Peking University（北京大学）

EchoBridge: Long-Tail-Aware ECG-Echocardiography Text Alignment for Echocardiography-Derived Cardiac Findings

回声桥：用于超声心动图衍生心脏发现的长尾感知心电图-超声心动图文本对齐

Xiaocheng Fang, Jieyi Cai, Guangkun Nie, Haoyu Wang, Jiarui Jin, Yujie Xiao, Bo Liu, Chenyang He, Qinghao Zhao, Gaofeng Cheng, Hongyan Li, Shenda Hong

机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； University of the Chinese Academy of Sciences（中国科学院大学） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能重点实验室） ； National Institute of Health Data Science, Peking University（北京大学健康数据科学研究所） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科） 纠错

AI总结 研究旨在解决超声心动图衍生心脏发现的心电图表示问题。提出回声桥方法，含互补共享-私有投影与自适应原型边界校准。经多种协议评估，该方法在指标上超越最强基线，并在多数情况包括低流行瓣膜发现上有增益。

Physics Transformer: Tailoring Transformer for General PDE Prediction

物理变压器：为一般偏微分方程预测定制变压器

Guoze Sun, Rui Zhang, Jiankai Tang, Mengtao Yan, Runze Mao, Zhi X. Chen, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； School of Mechanics and Engineering Science, Peking University（北京大学力学与工程科学学院） 纠错

AI总结 研究如何将Transformer应用于偏微分方程预测，提出基于函数投影的物理变压器架构，它能将物理场离散化并投影得到紧凑物理令牌，在多样基准实验中准确捕捉物理结构，取得先进预测性能，为PDE求解的Transformer架构设计奠定基础。

Comments Original version. To be updated

NSL-SLAM: High-Fidelity Neural Structured-Light Depth for Practical SLAM and Reconstruction

NSL-SLAM：用于实际SLAM和重建的高保真神经结构光深度

Jiaheng Li, Binsheng Zhang, Xinhai Chang, Wenzheng Chen

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； School of Computer Science and Technology, Beihang University（北京航空航天大学计算机科学与技术学院） ； Yuanpei College, Peking University（北京大学元培学院） 纠错

AI总结 研究针对高保真结构光深度定制实用SLAM系统，核心方法是强化深度感知并构建以深度为中心的管道，主要贡献是提升跟踪精度、降低轨迹偏差，实现实用稳健的SLAM且运行速度达20.9 FPS。

Comments 13 pages, 9 figures

MSVS-VAE: Multi-Scale Anchored VecSet for High-Fidelity 3D Reconstruction

MSVS-VAE：用于高保真3D重建的多尺度锚定向量集

Dehao Hao, Kaiyi Zhang, Tanghui Jia, Xiangjun Gao, Dongyu Yan, Weikai Chen, Zeyu Hu, Lingting Zhu, Yingda Yin, Runze Zhang, Li Yuan, Xin Wang, Long Quan

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lightspeed Studios（光速工作室） 纠错

AI总结 研究针对高保真3D重建中VAE的瓶颈问题，提出MSVS-VAE。通过分层点洗牌上采样 densify 锚定向量集潜在特征，用AVS-Conv取代全局交叉注意力，引入多尺度查询解码融合特征，实验表明其性能优于现有方法，解码速度和紧凑性有显著提升。

LoTA-N2N: Local Trace Adaptation for Zero-Shot Self-Supervised Image Denoising

LoTA-N2N：用于零样本自监督图像去噪的局部迹线自适应

Jintong Hu, Bin Xia, Junlin Liu, Jiayue Liu, Wenming Yang

机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Southern California（南加州大学） ； Peking University（北京大学） 纠错

AI总结 研究针对单图像自监督去噪问题，提出LoTA-N2N两阶段零样本自适应框架，通过估计局部相互作用和控制空间抵消，在多种噪声下实验效果优于仅基于MSE的方法，为无配对干净目标等情况的自监督去噪提供有效设计原则。

Comments 22pages, 9 tables, 11 figures

Cascade Forgery Mining Network for Fingerprint Presentation Attack Detection

用于指纹呈现攻击检测的级联伪造挖掘网络

Hongyan Fei, Chuanwei Huang, Zheng Wang, Pengcheng Luo, Jingwei Li, Jufu Feng

机构 * Peking University（北京大学） 纠错

AI总结 针对指纹呈现攻击检测中不同区域伪像提取难度不同的问题，提出用局部Gabor特征确定性量化AED并分区，构建AED引导的级联伪造挖掘网络及方向引导对抗训练模块，实验证明该方法优于现有方法，提升了高AED指纹分类能力。

Towards Ultrafast Depth Sensing Via Active Event-based Stereo Vision

通过基于主动事件的立体视觉实现超快速深度感知

Jianing Li, Yunjian Zhang, Haiqian Han, Kangyao Huang, Xiangyang Ji

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Peng Cheng Laboratory（鹏城实验室） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

AI总结 针对传统主动立体系统在快速运动场景的问题，提出基于主动事件的立体视觉，构建数据集，创新设计ActiveEventNet+网络，性能优于现有方法，降低计算复杂度，能实现高速实时处理，为高速深度感知相机系统设计提供新思路。

Comments Accepted by TPAMI

Neuromorphic Object Detection: An In-Depth Study and Future Directions

神经形态目标检测：深入研究与未来方向

Jianing Li, Dianze Li, Arren Glover, Xiaopeng Fan, Guoqi Li, Chiara Bartolozzi, Ryad B. Benosman, Yonghong Tian

机构 * Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Chinese Academy of Sciences（中国科学院） ； Italian Institute of Technology（意大利理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh（匹兹堡大学） ； Sorbonne Université（索邦大学） ； INSERM（法国国家健康与医学研究院） ； CNRS（法国国家科学研究中心） ； Institut de la Vision（视觉研究所） 纠错

AI总结 针对传统相机在特定条件下目标检测的挑战，本文对神经形态目标检测算法进行全面调查和基准测试，从多视角探索现有方法，评估多种模型并分析结果，讨论未解决问题，为该领域研究提供资源与方向。

Comments Accepted by Proceedings of the IEEE