Imperial College London（帝国理工学院）

Subgroup performance analysis of adaptation strategies for chest X-ray foundation models

胸部X射线基础模型适配策略的子组性能分析

Dhruv Gupta, Emma A.M. Stanley, Fabio De Sousa Ribeiro, Sujal Desai, Ben Glocker

机构 * Imperial College London（帝国理工学院） ； Royal Brompton Hospital（皇家布朗普顿医院） ； Causality in Healthcare AI Hub（医疗保健AI因果关系中心） ； National Heart & Lung Institute（国家心肺研究所） 纠错

AI总结 该研究针对胸部X射线基础模型，探究三种参数高效适配技术对病理分类性能与子组公平性的影响，发现整体性能提升未必减少子组差异，公平性影响需直接按任务评估

Comments Accepted at MICCAI Workshop on Fairness of AI in Medical Imaging (FAIMI) 2026

Frozen DINO Localizes Image Edits Without a Localizer

冻结的DINO无需定位器即可定位图像编辑

Zane Kumar, Vishal Jain, Bernhard Kainz

机构 * St Paul’s School London（圣保罗学校伦敦分校） ； Imperial College London（帝国理工学院） ； FAU（弗里德里希-亚历山大-埃尔兰根-纽伦堡大学） 纠错

AI总结 本文提出无需训练的TRAIL方法，利用冻结DINO的补丁标记漂移定位图像编辑，在CocoGlide等数据集上取得优于多数基准的定位性能，验证了后期层定位信号的有效性。

Comments 6 pages, 2 figures, 2 tables

SoftVTBench: A Deformation-Aware Visuo-Tactile Dataset and Benchmark for Deformable-Object Manipulation

SoftVTBench：面向可变形物体操作的形变感知视觉-触觉数据集与基准

Bowen Jing, Mingxin Wang, Ruiyang Hao, Chenchen Ge, Hanwen Shen, Junjie He, Yang Cui, Yiming Hou, Weitao Zhou, Jiawei Wang, Minglei Li, Dandan Zhang, Ding Zhao, Houde Liu, Xiaofan Li, Si Liu, Ping Luo, Haibao Yu

机构 * Tuojing Intelligence（拓境智能） ； Tsinghua University（清华大学） ； Southeast University（东南大学） ； Stevens Institute of Technology（斯蒂文斯理工学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Manchester（曼彻斯特大学） ； Simple AI ； Imperial College London（帝国理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究推出SoftVTBench视觉-触觉数据集与基准，定义形变感知成功率（DSR），发现触觉信息本身未必提升多模态融合，为可变形物体操作的物理交互研究提供资源。