高校专区
ShortcutBreaker: 多类无监督异常检测中的低秩噪声瓶颈与频率滤波块
机构 * imperial college London（伦敦帝国学院） ； Suzhou University of Science and Technology（苏州科技大学）
AI总结 本文提出ShortcutBreaker框架，通过低秩噪声瓶颈和全局扰动注意力解决多类无监督异常检测中的身份捷径问题，实验表明其在四个数据集上均取得优异的AUROC性能。
Comments Under Review
用相互作用粒子算法训练潜在扩散模型
机构 * Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系）
AI总结 本文提出一种基于粒子的算法用于端到端训练潜在扩散模型，通过最小化自由能泛函并利用相互作用粒子系统实现梯度流，理论分析证明其有效性，并在实验中优于传统粒子方法和变分推断。
Comments Camera Ready version for AISTATS 2026
通过双向对齐匹配立体视频
机构 * Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电气与电子工程系）
AI总结 本文提出双向对齐机制和BiDAStereo框架，解决视频立体匹配中的时间不一致问题，并引入真实场景数据集提升预测质量，达到各基准测试的最先进水平。
Comments TPAMI 2026
隐私保护虹膜识别：性能挑战与展望
机构 * Department of Computing, Imperial College London（伦敦帝国理工学院计算系）
AI总结 本文探讨了基于FHE的隐私保护虹膜识别系统性能挑战，提出了一种符合ISO/IEC 24745标准的可扩展框架，通过Gabor滤波器提取特征并应用二进制掩码进行匹配，实验表明其准确性与明文方法相似，但计算开销高约12万倍。
阐明细胞显微镜中流匹配生成模型的设计空间
机构 * Imperial College London（帝国理工学院） ； Valence Labs ； University of Manchester（曼彻斯特大学）
AI总结 本文系统分析了细胞显微镜中流匹配模型的设计空间，发现许多流行技术不必要的，并提出简单稳定的训练方法，实现模型规模扩大和性能提升。
自主问题解决者：迈向零接触代码维护
机构 * Imperial College London（伦敦帝国理工学院）
AI总结 本文提出基于数据转换图的新型方法，通过数据状态节点和函数边的拓扑结构，解决传统代码属性图的控制流逻辑缺陷，实现数据完整性导航与控制流逻辑的统一，提升代码修复效率。
Comments 21 pages, 4 figures
Interact2Ar：通过自回归扩散模型生成全身体态的人与人交互
机构 * Universidad de Alicante（阿利坎特大学） ； Universitat de Barcelona and Computer Vision Center（巴塞罗那大学与计算机视觉中心） ； Imperial College London（伦敦帝国理工学院）
AI总结 本文提出Interact2Ar，首个基于文本条件的自回归扩散模型，用于生成全身体态的人与人交互，通过专用并行分支实现详细手部运动，结合新颖的记忆技术提升适应性，支持多场景应用。
Comments Project Page: https://pabloruizponce.com/papers/Interact2Ar
基于不规则时间步的时空系统预测的掩码自编码器
机构 * University College London（伦敦大学学院） ； Imperial College London（帝国理工学院） ； University of Liverpool（利物浦大学） ； ENPC, EDF R&D, Institut Polytechnique de Paris（巴黎高科国立路桥学校，法国电力集团研发部，巴黎综合理工学院）
AI总结 本文提出了一种结合卷积自编码器和优化不规则时间序列的掩码自编码器，用于预测高维动态系统，提升了预测精度和计算效率。
Journal ref Physica D: Nonlinear Phenomena, 2026, 135189
分布与聚类近似作为概率抽象解释中的抽象域在神经网络分析中的应用
机构 * Department of Computing Imperial College London London, UK
AI总结 本文提出分布近似和聚类近似两种新方法，用于概率抽象解释框架中神经网络分析的抽象域，通过示例展示其理论应用和转换方法。
通过网格近似进行神经网络的概率抽象解释
机构 * Imperial College London（伦敦帝国理工学院）
AI总结 本文提出利用概率抽象解释理论分析神经网络输入密度分布，通过不同抽象域和伪逆运算探讨其在现实问题中的应用。
通过神经层面的Dropin与神经可塑性机制提升深度伪造音频检测的效率与性能
机构 * Imperial College London（伦敦帝国理工学院） ； Technical University of Munich（慕尼黑工业大学） ； University College London（伦敦大学学院）
AI总结 本文提出Dropin和神经可塑性算法，通过动态调整神经元数量提升模型参数灵活性，实验表明在ASVSpoof2019数据集上，Dropin方法在计算效率和错误率上取得显著提升。
Comments Accepted at IJCNN 2026
一种用于在障碍环境中高效导航移动机器人的MPC框架
机构 * Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所） ； Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系） ； ETH Zurich（苏黎世联邦理工学院） ； Automatic Control Laboratory, ETH Zurich（苏黎世联邦理工学院自动控制实验室）
AI总结 本文提出一种整合有限段最短路径规划器的MPC框架，用于在障碍环境中实现移动机器人高效导航，确保动态目标选择和碰撞避免。
Comments - Code available at: https://github.com/IntelligentControlSystems/ClutteredEnvironment - Supplementary video: https://youtu.be/Hn_hpAmGgq0
对比学习提升确定性和生成性模型用于天气数据
机构 * Imperial College London（帝国理工学院伦敦分校） ； The Grantham Institute for Climate Change（格兰塔姆气候变化研究所）
AI总结 本文研究对比学习在天气数据压缩中的应用，提出SPARTA模型，通过对比损失和图神经网络融合提升稀疏数据的嵌入质量，提升下游任务性能。
Sketch2Simulation: 通过多智能体大语言模型自动化流程图生成
机构 * Sargent Centre for Process Systems Engineering（塞格伦过程系统工程中心） ； Imperial College London（帝国理工学院伦敦分校） ； Department of Chemical Engineering（化学工程系） ； Brigham Young University（BYU（ Brigham Young University ））
AI总结 本文提出多智能体大语言模型系统，将流程图直接转化为可执行的Aspen HYSYS流程图，解决流程系统工程中流程草图转模拟模型的瓶颈问题。
Comments 27 pages, 14 figures, 8 tables
释放视觉-语言语义以进行深度伪造视频检测
机构 * Singapore Management University（新加坡管理学院） ； The University of Warwick（沃里克大学） ； Nanyang Technological University（南洋理工大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 本文提出VLAForge框架，通过ForgePerceiver增强视觉感知并引入身份感知VLA评分，利用跨模态语义提升深度伪造检测的判别能力。
Comments 14 pages, 7 figures, accepted by CVPR 2026
思想团队：通过协调工具调用实现代理系统高效测试时扩展
机构 * Imperial College London（帝国学院伦敦） ； Microsoft Research（微软研究院）
AI总结 本文提出Team-of-Thoughts框架，通过协调工具调用实现异构代理系统在测试时的高效扩展，通过动态激活最兼容的代理提升数学推理和代码生成任务的性能。
Comments 8 pages
基于回声库的图卷积网络
机构 * National Engineering School of Sousse, University of Sousse, LATIS – Laboratory of Advanced Technology and Intelligent Systems（苏塞国家工程学校，苏塞大学，先进技术和智能系统实验室） ； BASIRA Lab, Imperial-X and Department of Computing, Imperial College London（BASIRA实验室，Imperial-X和伦敦帝国理工学院计算系）
AI总结 本文提出RGC-Net，通过整合回声库动态与结构化图卷积，解决GCN在复杂动态数据中的长距离依赖捕捉与过平滑问题，实现图分类和生成任务的高性能表现。
SIGMA：一种基于物理的气体烟囱理解在地震图像中的基准数据集
机构 * FPT Software AI Center（FPT软件AI中心） ； Imperial College London（伦敦帝国理工学院） ； University of Arkansas（阿肯色大学） ； University of South Brittany（南布列塔尼大学） ； University of Liverpool（利物浦大学）
AI总结 本文提出SIGMA数据集，用于地震图像中气体烟囱的理解，通过像素级掩膜和退化与真实图像配对，提升检测与增强能力，验证了其在气体烟囱解释中的挑战性。
Comments Accepted at The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026
FG-Portrait: 基于3D流的可编辑肖像动画
机构 * National University of Singapore（新加坡国立大学） ； University of Warwick（沃里克大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学）
AI总结 本文提出FG-Portrait，通过3D流引导的方法实现高质量的肖像动画生成，结合3D几何信息和扩散模型，提升驱动运动与源肖像的对应精度，并支持用户对表情和头部姿态的编辑。
Comments CVPR 2026
基于对比度度量学习的点云分割方法用于高粒度探测器
机构 * Blackett Laboratory, Imperial College London, UK（帝国理工学院伦敦学院布莱克特实验室） ； Brown Center for Theoretical Physics and Innovation (BCTPI), Brown University, USA（布朗大学理论物理与创新中心）
AI总结 本文提出基于监督对比度度量学习的点云分割方法，通过学习潜在表示实现点云分割，相比传统方法更稳定且分离度更高，提升重建效率和纯度。
HGNet：可扩展的基础模型用于从科学文献自动生成知识图谱
机构 * BASIRA Lab, Imperial-X (I-X) and Department of Computing（BASIRA实验室、Imperial-X（I-X）和计算系） ； Imperial College London, London, United Kingdom（伦敦帝国理工学院，伦敦，英国）
AI总结 本文提出HGNet框架，通过两阶段方法实现零样本科学知识图谱构建，引入OSD和TCQK机制提升实体识别与关系提取，结合可微分层次损失和CAF损失确保全局一致性，提升NER和RE性能。
颜色何时重要：灰度引导的在线触发用于始终开启的流视频感知
机构 * Queen Mary University of London（伦敦皇后玛丽大学） ； Independent Researcher（独立研究者） ； Durham University（杜伦大学） ； Imperial College London（伦敦帝国学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 本文提出灰度引导的在线触发方法，通过减少颜色捕获频率，在资源受限设备上实现高效流视频感知，实验显示其在保持性能的同时显著降低能耗。
Comments Accepted at CVPR 2026 (Main track)
反事实可识别性 via 动态最优传输
机构 * Imperial College London（帝国理工学院伦敦分校）
AI总结 本文提出通过连续时间流进行多变量反事实识别，利用动态最优传输工具建立反事实运输映射，确保一致推断，并在受控场景中验证理论，提升反事实声学的鲁棒性。
Comments Accepted at NeurIPS 2025
从噪声标签到内在结构：一种几何-结构双引导框架用于抗噪声医学图像分割
机构 * College of physics ； information engineering, Fuzhou University, Xueyuan Road No.2, Fuzhou, 350108, China ； Bioengineering Department ； Imperial-X, Imperial College London, London W12 7SL, UK ； Lung Institute, Imperial College London, London SW7 2AZ, UK ； Cardiovascular Research Centre, Royal Brompton Hospital, London SW3 6NP, UK ； School of Biomedical Engineering \& Imaging Sciences, King's College London, London WC2R 2LS, UK ； Faculty of Applied Science, Macao Polytechnic University, Macao Special Administrative Region of China
AI总结 本文提出GSD-Net框架，通过整合几何和结构线索提升抗噪声能力，实验表明在噪声标注下性能优越，特别是在Kvasir、Shenzhen等数据集上提升显著。
evoxels：一种可微物理框架用于基于体素的微观结构模拟
机构 * Imperial College London（帝国理工学院伦敦分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
AI总结 本文提出evoxels框架，结合体素化方法、物理模拟和机器学习，实现微观结构的逆向设计与优化。
Comments 9 pages, 3 figures, structure following JOSS style
从粗到连续：用于运动鲁棒各向异性MRI重建的渐进细化隐式神经表示
机构 * Department of Bioengineering and Imperial-X, Imperial College London（生物工程系和Imperial-X，帝国理工学院伦敦分校） ； Department of Bioengineering, Imperial College London（生物工程系，帝国理工学院伦敦分校）
AI总结 本文提出PR-INR框架，通过运动感知扩散模块、隐式细节恢复模块和体素连续感知表示模块，解决MRI重建中的运动、结构和各向异性问题，提升重建质量和鲁棒性。
面向安全关键的野火疏散制图的符合性风险控制：表格、空间和图基模型的比较研究
机构 * Imperial College London（帝国理工学院伦敦校区）
AI总结 本文提出首个应用符合性风险控制（CRC）于野火扩散预测，提供有限样本保证的FNR≤0.05，证明模型架构决定疏散效率，CRC决定安全，空间模型比LightGBM效率高4.2倍，图模型无显著效率提升。
释放视频语言模型以生成细粒度HRCT报告
机构 * Bioengineering Department, Imperial College London, London, UK School of Biomedical Engineering \& lmaging Sciences, King's College London, London,UK
AI总结 本文提出AbSteering框架，通过异常中心方案和直接偏好优化目标，提升视频语言模型在HRCT报告生成中的精度与细粒度区分能力，优于现有领域特定CT基础模型。
条件变分扩散模型
机构 * Center for Advanced Systems Understanding (CASUS)（先进系统理解中心） ； Helmholtz-Zentrum Dresden-Rossendorf e. V. (HZDR)（德累斯顿-罗斯托克亥姆霍尔茨研究中心） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） ； Bladder Infection and Immunity Group (BIIG), UCL Centre for Kidney and Bladder Health（膀胱感染与免疫组（BIIG），UCL肾与膀胱健康中心） ； Division of Medicine, University College London（伦敦大学学院医学系） ； Institute of Computer Science, University of Wrocław（沃斯克大学计算机科学研究所）
AI总结 本文提出一种在训练过程中学习方差调度的方法，用于解决逆问题，适用于超分辨率显微镜和定量相成像，实现高质量解决方案。
Comments Denoising Diffusion Probabilistic Models, Inverse Problems, Generative Models, Super Resolution, Phase Quantification, Variational Methods
Journal ref In The Twelfth International Conference on Learning Representations. 2023
放松强制：用于一致长视频生成的放松KV内存
机构 * Queen Mary University of London（伦敦玛丽女王大学） ； Imperial College London（伦敦帝国学院）
AI总结 本文提出Relax Forcing机制，通过结构化时间内存提升长视频生成的运动动态和时间一致性，减少注意力开销。
Comments Project page: see https://zengqunzhao.github.io/Relax-Forcing
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈