University of Michigan（密歇根大学安娜堡分校）

Enhancing Predictability of Multi-Tenant DNN Inference for Autonomous Vehicles' Perception

增强自动驾驶车辆感知的多租户DNN推理可预测性

Liangkai Liu, Kang G. Shin, Jinkyu Lee, Chengmo Yang, Weisong Shi

机构 * Department of Electrical Engineering and Computer Science, University of Michigan（电气工程与计算机科学系，密歇根大学） ； Department of Computer Science and Engineering, Yonsei University（计算机科学与工程系，延世大学） ； Department of Computer and Information Sciences, University of Delaware（计算机与信息科学系，特拉华大学） 纠错

AI总结 PP-DNN通过动态选择关键帧和ROIs提升自动驾驶车辆感知的DNN推理可预测性。

Comments 13 pages, 12 figures

Kernel-Based Learning of Chest X-ray Images for Predicting ICU Escalation among COVID-19 Patients

基于核方法的胸片学习用于预测新冠患者ICU升级

Qiyuan Shi, Jian Kang, Yi Li

机构 * University of Michigan（密歇根大学） ； Department of Biostatistics（生物统计学系） 纠错

AI总结 本文提出GLIMARK方法，通过多核学习扩展以处理指数族输出变量，用于预测新冠患者ICU升级并提取临床特征。

Copyright Detective: A Forensic System to Evidence LLMs Flickering Copyright Leakage Risks

版权侦探：一种用于证据LLM闪烁版权泄露风险的取证系统

Guangwei Zhang, Jianing Zhu, Cheng Qian, Neil Gong, Rada Mihalcea, Zhaozhuo Xu, Jingrui He, Jiaqi Ma, Yun Huang, Chaowei Xiao, Bo Li, Ahmed Abbasi, Dongwon Lee, Heng Ji, Denghui Zhang

机构 * Pine AI ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Duke University（杜克大学） ； University of Michigan（密歇根大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Notre Dame（圣母大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 Copyright Detective 是一种交互式系统，用于检测和可视化LLM输出中的版权风险，通过整合多种检测方法实现系统性审计。

RepAir: A Framework for Airway Segmentation and Discontinuity Correction in CT

RepAir：一种用于CT扫描气道分割和不连续性校正的框架

John M. Oyer, Ali Namvar, Benjamin A. Hoff, Wassim W. Labaki, Ella A. Kazerooni, Charles R. Hatt, Fernando J. Martinez, MeiLan K. Han, Craig J. Galbán, Sundaresh Ram

机构 * University of Michigan（密歇根大学） ； D Medical, Inc.（4D医疗公司） ； University of Massachusetts（马萨诸塞大学） ； Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 RepAir通过结合nnU-Net网络和解剖学指导的拓扑校正，实现了更完整且解剖学一致的3D气道分割，优于现有方法。

Comments 4 pages, 3 figures, 1 table. Oral presentation accepted to SSIAI 2026 Conference on Jan 20, 2026