University of Oxford（牛津大学）

A Hierarchical Computer Vision Pipeline for Physiological Data Extraction from Bedside Monitors

一种用于从床边监测器提取生理数据的分层计算机视觉管道

Vinh Chau, Khoa Le Dinh Van, Hon Huynh Ngoc, Binh Nguyen Thien, Hao Nguyen Thien, Vy Nguyen Quang, Phuc Vo Hong, Yen Lam Minh, Kieu Pham Tieu, Trinh Nguyen Thi Diem, Louise Thwaites, Hai Ho Bich

机构 * Oxford University Clinical Research Unit（牛津大学临床研究单位） ； Trung Vuong Hospital（中ung Vuong医院） ； Nuffield Department of Medicine, University of Oxford（牛津大学医学系） 纠错

AI总结 本文提出了一种基于计算机视觉的分层管道，用于从床边监测器屏幕自动提取生命体征数据，实现了高精度的监测器和ROI检测，提升了低资源环境下的数据整合能力。

Comments 11 pages, 3 figures

Adapting Like Humans: A Metacognitive Agent with Test-time Reasoning

像人类一样适应：具有测试时推理的元认知代理

Yang Li, Zhiyuan He, Yuxuan Huang, Zhuhanling Xiao, Chao Yu, Meng Fang, Kun Shao, Jun Wang

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学） ； University of Liverpool（利物浦大学） ； University College London（伦敦大学学院） 纠错

AI总结 本文提出元认知测试时推理框架，通过元认知自我更新实现模型在测试时的高效适应，实验表明其在Atari游戏中表现出优于基线的适应能力。

From Pixels to Feelings: Aligning MLLMs with Human Cognitive Perception of Images

从像素到感受：将MLLMs对齐于人类对图像的认知感知

Yiming Chen, Junlin Han, Tianyi Bai, Shengbang Tong, Filippos Kokkinos, Philip Torr

机构 * Oxford University（牛津大学） ； HKUST（香港科技大学） ； University College London（伦敦大学学院） ； New York University（纽约大学） 纠错

AI总结 本文提出CogIP-Bench基准，通过后训练提升MLLMs对图像认知属性的对齐能力，并展示其在图像生成中的应用。

Comments Project page with codes/datasets/models: https://follen-cry.github.io/MLLM-Cognition-project-page/

TRACE: Temporally Reliable Anatomically-Conditioned 3D CT Generation with Enhanced Efficiency

TRACE: 基于时间可靠性的解剖条件3D CT生成与增强效率

Minye Shao, Xingyu Miao, Haoran Duan, Zeyu Wang, Jingkun Chen, Yawen Huang, Xian Wu, Jingjing Deng, Yang Long, Yefeng Zheng

机构 * Department of Computer Science, Durham University（杜伦大学计算机科学系） ； Department of Automation, Tsinghua University（清华大学自动化系） ； College of Computer Science and Engineering, Dalian Minzu University（大连民族大学计算机科学与工程学院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Jarvis Research Center, Tencent YouTu Lab（腾讯YouTu实验室 Jarvis 研究中心） ； School of Engineering Mathematics and Technology, University of Bristol（布里斯托大学工程数学与技术学院） ； Medical Artificial Intelligence Laboratory, School of Engineering, Westlake University（西湖大学工程学院医学人工智能实验室） 纠错

AI总结 TRACE通过2D多模态条件扩散方法生成具有时空对齐的3D CT图像，提升生成效率和解剖保真度。

Comments Accepted to MICCAI 2025 (this version is not peer-reviewed; it is the extended version)

One-Shot Learning for k-SAT

k-SAT的一键学习

Andreas Galanis, Leslie Ann Goldberg, Xusheng Zhang

机构 * University of Oxford（牛津大学） 纠错

AI总结 该研究探讨了k-SAT问题的一键学习可行性，证明在可满足性阈值以下学习不可行，并提出了在不同β条件下学习的条件。

Split Conformal Prediction under Data Contamination

在数据污染下的分割置信预测

Jase Clarkson, Wenkai Xu, Mihai Cucuringu, Yvik Swan, Gesine Reinert

机构 * Department of Statistics, University of Oxford（统计系，牛津大学） ； Department of Statistics, University of Warwick（统计系，沃里克大学） ； Department of Mathematics, UCLA（数学系，加州大学洛杉矶分校） ； Department of Mathematics, Université libre de Bruxelles（数学系，布鲁塞尔自由大学） 纠错

AI总结 本文研究了在数据污染环境下分割置信预测的鲁棒性，提出抗污染置信预测方法，并通过实验验证其有效性。

Memo: Training Memory-Efficient Embodied Agents with Reinforcement Learning

备忘录：通过强化学习训练内存高效的具身智能体

Gunshi Gupta, Karmesh Yadav, Zsolt Kira, Yarin Gal, Rahaf Aljundi

机构 * University of Oxford（牛津大学） ； Georgia Tech University（佐治亚理工学院） ； Toyota Motor Europe（丰田欧洲公司） 纠错

AI总结 Memo通过在训练过程中交错周期性总结标记与输入，实现内存高效的具身智能体强化学习训练，优于长上下文基线并更高效。

Comments Accepted for Spotlight Presentation at NeurIPS 2025