Johns Hopkins University（约翰斯·霍普金斯大学）

Physically-Guided Optical Inversion Enable Non-Contact Side-Channel Attack on Isolated Screens

物理引导的光学反演实现对孤立屏幕的非接触侧通道攻击

Zhiwen Zheng, Yuheng Qiao, Xiaoshuai Zhang, Zhao Huang, Tao Zhang, Huiyu Zhou, Shaowei Jiang, Jin Liu, Wenwen Tang, Xingru Huang

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Weidian Corporation（伟迪安公司） ； Zhejiang Provincial Key Laboratory of Low Altitude Ubiquitous Networking Technology（浙江省低空 ubiquitous 网络技术重点实验室） ； Faculty of Information Science and Engineering（信息科学与工程学院） ； University of Leicester（莱斯特大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文提出一种非接触侧通道攻击方法，通过物理引导的光学反演技术，克服投影映射的奇异雅可比谱和光传输不可逆压缩问题，实现高保真度的屏幕内容恢复。

Synthesis and Deployment of Maximal Robust Control Barrier Functions through Adversarial Reinforcement Learning

通过对抗强化学习合成和部署最大鲁棒控制屏障函数

Donggeon David Oh, Duy P. Nguyen, Haimin Hu, Jaime Fernández Fisac

机构 * Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气工程与计算机科学系） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） 纠错

AI总结 本文提出了一种新的鲁棒控制屏障函数框架，用于一般非线性系统在有界不确定性下的安全控制，结合对抗强化学习实现鲁棒Q-CBF约束，验证了在倒立摆和四足机器人中的有效性。

Comments 8 pages, 2 figures. This work has been submitted to the IEEE for possible publication

SyncFix: Fixing 3D Reconstructions via Multi-View Synchronization

SyncFix：通过多视图同步修复3D重建

Deming Li, Abhay Yadav, Cheng Peng, Rama Chellappa, Anand Bhattad

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 SyncFix通过多视图同步在扩散过程中修复3D重建的语义和几何不一致，利用联合潜在桥接匹配问题提升重建质量，即使在无干净参考图像时也能生成高质量结果。

Comments Project website: https://syncfix.github.io/

Zero-Shot Function Encoder-Based Differentiable Predictive Control

基于零样本函数编码器的可微预测控制

Hassan Iqbal, Xingjian Li, Tyler Ingebrand, Adam Thorpe, Krishna Kumar, Ufuk Topcu, Ján Drgoňa

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文提出一种可微框架，用于零样本自适应控制非线性动态系统参数族。通过结合函数编码器神经ODE和可微预测控制，实现高效的自监督学习显式控制策略，无需重新训练即可适应新系统。

RECOVER: Designing a Large Language Model-based Remote Patient Monitoring System for Postoperative Gastrointestinal Cancer Care

RECOVER：基于大语言模型的术后胃肠癌远程患者监测系统设计

Ziqi Yang, Yuxuan Lu, Jennifer Bagdasarian, Vedant Das Swain, Ritu Agarwal, Collin Campbell, Waddah Al-Refaire, Jehan El-Bayoumi, Guodong Gao, Dakuo Wang, Bingsheng Yao, Nawar Shara

机构 * University of California, Irvine（加州大学尔湾分校） ； Northeastern University（东北大学） ； Johns Hopkins University（约翰霍普金斯大学） ； New York University（纽约大学） ； MedStar Health Research Institute（梅斯塔健康研究院） ； Creighton University（克里普顿大学） ； Georgetown University（乔治城大学） 纠错

AI总结 本文设计了基于大语言模型的RECOVER系统，用于术后胃肠癌的远程患者监测，通过临床整合提升术后护理效率，并探讨了AI伦理与未来发展方向。

Nonparametric Sparse Online Learning of the Koopman Operator

非参数稀疏在线学习Koopman算子

Boya Hou, Sina Sanjari, Nathan Dahlin, Alec Koppel, Subhonmesh Bose

机构 * Coordinated Science Laboratory, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校协调科学实验室） ； Department of Mathematics and Computer Science, Royal Military College of Canada（加拿大皇家军事学院数学与计算机科学系） ； Department of Electrical and Computer Engineering, University at Albany, SUNY（纽约州立大学水牛城大学电气与计算机工程系） ； Applied Physics Labs, Johns Hopkins University（约翰霍普金斯大学应用物理实验室） ； Department of Electrical and Computer Engineering, Coordinated Science Laboratory, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系，协调科学实验室） 纠错

AI总结 本文提出一种非参数稀疏在线学习Koopman算子的方法，通过随机近似迭代学习，实现对非线性动力系统的动态建模，并在误设定情况下提供收敛保证。

Comments 44 pages