University of Michigan（密歇根大学安娜堡分校）

Unmixing The Crowd: Learning Persistent Speaker Representations from Mixture-Derived Multi-Speaker Embeddings

解混人群：从混合衍生多说话人嵌入中学习持久说话人表示

Sidharth Sidharth, Meysam Asgari, Hao-Wen Dong, Dhruv Jain

机构 * University of Michigan Ann Arbor, MI, USA ； Oregon Health \& Science University Portland, OR, USA 纠错

AI总结 提出教师-学生框架，仅使用短重叠片段和置换不变潜在监督学习混合衍生多说话人嵌入，结合轻量在线记忆机制实现长时说话人重识别。

Comments Submitted to IEEE SLT 2026

ASC-SW: A Lightweight Atrous Strip Convolution Network for DLOs Segmentation on Edge mobile Robots

ASC-SW：面向边缘移动机器人的轻量级空洞条带卷积DLOs分割网络

Cheng Liu, Fan Zhu, Yifeng Xu, Baoru Huang, Mohd Rizal Arshad

机构 * School of Robotics, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学机器人学院） ； Department of Robotics, University of Michigan（密歇根大学机器人系） ； Department of Artificial Intelligence, University of Liverpool（利物浦大学人工智能系） 纠错

AI总结 针对移动机器人视角下细长可变形线性物体分割的挑战，提出轻量级几何感知框架ASC-SW，通过空洞条带卷积和滑动窗口优化，在边缘设备上实现74.1% mIoU和261 FPS。

Comments paper update: Rejected by IROS2026 on June 17th

Enhancing Symbolic Regression and Universal Physics-Informed Neural Networks with Dimensional Analysis

利用量纲分析增强符号回归和通用物理信息神经网络

Lena Podina, Diba Darooneh, Joshveer Grewal, Mohammad Kohandel

机构 * Cheriton School of Computer Science（切尔顿计算机科学学院） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Waterloo（滑铁卢大学） ； Electrical Engineering and Computer Science Department（电气工程与计算机科学系） ； Department of Applied Mathematics（应用数学系） ； University of Michigan（密歇根大学） 纠错

AI总结 提出结合量纲分析（Buckingham Π定理和Ipsen方法）与符号回归及通用物理信息神经网络，通过无量纲化降低输入维度、减少过拟合，提高微分方程未知项恢复的准确性和计算效率。