College Dublin（都柏林信任学院电子与电气工程系） 纠错

AI总结 本文提出了一种基于贝叶斯非参数停止规则的方法，用于克服公平性感知数据修复中的表示偏差问题，通过优化传输操作符修复存档数据。