University of California, Los Angeles（加州大学洛杉矶分校）

GenEval 2: Addressing Benchmark Drift in Text-to-Image Evaluation

GenEval 2：解决文本到图像评估中的基准漂移问题

Amita Kamath, Kai-Wei Chang, Ranjay Krishna, Luke Zettlemoyer, Yushi Hu, Marjan Ghazvininejad

机构 * FAIR at Meta（Meta 的 FAIR 部门） ； University of Washington（华盛顿大学） ； University of California, Los Angeles（洛杉矶大学） ； Allen Institute for AI（人工智能研究院） 纠错

AI总结 GenEval 2通过改进的视觉概念覆盖和组合性，解决文本到图像评估中的基准漂移问题，提供更符合人类判断的评估方法。

Team Westwood Solution for MIDOG 2025 Challenge: An Ensemble-CNN-Based Approach For Mitosis Detection And Classification

西木团队MIDOG 2025挑战的解决方案：基于集成CNN的核分裂检测与分类方法

Tengyou Xu, Haochen Yang, Xiang 'Anthony' Chen, Hongyan Gu, Mohammad Haeri

机构 * Department of Electrical and Computer Engineering, University of California Los Angeles, USA（电气与计算机工程系，加州大学洛杉矶分校） ； Department of Pathology and Laboratory Medicine, University of Kansas Medical Center, USA（病理学与实验室医学系，堪萨斯大学医学中心） 纠错

AI总结 西木团队提出基于集成CNN的方法，用于核分裂检测与分类，通过多个CNN模型整合提升检测与分类性能。

Comments To appear Lecture Notes in Computer Science