高校专区
Hand-4DGS: 用于从第一人称视频进行4D手部重建的前馈3D高斯泼溅方法
机构 * Yonsei University（延世大学） ； Electronics and Telecommunications Research Institute（电子电信研究院） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft Spatial AI Lab（微软空间AI实验室） ； VGG, University of Oxford（VGG，牛津大学）
AI总结 提出Hand-4DGS，首个前馈框架，从第一人称视频直接重建动态4D手部，利用网格引导表示和时间卷积，实现快速推理和强泛化，无需3D真值标注。
Comments Project page: https://jeongminb.github.io/hand-4dgs/
BLADE: 面向LLM训练的可扩展双层自适应数据选择
机构 * University of Oxford（牛津大学） ； Renmin University of China（中国人民大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出BLADE框架，通过拉格朗日乘子将双层优化转化为单层惩罚目标，避免逆Hessian计算，实现动态参考模型，理论保证一阶收敛，实验优于现有方法。
ThousandWorlds: 一个用于潜在宜居系外行星气候模拟的基准数据集
机构 * University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Bristol（布里斯托大学） ； Purdue University（普渡大学） ； University of Exeter（埃克塞特大学）
AI总结 为加速系外行星气候模拟，提出ThousandWorlds基准数据集，包含五个全球气候模型的约1800次模拟，用于评估机器学习模拟器在低数据、多模拟器参数到场回归任务中的性能。
Comments 10 pages main text, 26 pages references/appendix, plus NeurIPS checklist. Data at https://doi.org/10.57967/hf/8695. Code at https://github.com/edstevenson/ThousandWorlds
利用深度学习建模径向速度数据中的多普勒频移以探测地球质量系外行星
机构 * Department of Astronomy, University of Geneva 51 chemin de Pegasi, 1290 Versoix, Switzerland. Instituto de Astrofı\'isica de Andaluc\'ia (CSIC), Glorieta de la Astronom\'ia s/n, E-18008 Granada, Spain. Institute of Space Sciences (CSIC), Carrer de Can Magrans s/n, E-08193 Barcelona, Spain. Department of Astronomy, University of Texas at Austin, 2515 Speedway, Austin, TX 78712, USA. Instituto de Astrofísica e Ciências do Espaço, Universidade do Porto, CAUP, Rua das Estrelas, 4150-762 Porto, Portugal. Department of Physics, University of Oxford, OX13RH Oxford, UK.
AI总结 针对恒星活动干扰，提出结合物理启发光谱表示与深度学习的框架，通过交叉验证和遗传算法优化，可靠恢复振幅≥25 cm/s、周期10-550天的行星信号，并发布Python包doppleriann。
Comments 20 pages, 14 figures. Accepted for publication in Astronomy & Astrophysics
提问的艺术：一致性增强空间推理中的事实性
机构 * The University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
AI总结 提出自监督强化学习框架，通过几何与语义一致性验证器（如图像翻转、文本对象顺序交换）对齐预训练模型的内在空间推理能力，无需标注数据即可达到接近监督方法的精度。
信任区域在线策略蒸馏
机构 * Samsung Research（三星研究院） ； University of Oxford（牛津大学） ； Peking University（北京大学）
AI总结 提出信任区域在线策略蒸馏（TrOPD），通过信用分配策略和信任区域学习解决师生分布差异导致的训练不稳定问题，在数学推理、代码生成和通用基准上超越现有方法。
S3OD：基于合成数据的通用显著目标检测
机构 * University of Oxford, VGG（牛津大学，视觉信息集团）
AI总结 提出S3OD方法，通过大规模合成数据生成和歧义感知架构，显著提升显著目标检测的跨数据集泛化能力，仅用合成数据训练即可降低20-50%误差。
ActiTect：通过标准化体动记录进行REM睡眠行为障碍筛查的通用机器学习流程
机构 * Faculty of Mathematics and Natural Sciences, University of Cologne, Germany（科隆大学数学与自然科学学院，德国） ； Institute for Biomedical Informatics, Faculty of Medicine and University Hospital Cologne, University of Cologne, Germany（科隆大学医学院与科隆大学医院生物医学信息学研究所，德国） ； Center for Molecular Medicine Cologne (CMMC), Faculty of Medicine and University Hospital Cologne, University of Cologne, Germany（科隆分子医学中心（CMMC），科隆大学医学院与科隆大学医院，德国） ； Medical Psychology | Neuropsychology and Gender Studies, Faculty of Medicine and University Hospital Cologne, University of Cologne, Germany（科隆大学医学院与科隆大学医院医学心理学 | 神经心理学与性别研究，德国） ； Cognitive Neuroscience, Insitute for Neuroscience and Medicine, INM-3, Research Center Juelich, Germany（认知神经科学，神经科学与医学研究所，Juelich研究中心，德国） ； Department of Neurology, Faculty of Medicine and University Hospital Cologne, University of Cologne, Germany（科隆大学医学院与科隆大学医院神经科，德国） ； Center of Neurology, Department of Parkinson, Sleep and Movement Disorders, University Hospital Bonn, University of Bonn, Germany（神经科中心，帕金森、睡眠与运动障碍部门，波恩大学医院，德国） ； German Center for Neurodegenerative Diseases (DZNE), Bonn, Germany（德国神经退行性疾病研究中心（DZNE），波恩，德国） ； Cluster of Excellence for Aging and Aging-Associated Diseases (CECAD), University of Cologne, Germany（老龄化与相关疾病卓越中心（CECAD），科隆大学，德国） ； Department of Neurology, University Medical Center Schleswig-Holstein, Campus Kiel and Kiel University, Germany（神经科，施普伦德-霍斯特大学医院，基尔校区和基尔大学，德国） ； Department of Informatics, Technical University of Munich, Germany（信息学院，慕尼黑技术大学，德国） ； Institute for Digital Medicine, University Hospital Bonn, Germany（数字医学研究所，波恩大学医院，德国） ； Lundbeck Foundation Parkinson’s Disease Research Center (PACE), Aarhus University, Denmark（路德维希基金会帕金森病研究中心（PACE），奥胡斯大学，丹麦） ； Department of Nuclear Medicine, Aarhus University Hospital, Denmark（核医学部，奥胡斯大学医院，丹麦） ； Department of Electrical and Computer Engineering, Aarhus University, Denmark（电气与计算机工程系，奥胡斯大学，丹麦） ； Oxford Parkinson’s Disease Centre and Division of Neurology, Nuffield Department of Clinical Neurosciences, University of Oxford, UK（牛津帕金森病中心与神经科，牛津大学临床神经科学系，英国）
AI总结 提出ActiTect，一个全自动开源机器学习工具，通过标准化预处理和睡眠-觉醒检测，从体动记录中识别RBD，在多个独立队列中验证了泛化能力（AUROC 0.84-0.94）。
Comments 37 pages including Supplementary Information, 4 core figures, 1 supplementary figure. (v2: fixed a typo in Table 3 and made minor text edits; v3: post review)
Journal ref npj Digital Medicine (2026)
极线几何改进视频生成模型
机构 * University of Oxford（牛津大学） ； Google Research（谷歌研究院） ； CREST-ENSAE, Institut Polytechnique de Paris（巴黎理工学院CREST-ENSAE研究中心） ； Technical University of Munich（慕尼黑技术大学）
AI总结 针对视频生成模型几何不一致和运动伪影问题，提出基于极线几何约束的偏好优化方法，在保持视觉质量的同时将极线误差降低31%，人类评分一致性从54%提升至72%。
UST-GNN：面向城市分析的空间-拓扑统一图神经网络框架——以城市健康预测为例
机构 * University College London（伦敦大学学院） ； The Hong Kong University of Science（香港科学大学） ； Nokia Bell Labs（诺基亚贝尔实验室） ； Technical University of Munich（慕尼黑技术大学） ； University of Oxford（牛津大学）
AI总结 提出UST-GNN框架，整合邻域连通性、异质城市特征和位置嵌入，在大伦敦4835个邻域的健康预测中，严格空间交叉验证下R²提升8.4-13.2%，并引入主成分模块解释嵌入。
VGGHeads: 基于大规模合成数据集的3D多头部对齐
机构 * University of Oxford（牛津大学） ； Piñata Farms ； Ukrainian Catholic University（乌克兰天主大学）
AI总结 提出VGGHeads，一个由扩散模型生成的大规模合成数据集，用于单步同时进行头部检测和3D网格重建，在真实图像上表现优异。
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