Generalized Discrete Diffusion from Snapshots
从快照出发的广义离散扩散
机构 * Department of Mathematics, Imperial College London（伦敦帝国学院数学系）
AI总结 本文提出GDDS框架，统一了离散扩散模型，支持任意噪声过程，提升了训练效率和生成质量，首次超越自回归模型。
Comments 37 pages, 6 figures, 13 tables
高校专区
Imperial College London（帝国理工学院）
Positional Segmentor-Guided Counterfactual Fine-Tuning for Spatially Localized Image Synthesis
基于位置分割器的反事实微调用于空间局部化图像合成
机构 * Department of Computing, Imperial College London, UK（帝国理工学院 computing 部，英国） ； HeartFlow, Inc., Mountain View, CA, USA（HeartFlow 公司，美国加州山景城）
AI总结 本文提出Positional Seg-CFT，通过将每个结构细分为区域并独立测量每个区域，实现空间局部化的反事实生成，提升冠状动脉CT血管造影中疾病建模的精细空间控制。
On Arbitrary Predictions from Equally Valid Models
关于等效模型中任意预测的探讨
机构 * Hasso Plattner Institute, University of Potsdam, Germany（波茨坦大学霍索普纳研究所，德国） ； Chair for AI in Healthcare and Medicine, Technical University of Munich, Germany（慕尼黑技术大学医学与健康人工智能教研室，德国） ； BioMedIA, Imperial College London, United Kingdom（伦敦帝国理工学院BioMedIA，英国） ； Munich Center for Machine Learning, Germany（慕尼黑机器学习中心，德国） ； Universitätsklinikum Hamburg-Eppendorf, Germany（汉堡-埃彭多夫大学医院，德国）
AI总结 本文研究了医疗任务中等效模型预测多样性的影响因素及缓解方法，发现小规模集成模型能有效减少预测分歧，提高诊断可靠性。
A Probabilistic Approach to Wildfire Spread Prediction Using a Denoising Diffusion Surrogate Model
基于去噪扩散替代模型的 wildfire 传播预测概率方法
机构 * CEREA, ENPC, EDF R&D, Institut Polytechnique de Paris（CEREA、ENPC、EDF R&D、巴黎理工学院） ； Department of Earth Science & Engineering, Imperial College London（帝国理工学院伦敦地球科学与工程系） ； Department of Computing, Imperial College London（帝国理工学院伦敦计算机科学系） ； Data Science Institute, Imperial College London（帝国理工学院伦敦数据科学研究院）
AI总结 本文提出首个去噪扩散模型用于预测野火传播，通过模拟多种可能场景，考虑野火动态的不确定性，优于传统确定性方法。
Journal ref Geosci. Model Dev., 19, 1027-1054, 2026
Deep Face Restoration: A Survey
深度人脸修复：综述
机构 * The State Key Lab for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Australian National University（澳大利亚国立大学） ； Imperial College London（伦敦帝国理工学院） ； Tencent（腾讯）
AI总结 本文综述了基于深度学习的人脸修复方法，分析了问题 formulations、挑战及最新技术，提供了系统评估和开源资源。
Comments Accepted by ACM Computing Surveys, 39 pages, 14 figures
The Exponentially Weighted Signature
指数加权签名
机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系） ； SKF
AI总结 本文提出指数加权签名，通过引入一般有界线性算子扩展指数衰减记忆签名，实现更丰富的记忆动态，保留经典签名的代数优势，并展示其在SDE回归任务中的表达能力。
Comments 43 pages, 1 figure
ATG-MoE: Autoregressive trajectory generation with mixture-of-experts for assembly skill learning
ATG-MoE：基于混合专家的自主轨迹生成用于装配技能学习
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Faculty of Engineering, Imperial College London（伦敦帝国理工学院工程学院）
AI总结 本文提出ATG-MoE，通过混合专家架构实现多技能整合，解决传统方法在多阶段设计和多技能整合能力上的不足，实验显示其在模拟和实际应用中均表现优异。
Comments 32 pages, 13 figures
ViTac-Tracing: Visual-Tactile Imitation Learning of Deformable Object Tracing
ViTac-Tracing：变形物体追踪的视觉-触觉模仿学习
机构 * Robot Perception Laboratory, Department of Engineering, King’s College London（机器人感知实验室，工程系，伦敦国王学院） ； Personal Robotics Laboratory, Department of Electrical and Electronic Engineering, Imperial College London（个人机器人实验室，电子与电气工程系，伦敦帝国学院）
AI总结 本文提出一种视觉-触觉模仿学习方法，实现变形物体的一维和二维追踪。通过局部和全局视角结合视觉与触觉感知，提升细粒度调整并优化任务进度，实验表明在多种变形物体上达到80%和65%的成功率。
Comments The paper has been accepted by ICRA2026
Affect Decoding in Phonated and Silent Speech Production from Surface EMG
从表面EMG解码有声和无声言语中的情感表达
机构 * 1 CHI -- Chair of Health Informatics, TUM University Hospital, Munich, Germany 2 SAIL -- Signal Analysis ； Interpretation Lab, University of Southern California, USA 3 CSL -- Cognitive Systems Lab, University of Bremen, Germany 4 GLAM -- Group on Language, Audio, \& Music, Imperial College London, UK 5 MCML -- Munich Center for Machine Learning, Germany
AI总结 研究通过表面EMG分析有声和无声言语中的面部和颈部肌肉活动，揭示情绪对发音执行的影响，发现EMG表示在区分愤怒时达到0.845的AUC，展示了无发音语音接口的潜力。
LGESynthNet: Controlled Scar Synthesis for Improved Scar Segmentation in Cardiac LGE-MRI Imaging
LGESynthNet：用于改进心脏LGE-MRI成像瘢痕分割的受控瘢痕合成
机构 * Digital Technology and Innovation, Siemens Healthineers（西门子医疗数字化技术与创新部） ； Al in Healthcare and Medicine, Klinikum rechts der Isar, Technical University of Munich（医疗与医学AI，慕尼黑工业大学右侧医院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系）
AI总结 本文提出LGESynthNet，一种基于潜在扩散模型的可控合成框架，通过奖励模型、提示模块和生物医学文本编码器，利用少量标注数据生成高质量瘢痕图像，提升后续分割和检测性能。
Comments Accepted at MICCAI STACOM workshop 2025
Embodied Foundation Models at the Edge: A Survey of Deployment Constraints and Mitigation Strategies
边缘端具身基础模型：部署约束及缓解策略综述
机构 * University of South Florida（佛罗里达州立大学） ； Florida International University（佛罗里达国际大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Nottingham Trent University（诺丁汉特伦特大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 本文综述了在边缘端部署具身基础模型时面临的系统性约束及缓解策略，重点探讨了内存带宽、计算延迟和执行成本等关键因素对自动回归视觉-语言-动作策略和扩散控制器的影响，强调了内存、调度、通信和模型架构的协同设计的重要性。
Latent Causal Modeling for 3D Brain MRI Counterfactuals
潜在因果建模用于3D脑MRI反事实
机构 * Stanford University（斯坦福大学） ； Weill Cornell Medicine（韦尔·科恩医学中心） ； Imperial College London（伦敦帝国理工学院）
AI总结 本文提出一种两阶段方法，在潜在空间中构建结构因果模型，利用VQ-VAE学习MRI体积的紧凑嵌入，并通过闭式广义线性模型生成高质量3D脑MRI反事实。
Provably Safe Model Updates
可证明安全的模型更新
机构 * Department of Computing（计算系） ； Imperial College London（帝国理工学院伦敦分校） ； School of Computer and Comm. Sciences (IC)（计算机与通信科学系） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
AI总结 本文提出可证明安全的模型更新框架，通过计算最大局部不变域来确保模型更新的安全性，有效避免遗忘并提供形式化安全保证。
Comments 12 pages, 9 figures. This work has been accepted for publication at SaTML 2026. The final version will be available on IEEE Xplore
Learning Coordinate-based Convolutional Kernels for Continuous SE(3) Equivariant and Efficient Point Cloud Analysis
学习基于坐标的卷积核以实现连续SE(3)等价性和高效的点云分析
机构 * Interdisciplinary Program in Neuroscience, Seoul National University（首尔国立大学神经科学跨学科项目） ； Département d’Informatique, École Normale Supérieure (ENS)（规范高等学校计算机系） ； Department of Computing, Imperial College London（伦敦帝国学院计算系） ； Department of Computer Science and Engineering, Seoul National University（首尔国立大学计算机科学与工程系）
AI总结 本文提出ECKConv，通过坐标基网络设计实现SE(3)等价性和高效点云处理，在分类、姿态注册等任务中验证了其性能优势。
Comments Accepted at CVPR 2026
Neuron-Level Emotion Control in Speech-Generative Large Audio-Language Models
语音生成大音频-语言模型中的神经层面情感控制
机构 * 1 Center for Language ； Speech Processing (CLSP), Johns Hopkins University, USA 2 Group on Language, Audio \& Music (GLAM), Imperial College London, UK
AI总结 本文首次在语音生成大音频-语言模型中研究神经层面的情感控制，通过识别紧凑的情感敏感神经元（ESNs）实现无需训练的情感引导，实验表明其在不同模型上均能提升情感表现并支持自动与人工评估。
Comments 11 pages, 10 figures
Pixel-level Counterfactual Contrastive Learning for Medical Image Segmentation
像素级反事实对比学习用于医学图像分割
机构 * Department of Computing, Imperial College London, UK（帝国理工学院伦敦分校计算机系）
AI总结 本文提出结合反事实生成与密集对比学习的DVD-CL和MVD-CL方法，利用银标准标注提升医学图像分割的鲁棒性，实验表明无标注DVD-CL在挑战性数据上达到94%的DSC。
Comments Accepted at ISBI-2026 (oral presentation)
LMOD+: A Comprehensive Multimodal Dataset and Benchmark for Developing and Evaluating Multimodal Large Language Models in Ophthalmology
LMOD+: 一个全面的多模态数据集和基准，用于开发和评估眼科中的多模态大语言模型
机构 * School of Medicine, Yale University（耶鲁大学医学院） ； School of Computing, Australian National University（澳大利亚国立大学计算机学院） ； School of Engineering, Imperial College London（伦敦帝国理工学院工程学院） ； School of Computing, University of Georgia（佐治亚大学计算机学院） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学杨秀隆医学学院） ； National Eye Institute, National Institutes of Health（美国国立卫生研究院眼科研究所） ； National Library of Medicine, National Institutes of Health（美国国立卫生研究院国家医学图书馆） ； School of Computing Technologies, RMIT University（皇家墨尔本理工大学计算机技术学院）
AI总结 本文提出一个包含32633个实例的多模态眼科基准数据集，涵盖12种常见眼科疾病和5种成像模态，通过扩展数据集、扩展任务覆盖和系统评估24种最先进的MLLMs，推动眼科AI应用发展。
Comments ACM Transactions on Computing for Healthcare
DermaFlux: Synthetic Skin Lesion Generation with Rectified Flows for Enhanced Image Classification
DermaFlux：基于修正流的合成皮肤病变生成用于增强图像分类
机构 * Imperial College London, UK（伦敦帝国理工学院） ； Northeastern University London, UK（伦敦东北大学）
AI总结 DermaFlux通过生成临床相关的皮肤病变图像，提升二分类性能，实验表明其在小数据集上提升6%，在合成数据上提升9%。
Argumentative Human-AI Decision-Making: Toward AI Agents That Reason With Us, Not For Us
论证型人机决策：迈向与我们共思而非为我们决策的AI代理
机构 * New Mexico State University（新墨西哥州立大学） ； King's College London（伦敦国王学院） ； Imperial College London（伦敦帝国学院） ； Washington University in St. Louis（圣路易斯华盛顿大学）
AI总结 本文探讨论证型人机决策的新范式，结合论证框架挖掘、合成与推理，使AI代理能与人类进行辩证互动，提升高风险领域的人工智能可信度。
Large Language Models for Wireless Communications: From Adaptation to Autonomy
大语言模型在无线通信中的应用：从适应到自主
机构 * Southeast University（东南大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Imperial College London（伦敦帝国理工学院）
AI总结 本文探讨大语言模型在无线通信中的应用，包括适应预训练模型、开发专用基础模型以及实现自主推理的代理模型，总结其优势与挑战。
Parallelised Differentiable Straightest Geodesics for 3D Meshes
并行可微的3D网格最直测地线
机构 * Imperial College London（帝国理工学院伦敦分校）
AI总结 本文提出一种并行可微的3D网格最直测地线方法，通过GPU实现并设计两种不同求导方案，提升在非欧几里得域上的学习与优化性能。
Comments Accepted to CVPR 2026
Trustworthy Koopman Operator Learning: Invariance Diagnostics and Error Bounds
可信的Koopman算子学习：不变性诊断与误差界
机构 * Centre for Mathematical Sciences, University of Cambridge, UK（剑桥大学数学科学中心，英国） ； Department of Mathematics, Imperial College London, UK（伦敦帝国理工学院数学系，英国） ； Department of Mechanical Engineering, University of Washington, USA（美国华盛顿大学机械工程系）
AI总结 本文提出了一种统一的后验方法，用于验证Koopman近似的可信度并改进其性能，通过主角度分解和多步误差界，提供可靠的谱分析和预测保障。
Voronoi-based Second-order Descriptor with Whitened Metric in LiDAR Place Recognition
基于Voronoi的二级描述符与白化度量在激光雷达地点识别中的应用
机构 * Interdisciplinary Program in Neuroscience（神经科学跨学科项目） ； Département d’Informatique, École Normale Supérieure (ENS)（高等师范学院计算机系） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Dept. of Computer Science and Engineering, Seoul National University（首尔国立大学计算机科学与工程系）
AI总结 本文提出一种基于Voronoi的二级描述符方法，通过白化度量提升激光雷达地点识别的鲁棒性，实验表明其在Oxford Robotcar和Wild-Places数据集上性能优越。
Comments Accepted at ICRA 26
Photonic Quantum-Enhanced Knowledge Distillation
光子量子增强知识蒸馏
机构 * Department of Electrical and Electronic Engineering（电子与电气工程系） ； Imperial College London（帝国理工学院） ； Imperial Centre for Quantum Engineering, Science and Technology（帝国量子工程、科学与技术中心） ； Blackett Laboratory, Department of Physics（布莱克特实验室，物理系） ； Graduate Institute of Applied Physics（应用物理研究院） ； Brookhaven National Laboratory（布鲁赫斯国家实验室） ； Quantum Information Center（量子信息中心） ； Master Program in Intelligent Computing and Big Data（智能计算与大数据硕士项目） ； Chung Yuan Christian University ； JIJ
AI总结 本文提出PQKD框架，利用光子量子处理器生成随机信号指导学生网络蒸馏，通过字典卷积和光子特征提升压缩与准确率平衡。
BiTro: Bidirectional Transfer Learning Enhances Bulk and Spatial Transcriptomics Prediction in Cancer Pathological Images
BiTro：双向迁移学习增强癌症病理图像的批量和空间转录组预测
机构 * SWJTU-Leeds Joint School, Southwest Jiaotong University（西南交通大学-利兹联合学院） ； Yu-Yue Pathology Scientific Research Center, Jinfeng Laboratory（宇岳病理科学研究中心，锦峰实验室） ； Department of Epidemiology and Medical Statistics, West China School of Public Health and West China Fourth Hospital, Sichuan University（流行病学与医学统计学系，西京公共卫生学院及西京第四医院，四川大学） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（计算与人工智能学院，西南交通大学） ； Department of Epidemiology and Biostatistics, School of Public Health, Imperial College London（流行病学与生物统计学系，公共卫生学院，伦敦帝国学院）
AI总结 本文提出BiTro框架，通过双向迁移学习提升病理图像中批量和空间转录组预测的准确性，设计了适用于两种数据的通用模型，并利用LoRA实现跨数据集的高效迁移。
A Causal Framework for Mitigating Data Shifts in Healthcare
减轻医疗领域数据偏移的因果框架
机构 * Causality in Healthcare AI Hub (CHAI)（医疗人工智能AI hub（CHAI）） ； The University of Edinburgh（爱丁堡大学） ； University of Manchester（曼彻斯特大学） ； Athena Research Center（阿塔尼亚研究中心） ； NKU Athens（雅典NKU） ； King’s College London（伦敦国王学院） ； Imperial College London（伦敦帝国学院） ； University of Exeter（埃克塞特大学） ； University College London（伦敦大学学院）
AI总结 本文提出一种因果框架，用于设计预测模型以提高泛化能力，通过分析领域偏移的原因，提供更系统的策略应对偏移问题，推动临床相关AI解决方案的发展。
Comments 21 pages, 3 figures
Opportunistic Cardiac Health Assessment: Estimating Phenotypes from Localizer MRI through Multi-Modal Representations
机会性心脏健康评估：通过多模态表示从局部定位MRI估计表型
机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital（人工智能在医疗与健康中的研究所，慕尼黑技术大学（TUM）和TUM大学医院） ； Department of Diagnostic and Interventional Neuroradiology, School of Medicine, TUM University Hospital（诊断与介入神经放射科，医学院，TUM大学医院） ； Department of Computing, Imperial College London（计算学院，伦敦帝国学院） ； Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心（MCML），德国）
AI总结 本文提出C-TRIP框架，通过融合局部定位MRI、ECG和表格数据，利用低成本信息预测心脏表型，提升心脏健康评估的可及性。
PolyMon: A Unified Framework for Polymer Property Prediction
PolyMon：一种聚合物性质预测的统一框架
机构 * Department of Chemistry, Molecular Sciences Research Hub, Imperial College London, White City Campus, Wood Lane, London, W12 0BZ, U.K.（化学系，分子科学研究中心，伦敦帝国理工学院，白城校区，Wood Lane，伦敦，W12 0BZ，英国）
AI总结 PolyMon框架整合多种聚合物表示方法和机器学习方法，通过系统评估不同表示和模型对预测性能的影响，为聚合物性质预测提供全面的基础。
EgoGrasp: World-Space Hand-Object Interaction Estimation from Egocentric Videos
EgoGrasp：从第一人称视频中估计世界空间手-物体交互
机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； Imperial College London（伦敦帝国学院） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 EgoGrasp提出了一种从动态第一人称视频中重建世界空间手-物体交互的方法，支持开放词汇物体，通过多阶段框架实现鲁棒的3D重建与姿态估计。
Dynamic Mixture-of-Experts for Visual Autoregressive Model
动态专家混合模型用于视觉自回归模型
机构 * University of Amsterdam（阿姆斯特丹大学） ； UvA-Bosch Delta Lab（UvA-博斯奇Delta实验室） ； Imperial College London（伦敦帝国学院）
AI总结 本文提出一种动态专家混合路由机制，用于改进视觉自回归模型，通过规模感知阈值策略在不额外训练的情况下提升效率和质量，实现20%的FLOPs减少和11%的推理加速。
