University of Southern California（南加州大学）

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

MaskAttn-SDXL: Controllable Region-Level Text-To-Image Generation

MaskAttn-SDXL：可控区域级文本到图像生成

Yu Chang, Jiahao Chen, Anzhe Cheng, Paul Bogdan

机构 * University of Southern California（南加州大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出MaskAttn-SDXL模块，通过在softmax前注入token条件空间门控，解决扩散模型在多物体生成中的全局协调和可靠性问题，无需改变SDXL流程。

Comments Published in the 2026 International Joint Conference on Neural Networks (IJCNN 2026)

Journal ref Proceedings of the 2026 International Joint Conference on Neural Networks (IJCNN 2026)

A Cascaded Edge-Cloud Architecture for Automated Diabetic Retinopathy Screening

弥合农村医疗差距：一种级联边缘-云架构用于自动化视网膜筛查

Nishi Doshi, Shrey Shah

机构 * University of Southern California（南加州大学） 纠错

AI总结 本文提出一种边缘-云级联架构，利用轻量级MobileNetV3-small模型在本地设备进行视网膜病变初步筛查，再通过云上的RETFoundDINOv2模型进行严重程度分级，从而降低云计算成本并提高筛查效率。

Comments Accepted in IEEE International Conference on Responsible Artificial Intelligence (IRAI) 2026