高校专区
可信的Koopman算子学习：不变性诊断与误差界
机构 * Centre for Mathematical Sciences, University of Cambridge, UK（剑桥大学数学科学中心，英国） ； Department of Mathematics, Imperial College London, UK（伦敦帝国理工学院数学系，英国） ； Department of Mechanical Engineering, University of Washington, USA（美国华盛顿大学机械工程系）
AI总结 本文提出了一种统一的后验方法，用于验证Koopman近似的可信度并改进其性能，通过主角度分解和多步误差界，提供可靠的谱分析和预测保障。
基于Voronoi的二级描述符与白化度量在激光雷达地点识别中的应用
机构 * Interdisciplinary Program in Neuroscience（神经科学跨学科项目） ； Département d’Informatique, École Normale Supérieure (ENS)（高等师范学院计算机系） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Dept. of Computer Science and Engineering, Seoul National University（首尔国立大学计算机科学与工程系）
AI总结 本文提出一种基于Voronoi的二级描述符方法，通过白化度量提升激光雷达地点识别的鲁棒性，实验表明其在Oxford Robotcar和Wild-Places数据集上性能优越。
Comments Accepted at ICRA 26
光子量子增强知识蒸馏
机构 * Department of Electrical and Electronic Engineering（电子与电气工程系） ； Imperial College London（帝国理工学院） ； Imperial Centre for Quantum Engineering, Science and Technology（帝国量子工程、科学与技术中心） ； Blackett Laboratory, Department of Physics（布莱克特实验室，物理系） ； Graduate Institute of Applied Physics（应用物理研究院） ； Brookhaven National Laboratory（布鲁赫斯国家实验室） ； Quantum Information Center（量子信息中心） ； Master Program in Intelligent Computing and Big Data（智能计算与大数据硕士项目） ； Chung Yuan Christian University ； JIJ
AI总结 本文提出PQKD框架，利用光子量子处理器生成随机信号指导学生网络蒸馏，通过字典卷积和光子特征提升压缩与准确率平衡。
BiTro：双向迁移学习增强癌症病理图像的批量和空间转录组预测
机构 * SWJTU-Leeds Joint School, Southwest Jiaotong University（西南交通大学-利兹联合学院） ； Yu-Yue Pathology Scientific Research Center, Jinfeng Laboratory（宇岳病理科学研究中心，锦峰实验室） ； Department of Epidemiology and Medical Statistics, West China School of Public Health and West China Fourth Hospital, Sichuan University（流行病学与医学统计学系，西京公共卫生学院及西京第四医院，四川大学） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（计算与人工智能学院，西南交通大学） ； Department of Epidemiology and Biostatistics, School of Public Health, Imperial College London（流行病学与生物统计学系，公共卫生学院，伦敦帝国学院）
AI总结 本文提出BiTro框架，通过双向迁移学习提升病理图像中批量和空间转录组预测的准确性，设计了适用于两种数据的通用模型，并利用LoRA实现跨数据集的高效迁移。
减轻医疗领域数据偏移的因果框架
机构 * Causality in Healthcare AI Hub (CHAI)（医疗人工智能AI hub（CHAI）） ； The University of Edinburgh（爱丁堡大学） ； University of Manchester（曼彻斯特大学） ； Athena Research Center（阿塔尼亚研究中心） ； NKU Athens（雅典NKU） ； King’s College London（伦敦国王学院） ； Imperial College London（伦敦帝国学院） ； University of Exeter（埃克塞特大学） ； University College London（伦敦大学学院）
AI总结 本文提出一种因果框架，用于设计预测模型以提高泛化能力，通过分析领域偏移的原因，提供更系统的策略应对偏移问题，推动临床相关AI解决方案的发展。
Comments 21 pages, 3 figures
机会性心脏健康评估：通过多模态表示从局部定位MRI估计表型
机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital（人工智能在医疗与健康中的研究所，慕尼黑技术大学（TUM）和TUM大学医院） ； Department of Diagnostic and Interventional Neuroradiology, School of Medicine, TUM University Hospital（诊断与介入神经放射科，医学院，TUM大学医院） ； Department of Computing, Imperial College London（计算学院，伦敦帝国学院） ； Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心（MCML），德国）
AI总结 本文提出C-TRIP框架，通过融合局部定位MRI、ECG和表格数据，利用低成本信息预测心脏表型，提升心脏健康评估的可及性。
PolyMon：一种聚合物性质预测的统一框架
机构 * Department of Chemistry, Molecular Sciences Research Hub, Imperial College London, White City Campus, Wood Lane, London, W12 0BZ, U.K.（化学系，分子科学研究中心，伦敦帝国理工学院，白城校区，Wood Lane，伦敦，W12 0BZ，英国）
AI总结 PolyMon框架整合多种聚合物表示方法和机器学习方法，通过系统评估不同表示和模型对预测性能的影响，为聚合物性质预测提供全面的基础。
EgoGrasp：从第一人称视频中估计世界空间手-物体交互
机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； Imperial College London（伦敦帝国学院） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 EgoGrasp提出了一种从动态第一人称视频中重建世界空间手-物体交互的方法，支持开放词汇物体，通过多阶段框架实现鲁棒的3D重建与姿态估计。
动态专家混合模型用于视觉自回归模型
机构 * University of Amsterdam（阿姆斯特丹大学） ； UvA-Bosch Delta Lab（UvA-博斯奇Delta实验室） ； Imperial College London（伦敦帝国学院）
AI总结 本文提出一种动态专家混合路由机制，用于改进视觉自回归模型，通过规模感知阈值策略在不额外训练的情况下提升效率和质量，实现20%的FLOPs减少和11%的推理加速。
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