AC/DC
PulseAugur coverage of AC/DC — every cluster mentioning AC/DC across labs, papers, and developer communities, ranked by signal.
- 2026-06-15 product_launch Renault Group's ACDC Hangzhou R&D office has officially opened, focusing on AI and software development. 来源
5 天有情绪数据
-
SegWithU框架通过不确定性估计增强医学图像分割
研究人员开发了SegWithU，一种新颖的医学图像分割框架，无需多次推理即可准确估计不确定性。这种事后方法通过一个轻量级的不确定性头部来增强现有的分割模型，利用中间特征将不确定性建模为扰动能量。SegWithU在多个数据集上表现出色，在保持分割质量的同时取得了高AUROC和AURC分数，使其成为可靠医学图像分析的实用解决方案。
-
元数据驱动的预训练提升心脏 MRI 模型性能
研究人员开发了 MetaCLIP-CMR，一个利用结构化采集元数据预训练心脏 MRI 基础模型的新框架。该方法将成像模态、解剖视图、扫描仪供应商和场强转换为文本监督，与仅图像的方法相比，显著提高了表示学习能力。MetaCLIP-CMR 在模态和 cine 视图分类方面表现出更高的准确性，并且在预训练数据量大大减少的情况下实现了具有竞争力的心脏分割性能。
-
AI研究优化自动驾驶分割的摄像头传感器
研究人员开发了一种用于自动驾驶摄像头传感器和AI模型协同设计的方法，重点优化传感器的彩色滤光阵列（CFA）权重。该方法在分割任务中表现出显著的改进，在KITTI-360和ACDC等数据集上将mIoU提高了高达0.023。研究发现，优化CFA权重比点扩散函数或噪声等其他传感器参数更具影响力，并且大于2x2的CFA块是有害的。
-
神经相位相关框架推广图像变换分析
研究人员开发了一个名为神经相位相关的新颖框架，它推广了传统的相位相关方法。这种新方法学习变换的基，使其能够处理密集的非刚性变形和酉动力学，而原始方法仅限于全局平移。该框架在医学成像基准测试中表现强劲，在心脏MRI配准和超声心动图方面与现有基线相当或超越。此外，它已被应用于量子力学，成功地从观测数据中恢复了量子谐振子的本征态和能级。
-
中国股市在人工智能发展背景下飙升至2.5万亿元以上
上海和深圳股市交易量显著，一度超过2.5万亿元人民币。创业板指数也创下历史新高，显示出强劲的市场表现。在这些金融动态中，提到了人工智能对就业的影响以及具体的人工智能相关新闻，例如微信支付可能推出的“AI专属卡”以及Anthropic的Fable 5模型面临的问题。
-
雷诺集团在杭州开设人工智能和软件研发办公室
雷诺集团已宣布其位于杭州的ACDC研发办公室正式启用。该新设施将专注于软件、人工智能和用户交互体验等前沿技术。此举标志着雷诺致力于在关键领域推进其技术能力。
-
新框架将医学图像数据集需求映射到分割模型设计
研究人员引入了医学分割数据集知识卡（MS-DKC）框架，以更好地理解医学图像数据集对分割模型的具体要求。该框架明确记录了数据集的特征，如前景占用率、形态和标注质量。通过将这些因素映射到潜在的故障模式和设计先验，MS-DKC旨在使分割模型的设计过程更具可追溯性和数据集条件性。
-
新的FedS2R框架改进了自动驾驶分割
研究人员推出FedS2R，一个新颖的单次联邦域泛化框架，专门用于自动驾驶中的合成到真实域语义分割。该框架解决了在不共享原始数据的情况下跨不同数据集训练模型的挑战，这是隐私和效率的关键方面。FedS2R采用不一致驱动的数据增强策略和具有特征融合的多客户端知识蒸馏方案来提高模型性能。在多个真实世界数据集上的实验表明，与单个客户端模型相比，FedS2R显著增强了模型能力，取得了接近完全数据访问训练的模型的结果。
-
BiSegMamba 提高了3D 医学图像分割的效率
研究人员开发了 BiSegMamba，一种用于3D医学图像分割的新型网络架构，可提高效率和准确性。与之前的基于 Mamba 的方法不同，BiSegMamba 采用双向三向方法从多个正交视图对长距离依赖性进行建模，显著降低了计算成本。在各种数据集上的实验表明，它在不同分割任务中的有效性，同时在效率方面优于现有模型。
-
Spotify与UMG合作推出AI音乐混音
Spotify已与环球音乐集团（Universal Music Group）合作，允许用户生成UMG曲库中歌曲的AI驱动的混音和翻唱。这项新功能被宣传为面向“超级粉丝”的高级功能，旨在加深他们与艺术家的联系。然而，批评者认为，使用AI进行音乐创作是对人类创造力和艺术家本人的侮辱，其生成的结果与人类创作的翻唱相比，往往显得平淡乏味。
-
ZScribbleSeg框架使用高效的涂鸦标注进行医学图像分割
研究人员开发了ZScribbleSeg，一个旨在通过高效的涂鸦标注改进医学图像分割的新框架。该方法通过最大化从有限涂鸦输入中获得的监督来解决完全标注数据集的劳动密集型问题。ZScribbleSeg 结合了空间关系和形状约束，利用 EM 算法进行准确的类别比例估计，并在六个不同的分割任务中展示了具有竞争力的性能。
-
RD-ViT 降低分割数据需求，参数更少，性能优于标准 ViT
研究人员开发了 RD-ViT，一种用于语义分割任务的新型循环深度视觉Transformer。该架构通过使用一个共享的、循环多次的Transformer块，显著降低了数据依赖性，这与需要为每一层使用独特参数的传统视觉Transformer不同。RD-ViT 结合了自适应计算时间和混合专家等技术来提高效率和专业化，在心脏MRI分割基准测试中，以更少的数据和更少的参数展示了改进的性能。
-
研究人员开发用于医学图像分割和持续学习的新型人工智能方法
研究人员正在开发先进的医学图像分割技术，以应对域偏移和提示依赖等挑战。一种方法侧重于SAM2等模型的无提示、参数高效微调，在降低计算成本的同时显著提高了准确性。另一项研究对医学分割的持续学习方法进行了基准测试，评估了遗忘之外的性能，并突出了基于重放方法的优势。此外，一个名为MedFlowSeg的新框架利用流匹配技术在医学图像分割中进行高效灵活的生成建模，其性能优于现有的基于扩散的方法。