Likelihood-Separable Diffusion Inference for Multi-Image MRI Super-Resolution
基于似然分离的扩散推理用于多图像MRI超分辨率
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出了一种基于扩散模型的多图像MRI超分辨率方法，通过分离似然校正实现高效推理，显著提升了各向异性退化下的超分辨率性能。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
CausalSpatial: A Benchmark for Object-Centric Causal Spatial Reasoning
CausalSpatial: 一个用于以对象为中心的因果空间推理的基准
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 CausalSpatial提出一个基准测试，评估模型在因果空间推理中的能力，揭示当前MLLMs在3D场景中处理‘如果’问题的不足，并提出COW模型以改进基于物理现实的推理。
Comments Code is available: https://github.com/CausalSpatial/CausalSpatial
Objective Evaluation of Prosody and Intelligibility in Speech Synthesis via Conditional Prediction of Discrete Tokens
通过条件预测离散令牌对语音合成的语调和可懂性进行客观评估
机构 * Center for Language and Speech Processing (CLSP), Johns Hopkins University（语言与语音处理中心（CLSP），约翰·霍普金斯大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出TTScore，一种基于条件预测离散语音令牌的无参考评估框架，用于更准确地评估语音合成的语调和可懂性。
Comments Accepted in IEEE Open Journal of Signal Processing, 2026
Generative Personality Simulation via Theory-Informed Structured Interview
通过理论指导的结构化访谈生成人格模拟
机构 * Department of Psychological Sciences & 2 Department of Computer Science, Rice University（1 心理学系 & 2 计算机科学系，莱斯大学） ； Department of Electrical and Computer Engineering, Northeastern University（3 电气与计算机工程系，东北大学） ； Department of Computer Science, Johns Hopkins University（4 计算机科学系，约翰霍普金斯大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出通过理论指导的结构化访谈提升LLM生成的人格数据异质性，结合心理测量理论改进模拟保真度，并预测人格相关行为结果。
Comments Accepted at EACL 2026; 87 Pages, 68 Tables, 10 Figures
DiffusionQC: Artifact Detection in Histopathology via Diffusion Model
DiffusionQC：通过扩散模型在病理学中检测伪影
机构 * Johns Hopkins University Dept. of Biomedical Engineering（约翰霍普金斯大学生物医学工程系） ； Merck & Co., Inc. Biometrics Research（默克公司生物度量研究） ； Merck & Co., Inc. Translational Medicine（默克公司转化医学）
AI总结 DiffusionQC通过扩散模型检测病理学图像中的伪影，无需大量标注数据，实现高效且泛化的伪影识别。
Comments 7 pages
Reframing Conversational Design in HRI: Deliberate Design with AI Scaffolds
重新定义人机交互中的对话设计：借助AI支架的有意设计
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Chicago（芝加哥大学）
AI总结 本文提出AI辅助对话引擎ACE，通过AI支架支持人机对话的有意设计，提升对话提示的清晰度和交互质量。
RemoteVAR: Autoregressive Visual Modeling for Remote Sensing Change Detection
RemoteVAR: 远程传感变化检测的自回归视觉建模
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 RemoteVAR通过自回归模型和交叉注意力机制提升遥感变化检测的性能，实现对双时序特征的高效建模与预测。
FaceXBench: Evaluating Multimodal LLMs on Face Understanding
FaceXBench: 评估多模态大语言模型在面部理解上的能力
机构 * Department of Computer Science, Johns Hopkins University（计算机科学系，约翰霍普金斯大学） ； 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）
AI总结 FaceXBench通过5000个多模态问题评估MLLMs在面部理解上的能力，揭示了现有模型在复杂任务中的不足。
Comments Accepted in IEEE T-BIOM. Project Page: https://kartik-3004.github.io/facexbench/
Super Monotonic Alignment Search
超单调对齐搜索
机构 * Center for Language and Speech Processing, Johns Hopkins University, Baltimore, MD, USA（语言与语音处理中心，约翰霍普金斯大学，巴尔的摩，马里兰州，美国） ； Supertone Inc.（Supertone公司）
AI总结 本文提出在GPU上通过Triton内核和PyTorch JIT脚本加速单调对齐搜索，使其在极端长度情况下速度提升72倍。
Comments Accepted to ICASSP 2026
