Imperial College London（帝国理工学院）

Is Natural Always Appropriate? Investigating Naturalness and Appropriateness Across Different Domains for TTS Evaluation

自然是否总是合适的？探讨TTS评估中不同领域的自然性与合适性

Dominika Woszczyk, Andreas Triantafyllopoulos, Jura Miniota, Éva Székely, Bjoern Schuller

机构 * Iconic, United Kingdom（Iconic，英国） ； Technische Universität München, Germany（慕尼黑工业大学，德国） ； KTH Royal Institute of Technology, Sweden（瑞典皇家理工学院，瑞典） ； Imperial College London, United Kingdom（伦敦帝国理工学院，英国） 纠错

AI总结 研究五个SOTA TTS系统在五个领域的合适性与自然性，发现合适性随领域变化且独立于自然性，表明TTS性能未解决，需上下文感知评估。

Comments Accepted at Interspeech 26'

Distortion-Corrected Diffusion MRI Using Rotated-View EPI and Joint Field-Map/Image Estimation with Gaussian Primitives

使用旋转视图EPI和高斯原型的联合场图/图像估计的畸变校正扩散MRI

Wenqi Huang, Zhitao Li, Nan Wang, Yimeng Lin, Mengze Gao, Yurui Qian, Sevgi Gokce Kafali, Xiaozhi Cao, Kawin Setsompop, Daniel Rueckert, Congyu Liao

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital, and the School of Computation, Information and Technology, TUM（慕尼黑工业大学(TUM)医疗与医学人工智能教席、TUM大学医院、计算信息与技术学院） ； Neuroimaging Technology Research Center, Department of Radiology and Biomedical Imaging, University of California, San Francisco（加州大学旧金山分校放射与生物医学影像系神经影像技术研究中心） ； Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences（中国科学院精密测量科学与技术创新研究院） ； Department of Radiology, Stanford University（斯坦福大学放射学系） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心(MCML)） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

AI总结 提出一种物理信息框架，直接从k空间联合估计B0场和无畸变图像，避免中间并行成像重建，通过高斯原型的连续参数化表示图像和场，支持旋转视图EPI，在高b值和高加速下显著改善畸变校正质量。

A Tutorial on Autonomous Fault-Tolerant Control Using Knowledge-Grounded LLM Agents

基于知识接地LLM代理的自主容错控制教程

Javal Vyas, Milapji Singh Gill, Artan Markaj, Felix Gehlhoff, Mehmet Mercangöz

机构 * Autonomous Industrial Systems Laboratory, Imperial College London（帝国理工学院自主工业系统实验室） ； Institute of Automation Technology, Helmut Schmidt University（赫尔穆特·施密特大学自动化技术研究所） 纠错

AI总结 提出利用LLM代理作为约束监督规划器，通过外部验证器确保安全，辅助过程工厂故障恢复决策，并提供了可执行的Python环境。

Automating Cause-Effect Specification with Knowledge Graphs and Large Language Models

利用知识图谱和大语言模型自动化因果规范生成

Javal Vyas, Milapji Singh Gill, Mehmet Mercangöz

机构 * Autonomous Industrial Systems Lab, Imperial College London（帝国理工学院自主工业系统实验室） 纠错

AI总结 提出一种语义AI框架，结合知识图谱与约束大语言模型，自动生成因果逻辑和操作安全叙述，减少手动工作。