高校专区
视网膜扩散：高效的视空适应图像和视频生成
机构 * Stanford University, USA（斯坦福大学，美国）
AI总结 本文提出视网膜扩散模型，通过非均匀分配token提高生成效率，利用人类视觉的视网膜区域高分辨率特性，在保持视觉质量的同时显著减少token数量和生成时间。
Comments Project website at https://bchao1.github.io/foveated-diffusion
VTAM：用于复杂物理交互的视频-触觉-动作模型超越VLAs
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stanford University（斯坦福大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 VTAM通过整合触觉感知提升复杂物理交互的稳定性，其多模态框架在接触密集任务中表现优异，成功率达到90%。
学习具备执行器意识的谱子流形以实现连续机器人精确控制
机构 * Autonomous Systems Lab, Stanford University, USA（斯坦福大学自主系统实验室，美国） ； Institute of Mechanical Systems, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院机械系统研究所） ； Soft Robotics Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院软机器人实验室） ； NVIDIA Research, Santa Clara, USA（美国圣克拉拉NVIDIA研究）
AI总结 本文提出一种结合控制输入的谱子流形方法，用于减少连续机器人高维非线性动力学，通过训练紧凑模型降低开环预测误差并提升闭环控制性能。
UniQueR：统一的基于查询的前馈3D重建
机构 * Applied Intuition ； UC Berkeley（伯克利大学） ； Stanford University（斯坦福大学）
AI总结 UniQueR通过统一的基于查询的前馈框架实现高效准确的3D重建，利用稀疏3D查询推理问题，减少内存和计算成本，提升几何表达能力。
基于视觉的深度学习分析无序生物医学表格数据的最优空间制图
机构 * Department of Radiation Oncology, Stanford University（斯坦福大学放射肿瘤学系） ； Department of Radiology, Stanford University（斯坦福大学放射学系） ； Institute for Stem Cell Biology and Regenerative Medicine, Stanford University（斯坦福大学干细胞生物学与再生医学研究所） ； Stanford Cancer Institute, Stanford University（斯坦福癌症研究所）
AI总结 本文提出Dynomap框架，通过学习任务优化的特征空间拓扑，提升视觉模型对无序生物医学数据的处理能力，在多个数据集上均优于传统方法。
Comments 54 Pages, 8 main figures, 26 supplementary figures
Cerebra：一个多学科AI平台用于多模态痴呆症特征化和风险评估
机构 * Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； Department of Radiation Oncology, Stanford University（斯坦福大学放射肿瘤科） ； Center for Data Science, New York University（纽约大学数据科学中心） ； J. Crayton Pruitt Family Department of Biomedical Engineering, University of Florida（佛罗里达大学杰·克雷顿·普瑞特家庭生物医学工程系） ； Department of Biomedical Engineering and Informatics, Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校生物医学工程与信息学系） ； Department of Neurology, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院神经科） ； Department of Neuroscience, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院神经科学系） ； UF Health Family Medicine – Haile Plantation（佛罗里达大学健康家庭医学-海莱种植园） ； Department of Family Medicine, Indiana University School of Medicine（印第安纳大学医学院家庭医学系） ； Department of Biostatistics and Health Data Science, Indiana University School of Medicine（印第安纳大学医学院生物统计学与健康数据科学系） ； Scripps Research Translational Institute（斯克里普斯研究转化研究所） ； Courant Institute, New York University（纽约大学柯朗研究所） ； Center for Biomedical Informatics, Regenstrief Institute（再生斯蒂夫研究所生物医学信息中心） ； Center for Cognitive Aging and Memory, McKnight Brain Institute, University of Florida（佛罗里达大学麦金托神经研究所认知衰老与记忆中心） ； Population Health Department, NYU Langone Health（纽约大学兰戈恩健康人口健康部） ； Radiology Department, NYU Langone Health（纽约大学兰戈恩健康放射科）
AI总结 Cerebra通过多智能体协调处理电子病历、临床笔记和医学影像，提供可视化分析和对话界面，提升临床决策支持的可解释性和鲁棒性。
DART-Eval: 一个全面的DNA语言模型评估基准，针对调控DNA
机构 * Department of Computer Science, School of Engineering, Stanford University（计算机科学系，工程学院，斯坦福大学） ； Department of Genetics, School of Medicine, Stanford University（遗传学系，医学院，斯坦福大学） ； Department of Pathology, School of Medicine, Stanford University（病理学系，医学院，斯坦福大学）
AI总结 本文提出DART-Eval基准，用于评估DNALM在零样本、 probing和微调场景下的性能，针对调控DNA的关键下游任务，发现现有模型表现不一致且计算资源消耗大。
Comments NeurIPS Datasets and Benchmarks 2024
梯度下降可证明解决非线性断层重建
机构 * Department of Electrical Engineering, Stanford University（斯坦福大学电子工程系）
AI总结 本文提出通过非线性正向模型直接重建信号，证明梯度下降在非凸优化中能以几何速率收敛至全局最优，减少金属伪影。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈