全球最大超声原始通道数据集：斯坦福×英伟达等38家机构开源40TB
超声原始通道数据一直是块硬骨头：临床机器不给导，各家格式各说各话，一次采集动辄几个G。这篇把38家机构的约40TB数据拧成一个统一格式的开放语料，19,332次采集、覆盖从波束形成到血流成像再到智能诊断的十几类任务，算是给超声基础模型铺了块实打实的地基。
标签：数据集
共 128 篇
印度理工海得拉巴分校：音视频蒸馏提速8倍，10小时压到1.3小时
数据集蒸馏这名字听着很美：用一小撮合成样本，顶掉整个大训练集。可一到音视频这种双模态场景，就撞上两根硬钉子——显存炸裂，以及两个模态各说各话。印度理工海得拉巴分校这篇 X-AVDD 用双向交叉注意力把两件事一起收拾了：合成时间从10小时压到1.3小时，VGGSound 上的准确率从个位数跳到两位数。这波值得拆开看看。
图像恢复｜印度理工25万张石刻字符数据集：让阿育王铭文自动翻译成英文
让AI去读两千多年前刻在石头上的字，听起来像考古队的活儿，可印度理工学院甘地讷格尔分校真把它做成了流水线：图像增强、字符识别、转写、翻译一步不落，还顺手开源了25.38万张字符图和2224对双语语料。方法不花哨，但“没数据”这个老大难被正面解决了，值得一看。
雅典大学：14相位追踪13颗碳星，越亮尘埃越薄
米拉变星是渐近巨星支上的大振幅脉动变星，周期性地膨胀和收缩，抛出外层物质。
图像生成｜早稻田大学新作：用“看得见”的光，让高斯泼溅的近场反射不再糊
先从一个"面条"说起。四维时空里的黑洞相当老实：旋转的 Kerr 黑洞近年来已经被证明在亚极端情形下是非线性稳定的，意思是稍微推它一下，它晃两晃就回到原来的样子。但维度一加上去，情况立刻不同。
Nimbus BCI 平台验证：六条脑电解码流水线与手写脚本 0.00 点差异
一个可视化平台宣称自己算出来的数字和手写脚本一样，这话到底该不该信？Nimbus BCI 给出的答案是：六条经典脑电解码流水线，三个公开数据集，两种评估协议，平台引擎与独立手写实现各跑一遍，逐被试比准确率。确定性流水线全部 0.00 点一致，深度模型的差异落在训练种子噪声里。软件平台自己做验证研究，这事本身就少见，值得看一眼它的验证设计和边界。
2.5亿次人肉查号：公众凭什么怀疑你是机器人？
凌晨一点，你刷到一条推文：语法完美、情绪饱满、主页挂着三个外链和一份加密货币白皮书，而且它已经连续发了十四个小时。你盯着屏幕两秒，脑子里冒出一句话：这账号是不是机器人？
根特大学新方法：先看形状索引再遍历，一个跑不完的知识图谱查询跑通了
去中心化知识图谱听着很美，真去查能让人崩溃：引擎得顺着链接一根根摸，HTTP 请求一发一大把。这篇论文给查询引擎发了张"地图"，也就是 RDF 形状索引——先看地图再走路，无关的房子根本不用敲门。最快提速 7 倍，一个原本怎么都跑不完的查询，现在跑通了。
图像生成｜招牌写"兽医"宠物店秒变诊所？新基准专治文生图语义泄漏
先来看一种并不罕见的场景：在产品包装设计、店铺招牌生成、设备铭牌渲染这类视觉内容创作任务里，用户往往给模型下达一个明确指令——在某个指定的主体区域（比如一家面包店的招牌、一辆货车的车身、一瓶饮料的标签）写入指定的文字，同。
同济新基准专治文生图“没文化”：GPT Image画隐喻也翻车，结构准确率仅78%
让AI画“时间就是金钱”，它可能真画一个挂满钞票的时钟；让AI画“知识就是力量”，它又可能把书本和哑铃硬拼在一起。文生图模型能把物体画得很真，却常常画不出“画外之音”。同济大学等机构提出VMetaphor-Bench，把“视觉隐喻生成”这件事第一次系统性地量化评测，结果连GPT Image 1.5也栽在结构组合上。
图像生成｜别只卷画质了！新基准专测"逻辑作画"，最强开源模型不到32分
当所有文生图评测还在卷画质和指令跟随，UIUC这次直接把“答案藏在图里”的推理题丢给模型。2000道题、9个主流生成模型，最强Gemini 3 Pro也只拿64.6分。想看生成模型到底有多少“真推理”，这片试金石值得收藏。
胶囊内镜图太糊看不清？无监督Transformer超分方案让病灶细节放大4倍还更清晰
无线胶囊内镜拍出来的图常常模糊不清，而真实场景下几乎不可能拿到一一配对的清晰与模糊图对。这篇来自印度SVNIT与挪威NTNU的工作把Transformer放进无监督GAN里做四倍超分，还顺手提出了一个内镜专用的无参考画质指标，代码与预训练模型均已开源，值得做医学影像增强的读者仔细看看。
