Imperial College London（帝国理工学院）

Control Without Control: Defining Implicit Interaction Paradigms for Autonomous Assistive Robots

无需控制：为自主助行机器人定义隐式交互范式

Janavi Gupta, Kavya Puthuveetil, Dimitra Tsakona, Akhil Padmanabha, Yiannis Demiris, Zackory Erickson

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文探讨隐式控制范式，通过两个设计案例展示如何通过自然行为线索调整机器人行为，减少用户感知负荷并保持控制感，提出隐式交互设计指南。

Comments 8 pages, 2 figures

BINO: Encoder Centric Self Supervised Stereo With Native Pair Input

BINO：以编码器为中心的自监督立体视觉与原生对输入

Haokun Zhou

机构 * Imperial College London（伦敦帝国学院） 纠错

AI总结 BINO通过在输入阶段融合校正对，生成立体微细胞标记，并使用行感知的补丁相位位置编码，探索在紧凑编码器中学习强立体结构的可能性，在低资源条件下表现优异。

Onboard MuJoCo-based Model Predictive Control for Shipboard Crane with Double-Pendulum Sway Suppression

基于MuJoCo的船用起重机双摆摆动抑制模型预测控制

Oscar Pang, Lisa Coiffard, Paul Templier, Luke Beddow, Kamil Dreczkowski, Antoine Cully

机构 * Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出基于MuJoCo MPC框架的实时控制方案，通过交叉熵方法规划器在物理模拟器中直接评估候选动作序列，有效解决双摆摆动抑制问题，优于传统PID和RL方法。

Comments 8 pages, 5 figures

vGamba: Attentive State Space Bottleneck for efficient Long-range Dependencies in Visual Recognition

vGamba：用于视觉识别中高效长程依赖的注意力状态空间瓶颈

Yunusa Haruna, Adamu Lawan, Shamsuddeen Hassan Muhammad, Jiaquan Zhang, Chaoning Zhang

机构 * NewraLab ； Beihang University（北京航空航天大学） ； Beijing GoerTek Alpha Labs（北京歌尔泰克阿尔法实验室） ； Imperial College London（伦敦帝国学院） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

AI总结 vGamba通过引入轻量级状态空间模块替代传统瓶颈卷积，有效建模长程依赖，实现更高的计算和内存效率，适用于高分辨率视觉任务。

TimeFlow: Temporal Conditioning for Longitudinal Brain MRI Registration and Aging Analysis

TimeFlow：用于纵向脑MRI配准和衰老分析的时间条件

Bailiang Jian, Jiazhen Pan, Yitong Li, Fabian Bongratz, Ruochen Li, Daniel Rueckert, Benedikt Wiestler, Christian Wachinger

机构 * Technical University of Munich, TUM University Hospital（慕尼黑工业大学，慕尼黑工业大学附属医院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 TimeFlow通过时间条件学习框架实现纵向脑MRI配准与衰老分析，利用两个扫描数据预测未来脑状态，无需密集采样数据，提升预测精度与连续性。

Journal ref IEEE Transactions on Medical Imaging 2026

Do You See What I Am Pointing At? Gesture-Based Egocentric Video Question Answering

你看到我指向的是什么？基于手势的 egocentric 视频问答

Yura Choi, Roy Miles, Rolandos Alexandros Potamias, Ismail Elezi, Jiankang Deng, Stefanos Zafeiriou

机构 * Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出 EgoPointVQA 数据集和基准，结合 Hand Intent Tokens 提升手势引导的 egocentric 问答性能，HINT-14B 在多个任务上超越现有最佳模型。

Comments Accepted to CVPR 2026

ShortcutBreaker: Low-Rank Noisy Bottleneck and Frequency Filtering Block for Multi-Class Unsupervised Anomaly Detection

ShortcutBreaker: 多类无监督异常检测中的低秩噪声瓶颈与频率滤波块

Peng Tang, Xiaobin Hu, Tingcheng Li, Yang Nan, Tobias Lasser, Hongwei Bran Li

机构 * imperial college London（伦敦帝国学院） ； Suzhou University of Science and Technology（苏州科技大学） 纠错

AI总结 本文提出ShortcutBreaker框架，通过低秩噪声瓶颈和全局扰动注意力解决多类无监督异常检测中的身份捷径问题，实验表明其在四个数据集上均取得优异的AUROC性能。

Comments Under Review

Training Latent Diffusion Models with Interacting Particle Algorithms

用相互作用粒子算法训练潜在扩散模型

Tim Y. J. Wang, Juan Kuntz, O. Deniz Akyildiz

机构 * Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系） 纠错

AI总结 本文提出一种基于粒子的算法用于端到端训练潜在扩散模型，通过最小化自由能泛函并利用相互作用粒子系统实现梯度流，理论分析证明其有效性，并在实验中优于传统粒子方法和变分推断。

Comments Camera Ready version for AISTATS 2026

Match Stereo Videos via Bidirectional Alignment

通过双向对齐匹配立体视频

Junpeng Jing, Ye Mao, Anlan Qiu, Krystian Mikolajczyk

机构 * Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电气与电子工程系） 纠错

AI总结 本文提出双向对齐机制和BiDAStereo框架，解决视频立体匹配中的时间不一致问题，并引入真实场景数据集提升预测质量，达到各基准测试的最先进水平。

Comments TPAMI 2026

Privacy-Preserving Iris Recognition: Performance Challenges and Outlook

隐私保护虹膜识别：性能挑战与展望

Christina Karakosta, Lian Alhedaithy, William J. Knottenbelt

机构 * Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

AI总结 本文探讨了基于FHE的隐私保护虹膜识别系统性能挑战，提出了一种符合ISO/IEC 24745标准的可扩展框架，通过Gabor滤波器提取特征并应用二进制掩码进行匹配，实验表明其准确性与明文方法相似，但计算开销高约12万倍。

Elucidating the Design Space of Flow Matching for Cellular Microscopy

阐明细胞显微镜中流匹配生成模型的设计空间

Charles Jones, Emmanuel Noutahi, Jason Hartford, Cian Eastwood

机构 * Imperial College London（帝国理工学院） ； Valence Labs ； University of Manchester（曼彻斯特大学） 纠错

AI总结 本文系统分析了细胞显微镜中流匹配模型的设计空间，发现许多流行技术不必要的，并提出简单稳定的训练方法，实现模型规模扩大和性能提升。

Autonomous Issue Resolver: Towards Zero-Touch Code Maintenance

自主问题解决者：迈向零接触代码维护

Aliaksei Kaliutau

机构 * Imperial College London（伦敦帝国理工学院） 纠错

AI总结 本文提出基于数据转换图的新型方法，通过数据状态节点和函数边的拓扑结构，解决传统代码属性图的控制流逻辑缺陷，实现数据完整性导航与控制流逻辑的统一，提升代码修复效率。

Comments 21 pages, 4 figures