Johns Hopkins University（约翰斯·霍普金斯大学）

Computerized Assessment of Motor Imitation for Distinguishing Autism in Video (CAMI-2DNet)

基于视频的计算机化运动模仿评估用于区分自闭症（CAMI-2DNet）

Kaleab A. Kinfu, Carolina Pacheco, Alice D. Sperry, Deana Crocetti, Bahar Tunçgenç, Stewart H. Mostofsky, René Vidal

机构 * Center for Innovation in Data Engineering and Science at the University of Pennsylvania（宾夕法尼亚大学创新数据工程与科学中心） ； Department of Biomedical Engineering at Johns Hopkins University（约翰霍普金斯大学生物医学工程系） ； Center for Neurodevelopmental and Imaging Research at the Kennedy Krieger Institute（肯尼迪-克里格尔研究所神经发育与成像研究中心） ； Department of Neurology and the Department of Psychiatry and Behavioral Sciences at the Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院神经学系和精神病学与行为科学系） ； Department of Psychology at the Nottingham Trent University（诺丁汉特伦特大学心理学系） 纠错

AI总结 CAMI-2DNet是一种基于深度学习的视频运动模仿评估方法，通过解耦干扰因素实现对自闭症与神经正常个体的高效区分。

Comments This work has been accepted for publication in IEEE Transactions on Biomedical Engineering

The Deepfake Detective: Interpreting Neural Forensics Through Sparse Features and Manifolds

深度伪造侦探：通过稀疏特征和流形进行神经取证解释

Subramanyam Sahoo, Jared Junkin

机构 * Berkeley AI Safety Initiative (BASIS) University of California, Berkeley（伯克利人工智能安全倡议（BASIS）大学伯克利） ； Department of Electrical and Computer Engineering Johns Hopkins University（电气与计算机工程系约翰霍普金斯大学） 纠错

AI总结 本文提出了一种通过稀疏特征和流形分析来解释深度伪造检测模型的框架，揭示了模型内部特征的使用规律和几何属性变化，以提升模型的可解释性和鲁棒性。

Comments 10 pages, 5 figures, Initial Work