NeurIPS

Polyp Segmentation Using Wavelet-Based Cross-Band Integration for Enhanced Boundary Representation

基于小波域交叉频带整合的多发性息肉分割

Haesung Oh, Jaesung Lee

机构 * Department of Artificial Intelligence, Chung-Ang University（人工智能系， Chung-Ang大学） 纠错

AI总结 本文提出基于小波域交叉频带整合的息肉分割方法，通过整合灰度和RGB信息提升边界表示精度，实验表明在多个数据集上效果优于传统方法。

Comments 39th Annual Conference on Neural Information Processing Systems in Europe (EurIPS 2025) Workshop, Copenhagen, Denmark, 2-7 December 2025 MedEurIPS:Medical Imagine Meets EurIPS

Re-coding for Uncertainties: Edge-awareness Semantic Concordance for Resilient Event-RGB Segmentation

不确定性重编码：面向鲁棒事件-RGB分割的边缘感知语义一致性

Nan Bao, Yifan Zhao, Lin Zhu, Jia Li

机构 * State Key Laboratory of Virtual Reality Technology and Systems, SCSE & QRI, Beihang University（虚拟现实技术与系统国家重点实验室，SCSE与QRI，北京航空航天大学） ； School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） 纠错

AI总结 本文提出边缘感知语义一致性框架，通过重编码和不确定性优化实现鲁棒的事件-RGB分割，提升极端条件下的分割性能。

Comments Accepted to NeurIPS 2025; code and datasets available at https://github.com/iCVTEAM/ESC

Extremely Simple Multimodal Outlier Synthesis for Out-of-Distribution Detection and Segmentation

极简多模态异常合成用于分布外检测与分割

Moru Liu, Hao Dong, Jessica Kelly, Olga Fink, Mario Trapp

机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zürich（苏黎世联邦理工学院） ； Fraunhofer IKS（弗劳恩霍夫研究所） ； EPFL（苏黎世联邦理工学院） 纠错

AI总结 本文提出极简多模态异常合成方法Feature Mixing，通过理论支持提升OOD检测性能，实验表明其在多个数据集上达到最优效果，速度提升显著。

Comments NeurIPS 2025

Why 1 + 1 < 1 in Visual Token Pruning: Beyond Naive Integration via Multi-Objective Balanced Covering

为何1+1<1在视觉令牌修剪中：通过多目标平衡覆盖超越简单整合

Yangfu Li, Hongjian Zhan, Tianyi Chen, Qi Liu, Yue Lu

机构 * East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学） ； Chongqing Institute of East China Normal University（华东师范大学重庆研究院） ； Shanghai University of Engineering Science（上海工程技术大学） 纠错

AI总结 MoB通过多目标平衡覆盖方法，解决视觉令牌修剪中提示对齐与视觉保留的权衡问题，实现高效且高性能的修剪效果。

Comments 31 pages,9 figures,conference

Journal ref Advances in Neural Information Processing Systems 39 (NeurIPS 2025)