高校专区
KC-3DGS: 基于峰度约束的高斯泼溅用于高保真视图合成
机构 * Johns Hopkins University（约翰霍普金斯大学） ； NEC Labs America（NEC美国实验室）
AI总结 提出KC-3DGS，通过在小波域添加多尺度对齐损失、峰度集中损失和跨频带协方差惩罚，增强3DGS的感知质量，尤其改善稀疏视图下的高频细节和结构伪影。
从标注验证集输出统计量预测推理时缩放增益
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出一种基于标注验证集输出统计量的轻量级方法，通过三个核心特征（提示级一致性扩散、标签辅助的首个正确样本位置、完成长度方差）结合熵特征，使用岭回归预测最佳-of-N推理缩放增益，达到Spearman ρ=0.90的相关性。
GeoDrive-Bench：自动驾驶中区域特定多模态推理的基准测试
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出GeoDrive-Bench基准，通过5053个跨六国人工验证的多选题，评估视觉语言模型在感知、预测、规划和区域推理四个驾驶任务中基于区域特定交通规则的推理能力，并设计蒸馏算法注入区域知识以提升模型性能。
SeeTraceAct: 跨具身演示视频中的可见性感知潜在规划
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Allen Institute for AI（Allen人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Washington（华盛顿大学）
AI总结 提出SeeTraceAct框架，通过可见性感知的未来末端执行器轨迹预测增强空间定位，实现基于单次跨具身演示视频的机器人策略泛化，在模拟和真实场景中取得最优成功率。
AGENTCL：面向语言代理持续学习的严格评估
机构 * The Ohio State University（俄亥俄州立大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Intuit AI Research（Intuit AI研究）
AI总结 提出AGENTCL评估框架，通过可控任务流和迁移增益指标，严格评估语言代理的持续学习能力，并开发MemProbe探针方法诊断记忆设计的影响。
Comments 10 pages in the main text, 26 pages in total
Crystal: 表征学术出版物的相对影响力
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出Crystal方法，利用大语言模型对引用论文进行联合排序，通过多数投票消除位置偏差，以更准确地区分高影响力引用，在人工标注数据集上准确率提升9.5%，F1提升8.3%。
用于数据高效查询式通用声音分离的语义一致数据集
机构 * Department of Computer Science and Technology, Institute for AI, BNRist, Tsinghua University, Beijing, China（计算机科学与技术系，人工智能研究所，BNRist，清华大学，北京，中国） ； Shanda AI Research Tokyo（莎莎人工智能研究东京） ； IDG/McGovern Institute for Brain Research, Tsinghua University, Beijing, China（IDG/麦戈文脑研究 institute，清华大学，北京，中国） ； Johns Hopkins University（约翰霍普金斯大学） ； Chinese Institute for Brain Research (CIBR), Beijing, China（中国脑研究 institute（CIBR），北京，中国）
AI总结 提出自动管道通过语义一致合成协议消除事件共现，构建高质量合成数据集Hive，使模型在数据量极小的情况下达到与大规模训练模型相当的分离精度和泛化能力。
Comments Accepted to ICML 2026
通过加权p值提高组合预测集的覆盖范围
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出一种加权聚合预测集的框架，通过为每个预测集分配权重，实现覆盖范围在$1-2α$与$1-α$之间的灵活控制，并推广到数据依赖权重，在混合专家模型等场景中保持有限样本有效性。
Journal ref AISTATS 2026
加权风险不变性：不变特征偏移下的领域泛化
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； New York University（纽约大学） ； Center for Data Science（数据科学中心）
AI总结 针对不变协变量偏移下现有不变学习方法性能不佳的问题，提出加权风险不变性（WRI）框架，通过环境间损失的不变性并加权训练样本，在理论上保证学习到不变模型，并在实验中优于先前方法。
Journal ref TMLR 2024
一种改进的互相关算法用于单颗粒电子显微镜中非圆形投影的无参考图像对齐
机构 * Department of Mechanical Engineering, University of Texas at Dallas Richardson, TX, 75080, USA（德克萨斯大学达拉斯分校机械工程系） ； Department of Mechanical Engineering, Johns Hopkins University Baltimore, MD, 21218, USA（约翰霍普金斯大学机械工程系）
AI总结 针对单颗粒电子显微镜中高度非球形结构的图像对齐问题，提出一种改进的互相关方法，通过粗对齐和基于统计噪声的搜索空间缩减，结合人工模糊图像和中间类平均分割，在低信噪比下优于经典互相关和最大似然方法。
Comments 29pages
动态模板跟踪与识别
机构 * Center for Imaging Science Johns Hopkins University（成像科学中心约翰斯·霍普金斯大学）
AI总结 提出使用线性动态系统建模非刚性物体的外观/运动时间演化，作为动态模板进行跟踪，并实现同时跟踪与识别。
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