Imperial College London（帝国理工学院）

SAMSA 2.0: Prompting Segment Anything with Spectral Angles for Hyperspectral Interactive Medical Image Segmentation

SAMSA 2.0：基于光谱角度的提示分割任意事物用于超光谱交互医学图像分割

Alfie Roddan, Tobias Czempiel, Chi Xu, Daniel S. Elson, Stamatia Giannarou

机构 * The Hamlyn Centre for Robotic Surgery, Department of Surgery and Cancer Imperial College London（哈姆林机器人手术中心、外科与癌症系帝国理工学院伦敦） 纠错

AI总结 SAMSA 2.0通过引入光谱角度提示，提升超光谱医学图像分割的准确性和鲁棒性，实现比RGB-only模型和先前光谱融合方法更高的Dice分数。

TabRep: Training Tabular Diffusion Models with a Simple and Effective Continuous Representation

TabRep: 通过简单有效的连续表示训练表格扩散模型

Jacob Si, Zijing Ou, Mike Qu, Zhengrui Xiang, Yingzhen Li

机构 * Imperial College London（伦敦帝国学院） ； Columbia University（哥伦比亚大学） 纠错

AI总结 TabRep通过统一连续表示训练表格扩散模型，实现高效生成高质量表格数据并保持隐私。

Comments TMLR 2026

Overcoming Growth-Induced Forgetting in Task-Agnostic Continual Learning

克服任务无关持续学习中的增长性遗忘

Yuqing Zhao, Jiannong Cao, Divya Saxena, Xiaoyun Liu, Changlin Song, Bo Yuan, Julie McCann

机构 * Hong Kong Polytechnic University（香港理工大学） ； Indian Institute of Technology（印度理工学院） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 SparseGrow通过梯度和参数稀疏性解决持续学习中的增长性遗忘问题，提升模型适应性与知识保留能力。

No Pose at All: Self-Supervised Pose-Free 3D Gaussian Splatting from Sparse Views

无姿态：从稀疏视图实现自监督的无姿态3D高斯点云渲染

Ranran Huang, Krystian Mikolajczyk

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

AI总结 SPFSplat通过自监督方法实现无姿态的3D高斯点云渲染，无需真实姿态信息即可在稀疏视图下实现高质量的视点合成和姿态估计。

Comments Project Page: https://ranrhuang.github.io/spfsplat/