Imperial College London（帝国理工学院）

DFALLM: Achieving Generalizable Multitask Deepfake Detection by Optimizing Audio LLM Components

DFALLM：通过优化音频LLM组件实现通用多任务深度伪造检测

Yupei Li, Li Wang, Yuxiang Wang, Lei Wang, Rizhao Cai, Jie Shi, Björn W. Schuller, Zhizheng Wu

机构 * Imperial College London（伦敦帝国学院） ； Chinese University HongKong, Shenzhen, China（香港中文大学（深圳）） ； Huawei, Singapore（新加坡华为） ； Technical University Munich, Munich, German（慕尼黑技术大学） 纠错

AI总结 DFALLM通过优化音频LLM组件，实现了通用多任务深度伪造检测，取得SOTA性能。

Relational Anatomical Supervision for Accurate 3D Multi-Chamber Cardiac Mesh Reconstruction

关系解剖监督用于准确的3D多腔心脏网格重建

Chenyu Zhang, Yihao Luo, Lei Zhu, Martyn G Boutelle, Choon Hwai Yap, Guang Yang

机构 * Bioengineering Department Imperial College London, London W12 7SL, United Kingdom ； Lung Institute, Imperial College London, London, United Kingdom ； Cardiovascular Research Centre, Royal Brompton Hospital, London SW3 6NP, United Kingdom ； School of Biomedical Engineering \& Imaging Sciences, King's College London, London WC2R 2LS, United Kingdom ； ROAS Thrust, Hong Kong University of Science ； Department of Electronic ； Computer Engineering, Hong Kong University of Science 纠错

AI总结 本文提出了一种关系解剖监督框架，通过引入MIE损失，提升多腔心脏网格重建的准确性和解剖一致性。

CogDoc: Towards Unified thinking in Documents

CogDoc: 向文档中的统一思维迈进

Qixin Xu, Haozhe Wang, Che Liu, Fangzhen Lin, Wenhu Chen

机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Waterloo（滑铁卢大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 CogDoc提出一种统一的粗到细思维框架，通过直接强化学习提升文档推理性能，优于现有方法并在视觉丰富任务中表现优异。

Is GPT-OSS Good? A Comprehensive Evaluation of OpenAI's Latest Open Source Models

GPT-OSS好吗？对OpenAI最新开源模型的综合评估

Ziqian Bi, Keyu Chen, Chiung-Yi Tseng, Danyang Zhang, Tianyang Wang, Hongying Luo, Lu Chen, Junming Huang, Jibin Guan, Junfeng Hao, Xinyuan Song, Junhao Song

机构 * AI Agent Lab, Vokram Group（AI代理实验室，Vokram集团） ； Purdue University（普渡大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Minnesota（明尼苏达大学） ； Emory University（埃默里大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 GPT-OSS在代码生成方面表现优异，但在多语言任务上存在不足，研究发现稀疏架构扩展未必能带来性能提升。

Dynamic Dual Buffer with Divide-and-Conquer Strategy for Online Continual Learning

动态双缓冲与分治策略用于在线持续学习

Congren Dai, Huichi Zhou, Jiahao Huang, Zhenxuan Zhang, Fanwen Wang, Yijian Gao, Guang Yang, Fei Ye

机构 * Department of Computing, Imperial College London（帝国理工学院计算机系） ； Department of Bioengineering, Imperial College London（帝国理工学院生物工程系） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） 纠错

AI总结 本文提出ODEDM框架，通过动态双缓冲与分治策略，有效缓解在线持续学习中的灾难性遗忘问题，实现跨数据集的高性能表现。

InfoMotion: A Graph-Based Approach to Video Dataset Distillation for Echocardiography

InfoMotion: 一种基于图的方法用于超声心动图视频数据集蒸馏

Zhe Li, Hadrien Reynaud, Alberto Gomez, Bernhard Kainz

机构 * Department AIBE, FAU Erlangen-Nürnberg, Erlangen, Germany（AIBE部门，埃尔朗根-纽伦堡大学，德国） ； Department of Computing, Imperial College London, London, UK（计算系，伦敦帝国学院，英国） ； Ultromics Ldt., Oxford, UK（Ultromics公司，英国） 纠错

AI总结 本文提出一种基于图的方法，通过运动特征提取和Infomap算法，高效蒸馏超声心动图视频数据集，提升数据集的紧凑性和信息量。

Comments Accepted at MICAD 2025