醫療 AI 與通用 AI（arXiv 預印本 + OpenAI / Anthropic / DeepMind / Karpathy Curated 等部落格）
全像對偶理論（Holographic duality）將深不可測的黑洞內部幾何，巧妙映射為邊界上的量子數據。來自上海大學等機構的物理團隊最新證實，透過解析邊界上出現「0/0」未定義形式的極點跳躍現象，能夠反向推導出 3維與 4維旋轉黑洞的完整時空度規，甚至將複雜的愛因斯坦真空方程式轉化為純代數問題。 靜態拓樸黑洞與…
原文：Probing bulk geometry via pole skipping: from static to rotating spacetimes
傳統高速脈衝相機（Spike Camera）為捕捉極限動態範圍，往往需要高達 **20 Gbps** 的驚人傳輸頻寬，這使得高解析度連續拍攝在硬體上難以規模化。來自北京大學與日本國立情報學研究所的研究團隊，近期提出一套全新的模數編碼（Modulo-Encoded）HDR 系統，在維持 **1000 FPS** 全彩捕…
原文：High-Speed Full-Color HDR Imaging via Unwrapping Modulo-Encoded Spike Streams
在通用語音增強（USE）領域，純生成式模型雖然能提供極高的聽覺品質，卻常伴隨嚴重的「幻覺」問題——產生錯誤字詞或改變說話者特徵。南京大學與地平線機器人團隊提出的 **UniPASE** 是一個具備 **545.7M** 參數的生成式架構，成功解決了這個難題。該模型在 URGENT 2025 挑戰賽的客觀評測中奪得第 …
原文：UniPASE: A Generative Model for Universal Speech Enhancement with High Fidelity and Low Hallucinations
傳統壓縮演算法在低位元率常面臨信號模糊問題，促成了率-失真-感知（RDP）框架的廣泛應用。北京郵電大學團隊證明，若將壓縮目標從「還原信號本身」轉為「落入特定同義集」，感知品質必備的分佈散度即可純數學推導自然浮現，無須仰賴外部假設。 解析 RDP 理論缺口：將分佈散度轉為數學推導 在自然信號壓縮領域，傳統上由夏農（S…
原文：A Synonymous Variational Perspective on the Rate-Distortion-Perception Tradeoff
傳統擴散模型在編輯 1024px 高解析度圖像時，往往需要等待數十秒並受困於反演誤差。最新發表於 arXiv 的研究提出 Masked Logit Nudging (MLN) 方法，能在不依賴反演的視覺自迴歸 (VAR) 模型架構下，將 1024px 圖像編輯時間大幅壓縮至 **1.6 秒**，同時在多項標準測試中達…
原文：Prompt-Guided Image Editing with Masked Logit Nudging in Visual Autoregressive Models
傳統的 2D 深度偽造（Deepfake）檢測技術在面對高畫質或極度模糊的造假影像時經常失效。為了解決這項痛點，華南農業大學研究團隊提出 **M3D-Net** 雙流網路架構，透過單一視角 RGB 影像重建臉部的反照率與深度特徵。這項結合 3D 空間特徵與 RGB 影像的多模態融合技術，在主流的 FF++(c23) …
原文：M3D-Net: Multi-Modal 3D Facial Feature Reconstruction Network for Deepfake Detection
NTIRE 2026 影像超解析度（x4）挑戰賽共吸引 **194 名**註冊參賽者，最終由 **SamsungAICamera** 團隊以破紀錄的 **33.73 dB** 峰值信噪比（PSNR）奪下雙軌賽道冠軍。本屆賽事標誌著技術典範的轉移，兩階段架構與擴散模型已正式取代傳統單一網路，成為突破視覺感知與像素保真度…
原文：The Fourth Challenge on Image Super-Resolution ($\times$4) at NTIRE 2026: Benchmark Results and Method Overview
室內無人機與移動機器人的自主導航面臨嚴峻挑戰，純視覺慣性里程計在長距離運作下無可避免會產生軌跡漂移。儘管引入超寬頻（UWB）測距能修正誤差，但在實體定點基站少於 4 個的狹窄環境中，傳統離散時間演算法往往因訊號阻擋與非同步採樣而導致系統崩潰。一項最新研究提出 CT-VIR 連續時間融合框架，透過建構「虛擬基站」與 B…
原文：CT-VIR: Continuous-Time Visual-Inertial-Ranging Fusion for Indoor Localization with Sparse Anchors
現有單圖 3D 頭部生成技術中，控制臉部動作的數十個幾何參數往往將語音與「情感」隱式打包，導致難以針對單一情緒進行獨立且一致的修改。這篇來自南京大學與微軟亞洲研究院的研究，提出將情感獨立為第一類顯式控制訊號。透過全新的雙路徑調變機制，讓 3D 虛擬人能在完全不改變原有前饋網路架構的條件下，展現獨立於語音的精準情感變化…
原文：Giving Faces Their Feelings Back: Explicit Emotion Control for Feedforward Single-Image 3D Head Avatars