University of Cambridge（剑桥大学）

X2HDR: HDR Image Generation in a Perceptually Uniform Space

X2HDR：在感知均匀空间中实现HDR图像生成

Ronghuan Wu, Wanchao Su, Kede Ma, Jing Liao, Rafał K. Mantiuk

机构 * City University of Hong Kong（香港城市大学） ； Monash University（墨尔本大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 X2HDR通过感知均匀编码实现HDR图像生成，利用预训练模型适应HDR生成，提升图像保真度和动态范围。

Comments Project page: https://x2hdr.github.io/, Code: https://github.com/X2HDR/X2HDR

Evolving Afferent Architectures: Biologically-inspired Models for Damage-Avoidance Learning

进化感觉架构：生物启发的损伤规避学习模型

Wolfgang Maass, Sabine Janzen, Prajvi Saxena, Sach Mukherjee

机构 * Saarland University（萨尔兰大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Statistics and Machine Learning, German Center for Neurodegenerative Diseases (DZNE)（神经退行性疾病德国研究中心统计与机器学习部门） ； MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计学单位） 纠错

AI总结 本文提出生物启发的Afferent Learning框架，通过进化优化和强化学习结合，实现高效损伤规避学习，提升策略在长期任务中的年龄依赖行为适应能力。

Comments 16 pages, 6 figures

Interpolation of GEDI Biomass Estimates with Calibrated Uncertainty Quantification

利用校准不确定性量化进行GEDI生物量估计插值

Robin Young, Srinivasan Keshav

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 本文提出利用注意力神经过程（ANPs）进行GEDI生物量估计插值，通过校准不确定性量化提升预测准确性与不确定性校准效果。

Model Reconciliation through Explainability and Collaborative Recovery in Assistive Robotics

通过可解释性与协作恢复实现模型调和在辅助机器人中的应用

Britt Besch, Tai Mai, Jeremias Thun, Markus Huff, Jörn Vogel, Freek Stulp, Samuel Bustamante

机构 * German Aerospace Center (DLR), Robotics and Mechatronics Center (RMC)（德国航空航天中心（DLR）、机器人与机电中心） ； University of Cambridge, Department of Engineering（剑桥大学工程系） ； Universität Tübingen, Department of Psychology（图宾根大学心理学系） ； Leibniz-Institut für Wissensmedien (IWM)（莱比锡知识媒体研究所） ； Technical University of Munich（慕尼黑技术大学） 纠错

AI总结 本文提出了一种通过可解释性和协作恢复实现机器人与人类模型调和的方法，应用于辅助机器人领域。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

Rethinking Perplexity: Revealing the Impact of Input Length on Perplexity Evaluation in LLMs

重新思考困惑度：揭示输入长度对LLMs困惑度评估的影响

Letian Cheng, Junyan Wang, Yan Gao, Elliott Wen, Ting Dang, Hong Jia

机构 * University of Melbourne（墨尔本大学） ； University of Adelaide（阿德莱德大学） ； University of Cambridge（剑桥大学） ； University of Auckland（奥克兰大学） 纠错

AI总结 本文提出LengthBenchmark框架，系统研究输入长度对LLMs困惑度评估的影响，揭示长度偏见问题及改进评估方法。

Decoding Ambiguous Emotions with Test-Time Scaling in Audio-Language Models

通过测试时间缩放解码模糊情绪在音频-语言模型中

Hong Jia, Weibin Li, Jingyao Wu, Xiaofeng Yu, Yan Gao, Jintao Cheng, Xiaoyu Tang, Feng Xia, Ting Dang

机构 * University of Melbourne（墨尔本大学） ； University of Auckland（奥克兰大学） ； South China Normal University（华南师范大学） ； MIT（麻省理工学院） ； University of Cambridge（剑桥大学） ； RMIT（皇家墨尔本理工大学） 纠错

AI总结 本文提出首个基于测试时间缩放的音频语言模型模糊情绪识别基准，系统比较了八种ALMs和五种TTS策略，揭示了模型容量与情感模糊性之间的交互挑战。

Attention Is Not Retention: The Orthogonality Constraint in Infinite-Context Architectures

注意力并非记忆：无限上下文架构中的正交约束

Oliver Zahn, Matt Beton, Simran Chana

机构 * University of Cambridge（剑桥大学） 纠错

AI总结 本文提出知识对象（KOs）解决AI中语义干扰问题，通过结构化事实和哈希身份实现可靠记忆。

Comments 32 Pages, 7 Figures

Deep Biomechanically-Guided Interpolation for Keypoint-Based Brain Shift Registration

深度生物力学引导的关键点脑移位注册

Tiago Assis, Ines P. Machado, Benjamin Zwick, Nuno C. Garcia, Reuben Dorent

机构 * LASIGE, Faculdade de Ciências da Universidade de Lisboa（里斯本大学科学学院LASIGE中心） ； CRUK Cambridge Centre, University of Cambridge（剑桥大学CRUK剑桥中心） ； Department of Oncology, University of Cambridge（剑桥大学肿瘤学系） ； Intelligent System for Medicine Laboratory (ISML), School of Mechanical Engineering, The University of Western Australia（西澳大学机械工程学院医学智能系统实验室） ； MIND Team, Inria Saclay, Université Paris-Saclay, Palaiseau, France（法国巴黎萨克利大学MIND团队） ； Sorbonne Université, Institut du Cerveau - Paris Brain Institute - ICM, CNRS, Inria, Inserm, AP-HP, Hôpital de la Pitié Salpêtrière（索邦大学巴黎脑研究所-ICM） 纠错

AI总结 本文提出了一种深度学习框架，利用生物力学模拟生成合成数据，并通过残差3D U-Net实现关键点驱动的脑移位注册，有效提升形变估计精度。

Comments Accepted at COLlaborative Intelligence and Autonomy in Image-guided Surgery (COLAS) Workshop - MICCAI 2025