Harbin Institute of Technology（哈尔滨工业大学）

Just Noticeable Difference Modeling for Deep Visual Features

深度视觉特征的可察觉差异建模

Rui Zhao, Wenrui Li, Lin Zhu, Yajing Zheng, Weisi Lin

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（新加坡南洋理工大学计算与数据科学学院） ； Department of Computer Science and Technology, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学计算机科学与技术学院） ； School of Artificial Intelligence, Beijing Normal University, Beijing, China（北京师范大学人工智能学院） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机学院） 纠错

AI总结 本文提出FeatJND模型，用于深度视觉特征的可察觉差异建模，通过任务对齐的容忍边界提升特征质量控制和量化效率。

Edge Collaborative Gaussian Splatting with Integrated Rendering and Communication

边缘协同高斯点散布与集成渲染与通信

Yujie Wan, Chenxuan Liu, Shuai Wang, Tong Zhang, James Jianqiao Yu, Kejiang Ye, Dusit Niyato, Chengzhong Xu

机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； University of Macau（澳门大学） 纠错

AI总结 本文提出边缘协同高斯点散布与集成渲染与通信方法，通过联合优化协作状态和边缘功率分配，解决低成本设备渲染质量退化问题，并通过PMM和ILO算法提升性能与效率。

Comments IEEE ICASSP, Barcelona, Spain, 2026

CE-GOCD: Central Entity-Guided Graph Optimization for Community Detection to Augment LLM Scientific Question Answering

CE-GOCD：基于社区检测的中心实体引导图优化用于增强LLM科学问答

Jiayin Lan, Jiaqi Li, Baoxin Wang, Ming Liu, Dayong Wu, Shijin Wang, Bing Qin, Guoping Hu

机构 * Harbin Institute of Technology, Harbin, China（哈尔滨工业大学） ； State Key Laboratory of Cognitive Intelligence, iFLYTEK Research, China（认知智能国家重点实验室） 纠错

AI总结 CE-GOCD通过构建和利用学术知识图谱的语义子结构，提升LLM在科学问答中的表现，通过中心实体引导的图优化和社区检测增强问答的准确性和全面性。

Comments Accepted by IEEE ICASSP 2026

PathReasoner-R1: Instilling Structured Reasoning into Pathology Vision-Language Model via Knowledge-Guided Policy Optimization

PathReasoner-R1: 通过知识引导的策略优化在病理视觉-语言模型中引入结构化推理

Songhan Jiang, Fengchun Liu, Ziyue Wang, Linghan Cai, Yongbing Zhang

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学） ； Technical University of Dresden（德累斯顿技术大学） 纠错

AI总结 PathReasoner-R1通过知识引导的策略优化，在病理视觉-语言模型中引入结构化推理，提升模型的临床推理能力和鲁棒性。