本研究解决了个性化联邦学习中现有方法无法有效处理异构数据所导致的低准确性问题。提出了Calibre框架，通过引入客户端特定原型损失和聚合算法，实现自监督学习表示的校准，平衡通用性与客户端特异性。其实验结果显示，Calibre在非独立同分布设置下在准确性与公平性上均达到了最先进的表现。

以上是长文的总结。请帮我用简体中文重写，使其更准确简洁，作为总结字段。并提取不超过5个关键词，作为关键词字段。

本研究提出多种新算法和方法，解决3D物体检测、姿态估计和图像对称性检测问题，提升了检测效率和准确性，适用于工业场景和复杂环境。

版本控制中修正提交消息的方法

本研究探讨了机器学习在感染性休克早期预测中的应用，利用纽约布朗克斯Montefiore医疗中心的临床数据，开发了高效的诊断模型。研究表明，基于深度学习的系统能够在感染发生前三小时预测感染风险，从而提升临床决策的准确性和效率。

谷歌等公司最大的资产是人们对其的信任。人们希望能够相信知识工具的好处，不希望一直担心其生成是否准确。因此，我们需要更多的限定词来区分不同的产品。

使用单个低成本 RGBD 摄像头的生物力学方法，可提供高精度的上肢运动学重建和全面上肢生物力学研究的潜力。

本文介绍了一种名为PlaneFormer的基于transformer的3D平面重建方法，能够从有限重叠图像中有效重建场景平面，适用于视觉SLAM和人机交互等实时应用。

本文介绍了针对扩散变换器（DiTs）的量化方法，包括混合浮点量化（HQ-DiT）和后训练量化（PTQ4DiT）。通过通道平衡和校准技术，实现高效量化，提升模型在低精度下的性能。此外，研究提出了多种量化框架和优化方法，显著提高了移动设备上的计算效率和准确性。

请帮我将上述长文章总结成简体中文，更准确、简洁，并提取不超过5个关键词。

最近的研究探讨了深度学习中的后训练量化，特别是FP8和FP4格式在大型语言模型中的应用。研究表明，FP8在自然语言处理和计算机视觉任务中优于INT8，且通过激活量化感知和序列长度感知校准等新技术，显著提高了模型的准确性和计算效率。这些进展为资源受限环境中的高效部署提供了可能。

CoachAI羽毛球项目旨在自动检测比赛视频中的羽毛球事件。尽管对TrackNet模型进行了修改，准确度仍未达标。为提升检测精度，采用多种深度学习方法处理噪声数据，最终在挑战中获得0.78分。研究还探讨了多目标追踪和击打帧检测，以帮助运动员和教练提高表现评估能力。

本文提出了一种基于最小问题求解的相对相机位姿估计方法，结合三点和一条线的信息，采用高效的同伦继续求解器MINUS，克服了传统方法的局限性。实验结果表明，该方法在复杂环境中具有更高的准确性和鲁棒性，优于基于点的方法，并已公开源代码。