Johns Hopkins University（约翰斯·霍普金斯大学）

TRACE: Temporal Relationship-Aware Conversational Entrainment Detection in Dyadic Speech

TRACE: 双人语音中基于时间关系的对话韵律同步检测

Sathvik Manikantan Napa Ugandhar, Hao Zhang, Alison Gunzler, Yuzhe Wang, Thomas Thebaud, Georgi Tinchev, Venkatesh Ravichandran, Laureano Moro-Velázquez

机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Department of Electrical and Computer Engineering, Johns Hopkins University（约翰霍普金斯大学电气与计算机工程系） ； Amazon Research（亚马逊研究院） ； Amazon（亚马逊） 纠错

AI总结 提出TRACE框架，通过窗口级声学嵌入建模双人交互的时间序列，结合对话上下文和关系信息，在DyadEE数据集上实现97.01%的情感韵律同步检测准确率。

Yield Curves Dynamics Using Variational Autoencoders Under No-arbitrage

无套利条件下使用变分自编码器的收益率曲线动力学

Fusheng Luo, H'elyette Geman

机构 * Department of Applied Mathematics and Statistics, Johns Hopkins University, USA（应用数学与统计学系，约翰霍普金斯大学，美国） 纠错

AI总结 提出一种物理信息生成框架，通过两阶段架构（学生t条件变分自编码器+动态水平注入和神经随机微分方程）解决深度学习统计灵活性与固定收益理论约束的冲突，在多个主权货币上显著降低预测误差并实现无套利。

Comments This is the full script (version 2) of our paper, which is awaiting submission to financial journals/conferences, after modifying and double-checking the reference lists

Learning on the Manifold: Unlocking Standard Diffusion Transformers with Representation Encoders

流形上的学习：通过表示编码器解锁标准扩散变压器

Amandeep Kumar, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 研究利用表示编码器进行生成建模时标准扩散变压器收敛失败的问题，指出根本原因是几何干扰，提出黎曼流匹配与雅可比正则化方法，使标准扩散变压器无需宽度缩放就能收敛。

Comments ECCV 2026

Phi-SegNet: Phase-Integrated Supervision for Medical Image Segmentation

Phi-SegNet：用于医学图像分割的相位集成监督

Shams Nafisa Ali, Taufiq Hasan

机构 * mHealth Lab, Department of Biomedical Engineering, Bangladesh University of Engineering and Technology（孟加拉工程与技术大学生物医学工程系mHealth实验室） ； Department of Electrical and Computer Engineering, Johns Hopkins University（约翰霍普金斯大学电气与计算机工程系） ； Center for Bioengineering Innovation and Design, Department of Biomedical Engineering, Johns Hopkins University（约翰霍普金斯大学生物工程创新与设计中心，生物医学工程系） 纠错

AI总结 研究针对医学图像分割跨模态泛化难问题，提出Phi-SegNet架构，在架构和优化层面融入相位感知信息，含双特征掩码模块与逆傅里叶注意力块，经实验取得优异性能，为泛化分割框架发展提供新思路。

Comments 13 pages, 9 figures

Closing Gaps in Emissions Monitoring with Climate TRACE

利用气候追踪填补排放监测的差距

Brittany V. Lancellotti, Jordan M. Malof, Aaron Davitt, Gavin McCormick, Shelby Anderson, Pol Carbó-Mestre, Gary Collins, Verity Crane, Zoheyr Doctor, George Ebri, Kevin Foster, Trey M. Gowdy, Michael Guzzardi, John Heal, Heather Hunter, David Kroodsma, Khandekar Mahammad Galib, Paul J. Markakis, Gavin McDonald, Daniel P. Moore, Eric D. Nguyen, Sabina Parvu, Michael Pekala, Christine D. Piatko, Amy Piscopo, Mark Powell, Krsna Raniga, Elizabeth P. Reilly, Michael Robinette, Ishan Saraswat, Patrick Sicurello, Isabella Söldner-Rembold, Raymond Song, Charlotte Underwood, Kyle Bradbury

机构 * Nicholas Institute for Energy Environment & Sustainability（能源环境与可持续性研究所） ； Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） ； WattTime（WattTime公司） ； Johns Hopkins Applied Physics Laboratory（约翰霍普金斯应用物理实验室） ； Marine Science Institute（海洋科学研究所） ； TransitionZero（TransitionZero公司） ； Duke University（杜克大学） ； Global Fishing Watch（全球渔业监测） ； CTrees（CTrees公司） 纠错

AI总结 通过评估现有排放数据集，发现可提升排放数据实用性的机会，基于此提出气候追踪框架及数据集，综合现有数据并填补空白，为排放监测和缓解规划提供支持。

Bayesian Invariance Modeling of Multi-Environment Data

多环境数据的贝叶斯不变性建模

Luhuan Wu, Mingzhang Yin, Yixin Wang, John P. Cunningham, David M. Blei

机构 * Department of Applied Mathematics and Statistics, Johns Hopkins University（应用数学与统计学系，约翰霍普金斯大学） ； Department of Statistics, Columbia University（统计学系，哥伦比亚大学） ； Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） ； Warrington College of Business, University of Florida（佛罗里达大学沃林顿商学院） ； Department of Statistics, University of Michigan（统计学系，密歇根大学） 纠错

AI总结 研究多环境数据的不变性预测问题，提出贝叶斯不变性预测模型BIP，通过将不变特征索引编码为潜在变量并后验推断恢复，证明后验一致性等，设计变分近似VI-BIP，在模拟和真实数据中表现更优。