BayesAME: Bayesian Active Model Evaluation
BayesAME：贝叶斯主动模型评估
机构 * Imperial College London（帝国理工学院） ； Google DeepMind（谷歌DeepMind）
AI总结 BayesAME是一种序列贝叶斯框架，可自动确定核心集大小以高效评估大型生成模型，其性能优于现有方法，且证实非随机核心集选择及连续响应对数似然的优势。
高校专区
Imperial College London（帝国理工学院）
Dense Soft Weighting for Radar Ego-Velocity Estimation
用于雷达自速度估计的密集软加权方法
机构 * Imperial College London（帝国理工学院）
AI总结 针对视觉退化环境中雷达自速度估计的传统CFAR方法易丢失有效线索的问题，提出密集软加权雷达前端，结合鲁棒加权最小二乘估计自速度，在多数据集上显著降低位姿误差且可实时运行。
Comments Submitted to
Caption-Matching: A Multimodal Approach for Cross-Domain Image Retrieval
图像跨域检索：一种多模态方法
机构 * Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院电气与电子工程系）
AI总结 本文提出Caption-Matching方法，利用预训练视觉语言模型生成的图像描述作为中间表示，实现跨域图像检索，无需标注数据或进一步训练，在Office-Home和DomainNet上取得显著提升。
Fake & Square: Training Self-Supervised Vision Transformers with Synthetic Data and Synthetic Hard Negatives
机构 * Imperial College London（伦敦帝国学院）
Comments ICCV 2025 Workshop LIMIT
Unsupervised Training of Vision Transformers with Synthetic Negatives
机构 * Imperial College London（伦敦帝国学院）
Comments CVPR 2025 Workshop VisCon
Relational Representation Distillation
机构 * Imperial College London（伦敦帝国学院）
Comments Preprint. Code: https://github.com/giakoumoglou/distillers, Supplementary: https://giakoumoglou.com/src/rrd_suppl.pdf
