The University of Hong Kong（香港大学）

Ultrasound-Guided Real-Time Spinal Motion Visualization for Spinal Instability Assessment

超声引导的实时脊柱运动可视化用于脊柱不稳定评估

Feng Li, Yuan Bi, Tianyu Song, Zhongliang Jiang, Nassir Navab

机构 * Chair for Computer Aided Medical Procedures and Augmented Reality（计算机辅助医疗程序与增强现实主席职位） ； Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Hong Kong（香港大学） 纠错

AI总结 本研究提出利用机器人超声与CBCT结合，实现低辐射的实时3D脊柱运动可视化，用于评估脊柱不稳定。

"Not Human, Funnier": How Machine Identity Shapes Humor Perception in Online AI Stand-up Comedy

不是人类，更有趣：机器身份如何塑造在线AI单口喜剧的幽默感知

Xuehan Huang, Canwen Wang, Yifei Hao, Daijin Yang, Ray LC

机构 * The University of Hong Kong Hong Kong, SAR China ； Carnegie Mellon University\ -Computer Interaction Institute Pittsburgh United States ； East China Normal University Shanghai China ； Northeastern University\ of Art, Media ； City University of Hong Kong\ for Narrative Spaces Hong Kong, SAR China ； The University of Hong Kong ； Carnegie Mellon University\ -Computer Interaction Institute ； East China Normal University ； City University of Hong Kong\ for Narrative Spaces 纠错

AI总结 本研究探讨了AI身份如何影响幽默感知，通过设计基于机器身份的代理，发现其在单口喜剧表演中比基线GPT代理更有趣，提出人机集成系统应明确利用AI的独特身份。

Comments 27 pages, 5 figures. Conditionally Accepted to CHI '26

CP-uniGuard: A Unified, Probability-Agnostic, and Adaptive Framework for Malicious Agent Detection and Defense in Multi-Agent Embodied Perception Systems

CP-uniGuard: 多智能体具身体验系统中恶意代理检测与防御的统一、概率无关和自适应框架

Senkang Hu, Yihang Tao, Guowen Xu, Xinyuan Qian, Yiqin Deng, Xianhao Chen, Sam Tak Wu Kwong, Yuguang Fang

机构 * Hong Kong JC STEM Lab of Smart City and Department of Computer Science, City University of Hong Kong（香港JC STEM实验室及城市大学计算机科学系） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； School of Data Science, Lingnan University（岭南大学数据科学学院） 纠错

AI总结 CP-uniGuard通过概率无关的样本共识和自适应阈值，实现多智能体系统中恶意代理的检测与防御。

Comments Accepted by IEEE Transactions on Mobile Computing (TMC)

The Hard-Constraint PINNs for Interface Optimal Control Problems

具有硬约束的PINNs用于界面最优控制问题

Ming-Chih Lai, Yongcun Song, Xiaoming Yuan, Hangrui Yue, Tianyou Zeng

机构 * National Yang Ming Chiao Tung University ； Friedrich-Alexander-Universität Erlangen-Nürnberg ； The University of Hong Kong ； Nankai University 纠错

AI总结 本文提出硬约束PINNs方法，用于精确满足界面最优控制问题中的边界和界面条件，提高求解精度和效率。

Journal ref SIAM Journal on Scientific Computing, 47 (2025), pp. C601-C629