University of Toronto（多伦多大学）

Lumosaic: Hyperspectral Video via Active Illumination and Coded-Exposure Pixels

Lumosaic：通过主动照明和编码曝光像素实现高光谱视频

Dhruv Verma, Andrew Qiu, Roberto Rangel, Ayandev Barman, Hao Yang, Chenjia Hu, Fengqi Zhang, Roman Genov, David B. Lindell, Kiriakos N. Kutulakos, Alex Mariakakis

机构 * Department of Computer Science, University of Toronto, Canada（计算机科学系，多伦多大学） ； Department of Electrical & Computer Engineering, University of Toronto, Canada（电气与计算机工程系，多伦多大学） 纠错

AI总结 Lumosaic通过主动照明和编码曝光像素技术，实现高光谱视频的实时捕捉与高保真重建。

Comments Accepted to CVPR 2026

Perception-Control Coupled Visual Servoing for Textureless Objects Using Keypoint-Based EKF

基于关键点的扩展卡尔曼滤波的纹理物体视觉伺服控制

Allen Tao, Jun Yang, Stanko Oparnica, Wenjie Xue

机构 * Epson Canada Ltd.（爱普生加拿大有限公司） ； University of Toronto（多伦多大学） 纠错

AI总结 本研究提出基于关键点的扩展卡尔曼滤波方法，通过闭环整合感知与控制，提升无纹理物体视觉伺服的鲁棒性和精度。

Adversarial Robustness of Deep Learning-Based Thyroid Nodule Segmentation in Ultrasound

基于深度学习的甲状腺结节分割在超声中的对抗鲁棒性

Nicholas Dietrich, David McShannon

机构 * Temerty Faculty of Medicine, University of Toronto（多伦多大学Temerty医学院） ； Faculty of Engineering, McMaster University（麦斯特大学工程学院） 纠错

AI总结 研究评估了深度学习在超声甲状腺结节分割中的对抗鲁棒性，提出两种攻击方法和三种防御措施，发现空间域扰动可通过预处理缓解，而频域扰动则无法有效防御。

Comments 14 pages, 3 figures, 3 tables

Evolutionary System Prompt Learning for Reinforcement Learning in LLMs

强化学习中大语言模型的进化系统提示学习

Lunjun Zhang, Ryan Chen, Bradly C. Stadie

机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Department of Statistics（统计学系） ； Data Science, Northwestern University（数据科学，西北大学） ； Bridgewater AIA Labs（布里奇沃特AIA实验室） 纠错

AI总结 E-SPL通过结合强化学习和系统提示进化，提升大语言模型在推理和智能任务中的性能。

Comments 39 pages, 22 figures

Twin Co-Adaptive Dialogue for Progressive Image Generation

双适应对话用于渐进式图像生成

Jianhui Wang, Yangfan He, Yan Zhong, Xinyuan Song, Jiayi Su, Yuheng Feng, Ruoyu Wang, Hongyang He, Wenyu Zhu, Xinhang Yuan, Miao Zhang, Keqin Li, Jiaqi Chen, Tianyu Shi, Xueqian Wang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Xiamen University Malaysia（马来西亚厦门大学） ； Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； University of Warwick（沃里克大学） ； Washington University, Saint Louis（圣路易斯华盛顿大学） ； University of Toronto（多伦多大学） ； Google（谷歌） 纠错

AI总结 Twin-Co通过同步对话优化图像生成，提升生成质量和用户体验。