Imperial College London（帝国理工学院）

AdamFlow: Adam-based Wasserstein Gradient Flows for Surface Registration in Medical Imaging

AdamFlow: 基于Adam的Wasserstein梯度流用于医学影像中的表面配准

Qiang Ma, Qingjie Meng, Xin Hu, Yicheng Wu, Wenjia Bai

机构 * Department of Brain Sciences, Imperial College London（帝国理工学院脑科学系） ； Department of Computing, Imperial College London（帝国理工学院计算系） ； School of Computer Science, University of Birmingham（伯明翰大学计算机科学学院） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Data Science Institute, Imperial College London（帝国理工学院数据科学研究所） 纠错

AI总结 本文提出AdamFlow方法，将表面网格视为概率测度，利用高效 sliced Wasserstein 距离实现表面配准，理论分析其收敛性并在不同解剖结构上展示了优越性能。

Cross-Modal Visuo-Tactile Object Perception

跨模态视觉-触觉物体感知

Anirvan Dutta, Simone Tasciotti, Claudia Cusseddu, Ang Li, Panayiota Poirazi, Julijana Gjorgjieva, Etienne Burdet, Patrick van der Smagt, Mohsen Kaboli

机构 * BMW Group AG（宝马集团） ； Imperial College of Science, Technology and Medicine（帝国理工学院） ； University of Crete（克里特大学） ； Institute of Molecular Biology and Biotechnology, Foundation for Research and Technology-Hellas（分子生物学与生物技术研究所，研究与技术基金会-希腊） ； Technical University of Munich（慕尼黑工业大学） ； Eötvös Loránd University（罗兰大学） ； Foundation Robotics Labs（基础机器人实验室） ； Eindhoven University of Technology（埃因霍温理工大学） 纠错

AI总结 本文提出跨模态潜在滤波器(CMLF)，通过贝叶斯推断实现视觉与触觉信息的双向传递，提升机器人在不确定性下的物理属性估计效率与鲁棒性，同时展现类人感知耦合现象。

Comments 23 pages, 8 figures, 1 table. Submitted for review to journal

Non-Rigid 3D Shape Correspondences: From Foundations to Open Challenges and Opportunities

非刚性3D形状对应：从基础到开放挑战与机遇

Aleksei Zhuravlev, Lennart Bastian, Dongliang Cao, Nafie El Amrani, Paul Roetzer, Viktoria Ehm, Riccardo Marin, Hiroki Nishizawa, Shigeo Morishima, Christian Theobalt, Nassir Navab, Daniel Cremers, Florian Bernard, Zorah Lähner, Vladislav Golyanik

机构 * MPI for Informatics（马克斯·普朗克信息学研究所） ； University of Bonn（波恩大学） ； Lamarr Institute（拉马尔研究所） ； Waseda University（早稻田大学） ； Waseda Research Institute for Science and Engineering（早稻田大学理工学研究所） ； Imperial College London（帝国理工学院） ； Technical University of Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

AI总结 本文探讨了非刚性3D形状对应问题，分析了三种主要方法：谱方法、组合方法和基于变形的方法，并讨论了各自优缺点及最新发展，最后总结了该领域的挑战与机遇。

Comments 35 pages and 15 figures; Eurographics 2026 STAR; Project page: https://nonrigid-shape-correspondences.github.io