K-Track: Kalman-Enhanced Tracking for Accelerating Deep Point Trackers on Edge Devices
K-Track: Kalman增强的跟踪用于加速边缘设备上的深度点跟踪器
机构 * Northeastern University（东北大学）
AI总结 K-Track通过结合深度学习与卡尔曼滤波，实现边缘设备上点跟踪的高效部署，提升速度的同时保持高精度。
高校专区
Northeastern University（东北大学）
Lang2Motion: Bridging Language and Motion through Joint Embedding Spaces
Lang2Motion: 通过联合嵌入空间连接语言与运动
机构 * Northeastern University（东北大学）
AI总结 Lang2Motion通过联合嵌入空间连接语言与运动，利用文本描述和视觉化监督生成高精度的轨迹，实现跨领域运动迁移和风格编辑。
Semantic-Aware Confidence Calibration for Automated Audio Captioning
语义感知的置信度校准用于自动化音频字幕生成
机构 * Khoury College of Computer Science（科里学院计算机科学学院） ； Northeastern University（东北大学）
AI总结 本研究提出语义感知的置信度校准方法，通过整合置信度预测和语义相似性，提升音频字幕生成的可靠性与准确性。
Comments 5 pages, 2 figures
DEGS: Deformable Event-based 3D Gaussian Splatting from RGB and Event Stream
DEGS: 从RGB和事件流中基于可变形的3D高斯点云重建
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Hong Kong（香港大学） ； Northeastern University（东北大学）
AI总结 本文提出DEGS框架，结合RGB和事件流优化动态3DGS，通过事件运动先验指导变形场优化，提升重建性能。
Comments Accepted by IEEE TVCG
Journal ref 2025 IEEE Transactions on Visualization and Computer Graphics
LibIQ: Toward Real-Time Spectrum Classification in O-RAN dApps
LibIQ：迈向O-RAN dApps中的实时频谱分类
机构 * Sapienza University of Rome（罗马萨皮恩扎大学） ； Institute for the Wireless Internet of Things（无线互联网研究所） ； Northeastern University（东北大学）
AI总结 LibIQ通过实时处理I/Q样本和CNN分类，实现O-RAN dApps中的高效频谱分类，准确率达97.8%
Comments 6 pages, 5 figures, 2 tables
Journal ref 2025 23rd Mediterranean Communication and Computer Networking Conference (MedComNet), Cagliari, Italy, 2025, pp. 1-6
Symmetry in Neural Network Parameter Spaces
神经网络参数空间中的对称性
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Northeastern University（东北大学）
AI总结 本文探讨了神经网络参数空间中的对称性，分析其对优化、泛化和模型复杂性的影响，并总结了相关研究的现状与未来方向。
Comments Published in Transactions on Machine Learning Research (TMLR)
