Imperial College London（帝国理工学院）

Disentangling Progress in Medical Image Registration: Beyond Trend-Driven Architectures towards Domain-Specific Strategies

解构医学图像配准的进步：超越趋势驱动的架构，迈向领域特定的策略

Bailiang Jian, Jiazhen Pan, Rohit Jena, Morteza Ghahremani, Hongwei Bran Li, Daniel Rueckert, Christian Wachinger, Benedikt Wiestler

机构 * 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） ； Imperial College London（伦敦帝国理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文通过模块化框架解构医学图像配准中趋势驱动架构与领域特定设计的影响，发现后者在性能提升上优于前者，推动研究重点转向领域特定原则。

Comments Submitted to Medical Image Analysis. Journal Extension of arXiv:2407.19274

SARL: Spatially-Aware Self-Supervised Representation Learning for Visuo-Tactile Perception

SARL: 用于视觉-触觉感知的时空自监督表征学习

Gurmeher Khurana, Lan Wei, Dandan Zhang

机构 * Department of Bioengineering, Imperial-X Initiative, Imperial College London（生物工程系、Imperial-X计划、帝国理工学院伦敦分校） 纠错

AI总结 SARL通过引入三个地图级目标，提升视觉-触觉数据的自监督学习效果，实现更精确的机器人感知。

Parallel Delayed Memory Units for Enhanced Temporal Modeling in Biomedical and Bioacoustic Signal Analysis

并行延迟记忆单元用于生物医学和生物声学信号分析中的增强时间建模

Pengfei Sun, Wenyu Jiang, Paul Devos, Dick Botteldooren

机构 * Department of Information Technology, WAVES Research Group, Ghent University（信息科技系、WAVES研究组、根特大学） ； Department of Electrical and Electronic Engineering, Imperial College London（电子与电气工程系、伦敦帝国学院） 纠错

AI总结 并行延迟记忆单元通过门控延迟线机制提升生物医学和生物声学信号的时间建模能力，增强记忆效率与模型性能。

Comments Accepted for publication in IEEE Transactions on Audio, Speech and Language Processing, 2025

Journal ref IEEE Transactions on Audio, Speech and Language Processing, 2025

Recognizing Pneumonia in Real-World Chest X-rays with a Classifier Trained with Images Synthetically Generated by Nano Banana

用Nano Banana生成的合成图像训练分类器以在真实世界胸片中识别肺炎

Jiachuan Peng, Kyle Lam, Jianing Qiu

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Oxford（牛津大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 利用Nano Banana生成的合成图像训练分类器，实现在真实世界胸片中识别肺炎，取得较高AUROC和AUPR，但存在提示设计和数据对齐的挑战。

Comments 9 pages

MimeQA: Towards Socially-Intelligent Nonverbal Foundation Models

MimeQA: 向具有社会智能的非语言基础模型迈进

Hengzhi Li, Megan Tjandrasuwita, Yi R. Fung, Armando Solar-Lezama, Paul Pu Liang

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 MimeQA通过引入非语言互动数据集，评估视频大语言模型在非语言社会推理中的表现，发现其准确率较低，人类表现更优。

Comments NeurIPS 2025 Datasets and Benchmarks

Value-oriented forecast reconciliation for renewables in electricity markets

面向价值的可再生能源电力市场预测协调

Honglin Wen, Pierre Pinson

机构 * Department of Electrical Engineering, Shanghai Jiao Tong University, China（上海交通大学电气工程系） ； Dyson School of Design Engineering, Imperial College London, United Kingdom（帝国理工学院伦敦戴森设计工程学院） ； Department of Technology, Management and Economics, Technical University of Denmark, Denmark（丹麦技术大学技术、管理与经济系） ； CoRE, Aarhus University, Denmark（奥胡斯大学CoRE） 纠错

AI总结 本文提出了一种面向价值的预测协调方法，通过纳什谈判框架确保公平性，提升多智能体环境下可再生能源交易的利润分配效率。

Comments preprint of European Journal of Operational Research

A Hierarchical Framework for Humanoid Locomotion with Supernumerary Limbs

具有冗余肢体的人形机器人类似运动的分层框架

Bowen Zhi

机构 * Imperial College London（伦敦帝国学院） 纠错

AI总结 本文提出了一种分层框架，通过结合学习运动和模型平衡，提高人形机器人在冗余肢体下的运动稳定性。

The Impact of Concept Explanations and Interventions on Human-Machine Collaboration

概念解释与干预对人机协作的影响

Jack Furby, Dan Cunnington, Dave Braines, Alun Preece

机构 * Cardiff University（卡迪夫大学） ； Imperial College London（伦敦帝国学院） ； IBM Research Europe（IBM欧洲研究院） 纠错

AI总结 本文研究了概念瓶颈模型（CBMs）在人机协作中的影响，发现其提升可解释性但未显著提高任务准确率。

Comments 24 pages, 5 figures, 8 tables. Accepted at The World Conference on eXplainable Artificial Intelligence 2025 (XAI-2025). The Version of Record of this chapter is published in Explainable Artificial Intelligence, and is available online at https://doi.org/10.1007/978-3-032-08317-3_12. The version published here includes minor typographical corrections

Journal ref Explainable Artificial Intelligence, Springer Nature Switzerland, 2026, pp. 255-280