Northeastern University（东北大学）

High-Fidelity Mural Restoration via a Unified Hybrid Mask-Aware Transformer

高保真壁画修复的统一混合掩码感知变换器

Jincheng Jiang, Qianhao Han, Chi Zhang, Zheng Zheng

机构 * Northeastern University (Toronto Campus)（东北大学（多伦多校区）） ； The Bishop Strachan School（主教斯特拉坎学校） 纠错

AI总结 本文提出混合掩码感知变换器HMAT，通过结合掩码感知动态过滤与Transformer瓶颈，实现壁画的高保真修复，同时通过掩码条件风格融合模块和教师强迫解码器提升修复效果。

Comments 17 pages, 3 figures

Energy-Aware Collaborative Exploration for a UAV-UGV Team

面向能耗的无人机-地面车辆协同探索

Cahit Ikbal Er, Saikiran Juttu, Yasin Yazicioglu

机构 * Department of Mechanical and Industrial Engineering at Northeastern University（东北大学机械与工业工程系） ； Departments of Mechanical and Industrial Engineering and Electrical and Computer Engineering at Northeastern University（东北大学机械与工业工程系和电气与计算机工程系） 纠错

AI总结 本文提出一种面向能耗的无人机-地面车辆协同探索框架，通过密度感知分层概率路标实现稀疏耦合空地路标，将路线选择建模为耦合导向问题以最大化信息增益，同时满足会合约束。

Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems 2026 (IROS 2026)

AutoSpec: Automated Generation of Neural Network Specifications

AutoSpec：神经网络规范的自动生成

Shuowei Jin, Taobo Liao, Anuj Kalia, Xenofon Foukas, Huan Zhang, Cheng Tan, Z. Morley Mao, Francis Y. Yan

机构 * University of Michigan（密歇根大学） ； Microsoft Research（微软研究院） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 针对神经网络在学习增强系统中对模型安全鲁棒性需求，AutoSpec提出首个自动生成和评估神经网络规范的综合框架，通过基于树算法、统计认证框架及评估框架，经实验验证其性能优于手动定义规范和现有基线算法。