University of Toronto（多伦多大学）

MIP Candy: A Modular PyTorch Framework for Medical Image Processing

MIP Candy：用于医学图像处理的模块化PyTorch框架

Tianhao Fu, Yucheng Chen

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Project Neura ； UTMIST ； Amplimit 纠错

AI总结 MIP Candy是一个模块化PyTorch框架，为医学图像处理提供完整的流程管线，支持灵活配置和多种实验追踪工具。

Neural Proposals, Symbolic Guarantees: Neuro-Symbolic Graph Generation with Hard Constraints

神经提案，符号保证：具有硬约束的神经符号图生成

Chuqin Geng, Li Zhang, Mark Zhang, Haolin Ye, Ziyu Zhao, Xujie Si

机构 * McGill University（麦吉尔大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出NSGGM框架，结合神经网络和符号方法生成分子图，通过硬约束确保生成分子的正确性和可控性，同时引入逻辑约束基准评估可控性。

Comments 18 pages, 6 figures

Beyond Message Passing: A Symbolic Alternative for Expressive and Interpretable Graph Learning

超越消息传递：一种用于表达性和可解释性图学习的符号替代方法

Chuqin Geng, Li Zhang, Haolin Ye, Ziyu Zhao, Yuhe Jiang, Tara Saba, Xinyu Wang, Xujie Si

机构 * McGill University（麦吉尔大学） ； University of Toronto（多伦多大学） 纠错

AI总结 SymGraph通过符号框架超越传统消息传递限制，实现更高效的图学习和可解释性。

Comments 23 pages, 9 pages

VISIONLOGIC: From Neuron Activations to Causally Grounded Concept Rules for Vision Models

VISIONLOGIC: 从神经元激活到基于因果的视觉模型概念规则

Chuqin Geng, Yuhe Jiang, Ziyu Zhao, Haolin Ye, Anqi Xing, Li Zhang, Xujie Si

机构 * McGill University（麦吉尔大学） ； University of Toronto（多伦多大学） 纠错

AI总结 VISIONLOGIC通过神经符号框架生成基于因果的视觉模型概念规则，提升模型可解释性与预测性能。

Comments 27 pages, 18 figures