佛罗里达大学用GPT-4o指挥PET去噪：闭环多智能体，双指标超基线
PET（正电子发射断层成像）是肿瘤、神经和心脏疾病诊断中重要的分子影像手段，能无创显示体内代谢活动。但PET天生有痛点：光子符合计数有限，图像信噪比低。
视觉与图像
共 793 篇
2.5%干预代价换取53%碰撞减少，KAUST新范式
自动驾驶这事儿，有个特别拧巴的现象：你看那些端到端大模型，在 benchmark（标准测试基准）上跑分一个比一个高，可一放到真实世界里，偶尔会像个刚拿驾照的新手一样，干出些让人血压飙升的事儿——比如老老实实闯个红灯，或者。
上交大等提出ForeWAM：机器人不生成视频也能“预见”未来，成功率96.7%
机器人操作正从“看一步动一步”走向“预见式决策”，但生成未来视频开销太大。上海交大等团队提出的ForeWAM，用一次KV预填充让动作模型“脑补”动态未来，不生成视频、不用未来观测，LIBERO成功率96.7%，动作延迟比Fast-WAM降67%。这篇论文值得细读。
西安交大M-Net：条件数+散度+旋度，医学分割新范式
纯数据驱动的医学分割模型已经够卷了，但几乎没人把线性代数和矢量微积分“硬塞”进网络。M-Net直接给出答案：把条件数、散度、旋度当先验注入U-Net，肝脏分割Dice比基线猛涨12.37%，还能端到端训练。想了解“数学+深度学习”还能玩出什么花活？这篇值得细品。
声学干扰不再愁：UCLA频带特征让推荐准确率飙升18个点
传感器协同跟踪的老问题：摄像头这类高成本传感器，到底该让哪几个节点开机？UCLA这篇论文把“选传感器”当成“做推荐”，用双塔MLP加声学频带特征，在真实外场干扰环境下把命中率从80.4%拉到98.4%，每次决策的在线计算只要约1毫秒。思路跨界又好落地，值得一读。
控制变量法实测18个视觉骨干 VMamba险胜Swin
想象一下：你正坐在家里吹着空调，屋顶光伏板正在发电。突然一片云飘过来，光伏输出瞬间掉了一半；云飘走，输出又瞬间拉满。这种"过山车式"发电曲线，正是光伏并网最大的痛点。
中科院新Agent：AI City 2026三赛通吃，FETV斩获亚军
一个统一框架同时接管监控、鱼眼和行车记录仪三类交通视频，在AI City 2026出战三个赛道，FETV与第一名只差0.0007。这套「观察-推理-行动-验证」的智能体工作流拆解起来很有嚼头，适合所有对多模态视频理解与跨域泛化感兴趣的读者。
密歇根州立大学最新研究：两阶段框架精准识别透明隐形眼镜，虹膜识别EER直降28.3%
透明隐形眼镜正在悄悄拉低虹膜识别的准确率，却因为“看不见”而长期被忽视。本文不仅量化了这个威胁，还用一个两阶段框架加分数校准，把识别错误率最高降了28.3%，思路相当务实。
最新天文观测：螺旋星云外围现22个弓形激波，恒星遗骸融入星际介质仅需约1万年
恒星死亡后留下的残骸如何融入星际介质，一直是天文观测的盲区。这篇论文用全新的MOTHRA望远镜阵列，在螺旋星云外围一口气拍到22个弓形激波，把碎片瓦解时标锁定在约1万年。一张图胜千言，新望远镜的第一份科学答卷就如此惊艳，值得一看。
把CT、胃镜、化验单喂给AI后，胃癌诊断AUC涨了6个点
胃镜、CT、化验单、报告，医生从来不是单看一样就下结论。Gastric-X把这个真实逻辑搬进了AI基准：四期CT+内镜+生化指标+报告全部对齐，还配了2.6万条VQA。想让医疗VLM真正学会"综合判断"，这份基准值得一读。
告别t-SNE老套路：TabSOM用SOM一鱼两吃，布局解释全搞定
表格数据是工业界和医学界的主力军，却一直被深度学习冷落。这篇论文用自组织映射把表格编码成多通道图像，不仅让CNN在四个医学数据集上排名第一第二，还把方差压到全场最低，顺带给出两个可解释性工具。思路清爽，值得一读。
北航北邮提出GeoUP：一个骨架统一三大3D感知任务，五大驾驶基准SOTA
自动驾驶3D感知，向来是深度、检测、占用各学一套。北航与北邮提出的GeoUP，直接把视觉几何基础模型VGGT改造成统一3D感知骨架，一个模型三大任务全包，在nuScenes、Waymo、Argoverse 2、KITTI、DDAD五大基准拿下SOTA。思路清奇，落地潜力值得关注。
