Carnegie Mellon University（卡内基梅隆大学）

LPD: Learnable Prototypes with Diversity Regularization for Weakly Supervised Histopathology Segmentation

LPD: 可学习原型与多样性正则化用于弱监督病理分割

Khang Le, Anh Mai Vu, Thi Kim Trang Vo, Ha Thach, Ngoc Bui Lam Quang, Thanh-Huy Nguyen, Minh H. N. Le, Zhu Han, Chandra Mohan, Hien Van Nguyen

机构 * University of Houston（德克萨斯大学休斯顿分校） ； Ho Chi Minh City University of Technology（胡志明市技术大学） ； University of Information Technology（信息科技大学） ； Vietnam National University Ho Chi Minh City（越南胡志明市国家大学） ； University of Technology Sydney（悉尼技术大学） ； The University of Danang - VNUK Institute for Research and Executive Education（丹绒大学 - VNUK研究与执行教育学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Montefiore Medical Center, Albert Einstein College of Medicine（蒙特夫iore医疗中心，阿尔伯特·爱因斯坦医学院） 纠错

AI总结 本文提出一种单阶段可学习原型框架，通过多样性正则化提升病理分割性能，实现BCSS-WSSS上的最佳mIoU和mDice指标。

Comments Note: Khang Le and Anh Mai Vu contributed equally

Transformer-Enabled Diachronic Analysis of Vedic Sanskrit: Neural Methods for Quantifying Types of Language Change

基于Transformer的吠陀梵语历时分析：神经方法用于量化语言变化类型

Ananth Hariharan, David Mortensen

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本研究利用神经方法分析梵语历时变化，通过弱监督技术量化语言复杂度动态分布。

On the Holographic Geometry of Deterministic Computation

确定性计算的全息几何

Logan Nye

机构 * Carnegie Mellon University School of Computer Science（卡内基梅隆大学计算机科学学院） 纠错

AI总结 本文提出确定性计算在一维工作带上的全息表示，通过几何和信息论方法证明空间时间本体的算法信息由边界数据决定。

Comments 22 pages

Evo-1: Lightweight Vision-Language-Action Model with Preserved Semantic Alignment

Evo-1：轻量级视觉-语言-动作模型，保持语义对齐

Tao Lin, Yilei Zhong, Yuxin Du, Jingjing Zhang, Jiting Liu, Yinxinyu Chen, Encheng Gu, Ziyan Liu, Hongyi Cai, Yanwen Zou, Lixing Zou, Zhaoye Zhou, Gen Li, Bo Zhao

机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； EvoMind Tech（EvoMind科技） ； IAAR-Shanghai（IAAR-上海） ； SII ； Carnegie Mellon University（卡内基梅隆大学） ； University of Cambridge（剑桥大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 Evo-1是一种轻量级的视觉-语言-动作模型，通过减少计算并保持语义对齐，实现了高效的部署和强大的性能。

Comments Github: https://github.com/MINT-SJTU/Evo-1

Neural Eulerian Scene Flow Fields

神经欧拉场景流场

Kyle Vedder, Neehar Peri, Ishan Khatri, Siyi Li, Eric Eaton, Mehmet Kocamaz, Yue Wang, Zhiding Yu, Deva Ramanan, Joachim Pehserl

机构 * University of Pennsylvania（宾夕法尼亚大学） ； NVIDIA（英伟达） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 EulerFlow通过神经先验估计空间时间微分方程，实现高质量场景流估计，在多个领域表现优异，超越现有方法。

Comments Accepted to ICLR 2025. Winner of CVPR 2024 WoD Argoverse Scene Flow Challenge, Unsupervised Track. Project page at https://vedder.io/eulerflow