University of Pennsylvania（宾夕法尼亚大学）

Scale-Cascaded Diffusion Models for Super-Resolution in Medical Imaging

多尺度扩散模型用于医学影像超分辨率

Darshan Thaker, Mahmoud Mostapha, Radu Miron, Shihan Qiu, Mariappan Nadar

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Siemens Healthineers（西门子医疗） ； Siemens Industry Software（西门子工业软件） 纠错

AI总结 本文提出多尺度扩散模型用于医学影像超分辨率，通过分解图像为不同频带并训练独立先验，提升重建质量并减少推理时间。

Comments Accepted at IEEE International Symposium for Biomedical Imaging (ISBI) 2026

Minimal-Action Discrete Schrödinger Bridge Matching for Peptide Sequence Design

最小作用离散薛定谔桥匹配用于肽序列设计

Shrey Goel, Pranam Chatterjee

机构 * Duke University（杜克大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出MadSBM框架，通过最小作用离散薛定谔桥匹配方法，实现肽序列设计的高效生成与优化。

Learning Policy Representations for Steerable Behavior Synthesis

学习可调节行为合成的策略表示

Beiming Li, Sergio Rozada, Alejandro Ribeiro

机构 * Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, USA（宾夕法尼亚大学电气与系统工程系） ； Department of Signal Theory and Communications, King Juan Carlos University, Madrid, Spain（胡安 Carlos大学信号理论与通信系） 纠错

AI总结 本文提出了一种基于潜在空间的策略表示学习方法，通过对比学习和变分生成技术，实现对多奖励场景下策略的高效调节与价值函数约束满足。

Knowledge Gradient for Preference Learning

偏好学习中的知识梯度

Kaiwen Wu, Jacob R. Gardner

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出了一种精确的知识梯度方法，用于解决偏好学习中的贝叶斯优化问题，展示了其在基准任务中的优越性能及在特定场景下的局限性。