AITOP
精选
过去 24 小时，从 757 条中筛出 48 条
全部模型产品行业论文技巧
标签：k空间采样×
6月11日
15:28
15:23
15:07
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？
5月19日
10:57
10:57arXiv cs.LG@Md Hasan, Nyvenn Castro, Daiqi Liu, Lukas Mulzer, Jana Hutter, Jonghye Woo, Moritz Zaiss, Andreas Maier, Paula A. Perez-Toro
精选
SIREM是一种新型的语音引导MRI重建框架，通过同步语音作为跨模态先验来改善实时语音MRI（rtMRI）的图像质量。该方法将每帧图像建模为音频驱动和MRI驱动成分的融合，利用语音预测发音器结构，同时从k空间数据重建互补内容。SIREM还引入了可学习的螺旋臂软加权机制，实现k空间采样与语音信息融合的差异化研究。在USC语音rtMRI基准上，SIREM在保持解剖学合理性的同时，显著优于传统方法（如网格化、小波压缩感知和全变分），实现了更高吞吐量的重建。代码已开源。
论文语音MRI跨模态重建k空间采样开源/仓库先验融合
推荐理由：语音MRI研究者终于有了一个利用语音信号本身来提升成像质量的新思路——SIREM把音频作为先验，解决了传统rtMRI在分辨率与速度间的权衡问题，做语音科学或临床评估的团队可以直接用开源代码试试。
原文