AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:先验融合×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
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
精选全部日报登录