Imperial College London（帝国理工学院）

EquiSteer: Cross-Attention Steering Towards a Fairer Text-Guided Image Generation

EquiSteer: 面向更公平的文本引导图像生成的交叉注意力引导

Tatiana Gaintseva, Akshit Achara, Gregory Slabaugh, Jiankang Deng, Ismail Elezi

机构 * Queen Mary University of London（伦敦玛丽女王大学） ； Huawei Noah’s Ark（华为诺亚方舟实验室） ； King’s College London（伦敦国王学院） ； Imperial College London（帝国理工学院） 纠错

AI总结 提出EquiSteer，一种无需训练的方法，通过在推理时引导交叉注意力激活来减少文本到图像扩散模型中的性别偏见，平均减少高达87%的性别差异。

When Context Compensates for Sparse Event History: AlphaEarth for Spatio-Temporal Point-Process Forecasting

当上下文弥补稀疏事件历史：AlphaEarth用于时空点过程预测

Yahya Aalaila, Mouad Elhamdi, Gerrit Großmann, Daniel Jenson, Elizaveta Semenova, Sebastian Vollmer

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Université Mohammed VI Polytechnique（穆罕默德六世理工大学） ； University of Oxford（牛津大学） ； Imperial College London（帝国理工学院） ； Rhineland-Palatinate Technical University of Kaiserslautern-Landau (RPTU)（莱茵兰-普法尔茨凯泽斯劳滕-兰道工业大学） 纠错

AI总结 研究利用AlphaEarth嵌入作为空间上下文，在事件历史稀疏时提升时空点过程模型的跨区域预测性能，实验表明在短历史下预测误差降低2-6倍。

Synergistic Perception-Reasoning Governance: Grounding Medical MLLMs with Verifiable Anatomical Evidence

协同感知-推理治理：用可验证解剖证据为医学多模态大语言模型提供基础

Rui Hao, Qiankun Li, Junyuan Mao, Linghao Meng, Dirui Xie, Dayu Tan, Zhigang Zeng

机构 * Huazhong University of Science and Technology（华中科技大学） ； Imperial Global Singapore, Imperial College London（帝国理工学院新加坡全球中心） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Anhui University（安徽大学） 纠错

AI总结 提出一种无需训练的证据注入框架，通过ROI引导的视觉激活调制和解剖坐标语义标记，协同校准视觉感知与文本推理，动态路由任务特定干预，有效减少医学MLLM的幻觉。

Comments Accepted by MICCAI 2026 (Early Accept, Top 9%)

Joint Medical Image Enhancement and Segmentation with Diffusion-based Symbiotic Information Interaction

基于扩散的共生信息交互的联合医学图像增强与分割

Ying Chen, Jinyue Li, Qiankun Li

机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Imperial Global Singapore, Imperial College London（伦敦帝国学院新加坡分校） 纠错

AI总结 提出DiSIINet，利用扩散模型和共生信息交互模块，在统一框架中实现图像增强与分割的相互促进，在多模态医学图像上取得显著性能提升。

Comments Accepted by IJCAI 2026