Nanyang Technological University（南洋理工大学）

Power Battery Detection

动力电池检测

Xiaoqi Zhao, Peiqian Cao, Chenyang Yu, Zonglei Feng, Lihe Zhang, Hanqi Liu, Jiaming Zuo, Youwei Pang, Jinsong Ouyang, Weisi Lin, Georges El Fakhri, Huchuan Lu, Xiaofeng Liu

机构 * Yale University, USA（耶鲁大学，美国） ； Dalian University of Technology, China（大连理工大学，中国） ； Volkswagen Automotive Co., Ltd（大众汽车有限公司） ； X3000 Inspection Co., Ltd（X3000检测有限公司） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡） 纠错

AI总结 针对动力电池X射线图像中极板端点定位任务，提出首个大规模基准PBD5K和点级分割模型MDCNeXt，通过多维度结构线索与状态空间模块提升检测精度。

Comments Accepted by International Journal of Computer Vision (IJCV). Code: https://github.com/NTU-AI4X/X-ray-PBD

Random Erasing vs. Model Inversion: A Promising Defense or a False Hope?

随机擦除 vs. 模型反演：有希望的防御还是虚假的希望？

Viet-Hung Tran, Ngoc-Bao Nguyen, Son T. Mai, Hans Vandierendonck, Ira Assent, Alex Kot, Ngai-Man Cheung

机构 * Temasek Laboratories, Singapore University of Technology and Design（Temasek实验室，新加坡技术与设计大学） ； The Queen’s University Belfast（女王大学贝尔法斯特分校） ； Aarhus University（阿arhus大学） ； Nanyang Technological University (NTU)（南洋理工大学（NTU）；河内 Vin 大学） ； VinUniversity, Hanoi, Vietnam 纠错

AI总结 本文探索随机擦除（RE）作为防御模型反演攻击的方法，通过特征空间分析揭示其有效性，并在37种设置下实现隐私-效用权衡的最优性能。

Comments Accepted in Transactions on Machine Learning Research (TMLR). First two authors contributed equally

AC-LIO: Towards Asymptotic Compensation for Distortion in LiDAR-Inertial Odometry via Selective Intra-Frame Smoothing

AC-LIO：通过选择性帧内平滑实现激光雷达-惯性里程计中畸变的渐近补偿

Tianxiang Zhang, Xuanxuan Zhang, Wenlei Fan, Xin Xia, Huai Yu, Lin Wang, You Li

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS), Wuhan University, China（信息工程测绘遥感国家重点实验室（LIESMARS），武汉大学，中国） ； Department of Mechanical Engineering, University of Michigan-Dearborn（密歇根大学迪尔伯恩分校机械工程系） ； Electronic Information School, Wuhan University, China（武汉大学电子信息学院，中国） ； School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子电气工程学院，新加坡） 纠错

AI总结 提出AC-LIO框架，通过渐近反向传播更新项并在收敛准则指导下补偿残余运动畸变，以最小计算开销提升离散状态LIO系统精度，在长期大尺度定位中平均RMSE降低30.4%。

Comments 11 pages, 9 figures

Concrete Subspace Learning based Interference Elimination for Multi-task Model Fusion

基于具体子空间学习的多任务模型融合干扰消除

Anke Tang, Xianglin Luo, Li Shen, Yong Luo, Liang Ding, Han Hu, Bo Du, Dacheng Tao

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Sun Yat-sen University（中山大学） ； Alibaba Group（阿里巴巴集团） ； School of Information and Electronics, Beijing Institute of Technology（北京理工大学信息与电子学院） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 提出连续松弛离散子空间学习方法，通过元学习框架识别低维共享子空间，解决多任务模型融合中的参数冲突问题，在视觉和语言任务上验证有效性。