IEEE Xplore
PulseAugur coverage of IEEE Xplore — every cluster mentioning IEEE Xplore across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
视频运动捕捉缺乏临床验证，审查发现
对 2015 年 1 月至 2026 年 2 月期间发表的 117 项研究进行的系统性文献回顾发现，基于视频的无标记运动捕捉尚未能有效替代临床环境中的传统标记式系统。虽然矢状面下肢的一致性约为 5-6 度，但仍未达到临床可接受的标准，并且在平面外运动学、动力学和病理人群方面的验证很少。该回顾强调了新兴计算机视觉进展与其在已验证的生物力学研究中的整合之间存在显著差距，表明未来的研究应侧重于这些领域以提高临床相关性。
-
新的PIMMUR原则揭示大型语言模型社会模拟可能捕捉到模型偏差，而非人类行为
一篇新发表在arXiv上的论文详细介绍了PIMMUR原则，这是一个旨在确保使用大型语言模型（LLMs）进行的群体行为模拟有效性的框架。研究人员审计了四个数据库中的576项研究，发现许多模拟未能满足PIMMUR标准，包括主体画像、交互、记忆、最小控制、无意识和现实性。当强制执行这些原则时，先前在五项实验模拟中报告的涌现行为常常消失或逆转，这表明许多观察到的现象是方法学上的产物，而非真正的社会动态。
-
人工智能和深度学习用于肺癌检测：系统性综述
一项系统性映射研究回顾了 2015 年至今关于将人工智能 (AI) 和深度学习 (DL) 应用于医学影像肺癌检测的 96 篇文章。研究强调了使用迁移学习和数据增强的卷积神经网络 (CNN) 在提高诊断准确性和效率方面的有效性。然而，该研究也指出了重大挑战，包括数据标准化、模型可解释性、患者隐私和伦理考量，强调在广泛临床应用之前需要进一步的研究和监管。
-
大型语言模型让乘客能够“坐在副驾指挥”自动驾驶汽车
代尔夫特理工大学的研究人员开发了一个系统，允许乘客使用自然语言指令来影响自动驾驶汽车的驾驶风格。该系统采用大型语言模型，特别是OpenAI的GPT-4o-mini，来解析乘客的指令，例如“我迟到了，开快点”，并将其转化为对车辆运动规划器的调整。这种方法调整的是安全感知运动规划算法的参数，而不是直接将控制权交给大型语言模型，从而确保车辆保持在安全运行范围内。该系统还会向乘客提供反馈，并在实施更改前需要确认。模拟显示，该系统能够根据用户指…
-
AI生成模型用于音效合成的综述
arXiv上发表的一篇最新综述论文，考察了基于AI的音效生成模型的进展。该论文分析了过去五年中的30篇同行评审文章，重点关注文本、视觉和音频等不同输入模态如何影响生成音效的质量和相关性。尽管当前模型在保真度和语义对齐方面表现出色，但在复杂场景下的时间同步以及弥合客观指标与人类感知之间的差距方面仍存在挑战。
-
新的行人原型增强了自动驾驶汽车的安全测试
研究人员在之前关于“行人原型”的工作基础上，为自动驾驶汽车安全测试引入了七种新的行人行为原型。这些新原型通过对YouTube行车记录仪视频进行进一步标注而识别出来，捕捉了原始十二种原型未涵盖的独特行为模式。扩展后的分类旨在提供一种更全面、更自然的方式来描述危险行人如何在真实交通场景中表现。
-
神经外科手术脑部变形建模综述：学习方法显示出潜力但面临临床挑战
本系统性综述考察了用于影像引导的神经外科手术中脑部变形配准与建模的数据驱动方法，重点关注 2020 年至 2025 年间开发的基于学习的方法。研究人员分析了来自主要数据库的 46 篇符合条件的论文，将方法学分为图像配准的深度学习、直接变形场回归和混合模型等类别。虽然这些方法在准确性和效率方面显示出潜力，但在鲁棒性、标准化基准测试、可解释性和临床就绪性方面仍存在挑战。
-
视觉语言模型增强机器人情感识别能力
研究人员开发了一种视觉语言模型（VLM），通过考虑面部表情以外的上下文因素，能够比传统人工智能系统更准确地识别出人类情感。在实验中，该VLM在匹配人类标注的情感方面取得了更高的分数。当机器人出错时，参与者更倾向于机器人做出情感适应性的道歉，尽管功能性仍然是信任的最关键因素。