NeurIPS

Real-Time Scene-Adaptive Tone Mapping for High-Dynamic Range Object Detection

面向高动态范围目标检测的实时场景自适应色调映射

Gongzhe Li, Linwei Qiu, Peibei Cao, Fengying Xie, Xiangyang Ji, Qilin Sun

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； Tianmushan Laboratory, Beihang University（北京航空航天大学天目山实验室） ； School of Artificial Intelligence, Nanjing University of Information Science and Technology（南京信息工程大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Point Spread Technology（点扩散科技） 纠错

AI总结 本文提出一种场景自适应实时色调映射方法，通过神经光度校准等技术解决HDR图像适配检测网络的问题，性能优于传统算法，可在NVIDIA Jetson平台实现4K HDR图像实时处理。

Comments Accepted by NeurIPS 2025

Input-Adaptive Gating of a Dehazing Front-End for On-Device Perception in Smoke-Obscured Environments

面向烟雾遮蔽环境下设备端感知的去雾前端输入自适应门控机制

Seongjun Kang, Ishaan Garg, Vishnu Bharadwaj

机构 * Monta Vista High School（蒙塔维斯塔高中） 纠错

AI总结 针对烟雾环境设备端感知的两阶段视觉管线，提出输入自适应门控机制，仅在雾霾超阈值时运行去雾器，提升边缘检测精度与帧率。

Comments Submitted to NeurIPS

A Hub of Short Rows Inflates Intrinsic Dimension Estimation of Token Embeddings

短行中心簇会放大词元嵌入的内在维度估计值

Alexandre Quemy

机构 * Hother Labs（霍瑟实验室） 纠错

AI总结 该研究发现词元嵌入表的原点附近短行中心簇会使TwoNN等内在维度估计值偏高，移除该簇后11个模型的维度会收缩，归一化行也可得到较低读数，复现验证了Pythia的相关实验结果。

Comments Submitted to NeurReps Workshop @ NeurIPS 2026

APIFlow-Bench: Measuring Whether Agents Survive Long, Dependent API Workflows

APIFlow-Bench：评估智能体能否完成长时程、存在依赖关系的API工作流

Zelin Wan, Arash Nourian, Xiaoxiao Li, Nihar Nandan, Kamalakannan Nandagopal

机构 * Postman, Inc.（波斯特曼公司） 纠错

AI总结 该研究推出APIFlow-Bench基准，评估智能体完成长时程依赖API工作流的能力，实验发现依赖链长度、模型可靠性影响成功率，复合故障不符合独立误差假设。

Comments 15 pages, 8 figures. Under review at the NeurIPS 2026 Workshop on Evaluation of Interactive Agents (IAEval). Harness, frozen task bank, and 44,362 execution transcripts: this https URL (https://github.com/postmanlabs/APIFlow-Bench)

Measuring Similarity between Artistic and AI Generated Images using Siamese Neural Networks

使用孪生神经网络衡量艺术作品与AI生成图像的相似性

Diego Castro Elvira, Navil Pineda Rugerio, Jesús García-Ramírez, Cecilia Reyes-Peña, Ricardo Ramos-Aguilar

机构 * Instituto Politécnico Nacional（墨西哥国家理工学院） 纠错

AI总结 该研究针对AI生成艺术可能抄袭原作的问题，采用带冻结CLIP编码器的孪生网络，构建配对图像数据集，实现99.4%测试准确率，证明语义-视觉嵌入的有效性。

Comments Accepted to LatinX in AI Research Workshop at Neurips 2025

SS-ESOAP: Self-Scaled Adaptive Preconditioning for Physics-Informed Learning

SS-ESOAP：面向物理信息学习的自缩放自适应预处理

Guangyuan Wang, Mads Toftrup, Sebastian Loeschcke, Yixuan Wang, Anima Anandkumar

机构 * McGill University（麦吉尔大学） ； California Institute of Technology（加州理工学院） ； Aarhus University（奥胡斯大学） ； University of Copenhagen（哥本哈根大学） 纠错

AI总结 该研究针对物理信息神经网络的病态目标问题，提出SS-ESOAP优化方法，在8个PDE基准中多数取得最低残差，在Boussinesq问题上优于Adam，为刚性高精度物理信息训练提供可扩展选项。

Comments 31 pages, 12 figures, 16 tables. Submitted to NeurIPS 2026

Learning Radio Astronomical Representations with LeJEPA and Very Small Models

用LeJEPA和超小型模型学习射电天文表示

Erica Lastufka, Mariia Drozdova, Vitaliy Kinakh, Taras Holotyak, Miroslava Dessuages-Zavadsky, Daniel Schaerer, Svyatoslav Voloshynovskiy

AI总结 该研究用约600万参数的超小型视觉模型结合LeJEPA，直接从射电天文观测自监督学习表示，在三项数据集上实现了与更大基础模型相当的射电星系分类性能，证明了表示学习目标选择对小型领域模型的重要性。

Comments 4 pages, 1 figure, submitted to NeurIPS Representations for the Physical Sciences Workshop

DINOspec: Efficient Multimodal Alignment of Vision and Spectral Foundation Models for Astronomy

DINOspec：面向天文学的视觉与光谱基础模型的高效多模态对齐

Erica Lastufka, Mariia Drozdova, Daniel Schaerer, Svyatoslav Voloshynovskiy

AI总结 DINOspec框架通过轻量适配器和对比学习，对齐冻结的DINOv3图像编码器与预训练的AION-1光谱分词器，在20472对天体数据上提升了星系形态和光谱分类性能，验证了科学基础模型可通过轻量表征对齐组合。

Comments 4 pages, 1 figure, submitted to NeurIPS Representations for the Physical Sciences Workshop