University of Washington（华盛顿大学）

FRAME: Learning the Adaptation Domain with a Mixture of Fractional-Fourier Experts

FRAME：基于分数阶傅里叶专家混合的自适应域学习

Tom Saliencro, Maya Lindqvist, Rohan Desai, Priya Nair, Daniel Whitmore

机构 * University of California, Irvine（加州大学尔湾分校） ； University of Washington（华盛顿大学） 纠错

AI总结 提出分数阶傅里叶专家混合适配器，通过可学习的分数阶在空间域与傅里叶域间连续插值，使每个低秩更新位于最紧凑的域，专家自然去相关，减少干扰并提升多任务组合性能。

Characterizing and Identifying Separable Graphical Models

可分离图模型的特征刻画与识别

Christopher Meek, Kayvan Sadeghi

机构 * University of Washington（华盛顿大学） ； University College London（伦敦大学学院） 纠错

AI总结 本文引入可分离图与本质可分离图，刻画了混合图中缺失边与分离集的关系，并给出了分离等价性的图论和分离性特征，最后提出识别等价类的算法。

Comments 69 pages, 7 figures, complete paper currently under submission

Tendon-Actuated Robots with a Tapered, Flexible Polymer Backbone: Design, Fabrication, and Modeling

具有锥形柔性聚合物背架的肌腱驱动机器人：设计、制造与建模

Harald Minde Hansen, Nandita Gallacher, Nicholas B. Andrews, Kristin Y. Pettersen, Jan Tommy Gravdahl, Mario di Castro

机构 * Mechatronics, Robotics and Operation Section, European Organization for Nuclear Research (CERN)（欧洲核子研究组织（CERN）机电学、机器人学与操作部门） ； Department of Aeronautics and Astronautics, University of Washington（华盛顿大学航空与航天系） ； Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（挪威科学技术大学（NTNU）工程 cybernetics 部门） 纠错

AI总结 本文提出了一种3D打印的肌腱驱动连续机器人，采用柔性锥形背架，通过几何锥形设计实现高曲率和增强的末端合规性，支持多种合规性机器人检测和操作任务。

AFFMAE: Scalable Vision Pre-Training for High-Resolution Microscopy Segmentation on Desktop Hardware

AFFMAE: 在桌面硬件上实现高分辨率显微图像分割的可扩展视觉预训练

David Smerkous, Zian Wang, Behzad Najafian

机构 * Department of Laboratory Medicine & Pathology, University of Washington（华盛顿大学检验医学与病理学系） ； Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院） ； Electrical Engineering & Computer Science, Oregon State University（俄勒冈州立大学电气工程与计算机科学系） 纠错

AI总结 提出AFFMAE框架，通过自适应离网格令牌合并实现分层预训练，在桌面硬件上以2倍预训练速度和减半内存达到与MAE相当的显微分割性能。

Comments ECCV 2026