高校专区
SIGMA：一种基于物理的气体烟囱理解在地震图像中的基准数据集
机构 * FPT Software AI Center（FPT软件AI中心） ； Imperial College London（伦敦帝国理工学院） ； University of Arkansas（阿肯色大学） ； University of South Brittany（南布列塔尼大学） ； University of Liverpool（利物浦大学）
AI总结 本文提出SIGMA数据集，用于地震图像中气体烟囱的理解，通过像素级掩膜和退化与真实图像配对，提升检测与增强能力，验证了其在气体烟囱解释中的挑战性。
Comments Accepted at The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026
FG-Portrait: 基于3D流的可编辑肖像动画
机构 * National University of Singapore（新加坡国立大学） ； University of Warwick（沃里克大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学）
AI总结 本文提出FG-Portrait，通过3D流引导的方法实现高质量的肖像动画生成，结合3D几何信息和扩散模型，提升驱动运动与源肖像的对应精度，并支持用户对表情和头部姿态的编辑。
Comments CVPR 2026
基于对比度度量学习的点云分割方法用于高粒度探测器
机构 * Blackett Laboratory, Imperial College London, UK（帝国理工学院伦敦学院布莱克特实验室） ； Brown Center for Theoretical Physics and Innovation (BCTPI), Brown University, USA（布朗大学理论物理与创新中心）
AI总结 本文提出基于监督对比度度量学习的点云分割方法，通过学习潜在表示实现点云分割，相比传统方法更稳定且分离度更高，提升重建效率和纯度。
HGNet：可扩展的基础模型用于从科学文献自动生成知识图谱
机构 * BASIRA Lab, Imperial-X (I-X) and Department of Computing（BASIRA实验室、Imperial-X（I-X）和计算系） ； Imperial College London, London, United Kingdom（伦敦帝国理工学院，伦敦，英国）
AI总结 本文提出HGNet框架，通过两阶段方法实现零样本科学知识图谱构建，引入OSD和TCQK机制提升实体识别与关系提取，结合可微分层次损失和CAF损失确保全局一致性，提升NER和RE性能。
颜色何时重要：灰度引导的在线触发用于始终开启的流视频感知
机构 * Queen Mary University of London（伦敦皇后玛丽大学） ； Independent Researcher（独立研究者） ； Durham University（杜伦大学） ； Imperial College London（伦敦帝国学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 本文提出灰度引导的在线触发方法，通过减少颜色捕获频率，在资源受限设备上实现高效流视频感知，实验显示其在保持性能的同时显著降低能耗。
Comments Accepted at CVPR 2026 (Main track)
反事实可识别性 via 动态最优传输
机构 * Imperial College London（帝国理工学院伦敦分校）
AI总结 本文提出通过连续时间流进行多变量反事实识别，利用动态最优传输工具建立反事实运输映射，确保一致推断，并在受控场景中验证理论，提升反事实声学的鲁棒性。
Comments Accepted at NeurIPS 2025
从噪声标签到内在结构：一种几何-结构双引导框架用于抗噪声医学图像分割
机构 * College of physics ； information engineering, Fuzhou University, Xueyuan Road No.2, Fuzhou, 350108, China ； Bioengineering Department ； Imperial-X, Imperial College London, London W12 7SL, UK ； Lung Institute, Imperial College London, London SW7 2AZ, UK ； Cardiovascular Research Centre, Royal Brompton Hospital, London SW3 6NP, UK ； School of Biomedical Engineering \& Imaging Sciences, King's College London, London WC2R 2LS, UK ； Faculty of Applied Science, Macao Polytechnic University, Macao Special Administrative Region of China
AI总结 本文提出GSD-Net框架，通过整合几何和结构线索提升抗噪声能力，实验表明在噪声标注下性能优越，特别是在Kvasir、Shenzhen等数据集上提升显著。
evoxels：一种可微物理框架用于基于体素的微观结构模拟
机构 * Imperial College London（帝国理工学院伦敦分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
AI总结 本文提出evoxels框架，结合体素化方法、物理模拟和机器学习，实现微观结构的逆向设计与优化。
Comments 9 pages, 3 figures, structure following JOSS style
从粗到连续：用于运动鲁棒各向异性MRI重建的渐进细化隐式神经表示
机构 * Department of Bioengineering and Imperial-X, Imperial College London（生物工程系和Imperial-X，帝国理工学院伦敦分校） ； Department of Bioengineering, Imperial College London（生物工程系，帝国理工学院伦敦分校）
AI总结 本文提出PR-INR框架，通过运动感知扩散模块、隐式细节恢复模块和体素连续感知表示模块，解决MRI重建中的运动、结构和各向异性问题，提升重建质量和鲁棒性。
面向安全关键的野火疏散制图的符合性风险控制：表格、空间和图基模型的比较研究
机构 * Imperial College London（帝国理工学院伦敦校区）
AI总结 本文提出首个应用符合性风险控制（CRC）于野火扩散预测，提供有限样本保证的FNR≤0.05，证明模型架构决定疏散效率，CRC决定安全，空间模型比LightGBM效率高4.2倍，图模型无显著效率提升。
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