AI产品面临认知偏差、落地断层和体验割裂三大痛点。百度的王颖提出通过GenFlow构建超级个人智能体，以提升用户的个性化、自由化和通用化能力，帮助用户成为超级个体。

UC伯克利等团队研发的LeVERB框架首次实现人形机器人视觉感知与运动控制的结合，机器人能够根据语言指令自动完成复杂动作。在Unitree G1机器人上测试，零样本成功率达到80%，整体任务成功率为58.5%，显著优于传统方法。

本研究针对在光声计算断层成像（PACT）中使用半球测量 aperture 进行数据采集的问题，提出了一种基于学习的半扫描滤波反投影重建方法。通过对3D乳腺影像的虚拟成像研究和实际数据的应用，结果表明该方法可准确重建半扫描数据的3D图像，并在数据差异较大的情况下保持重建的准确性。

本研究构建了Fluorescence Microscopy Denoising (FMD)数据集，测试了10种降噪算法，结果表明深度学习方法效果最佳。该数据集为生物医学研究提供了高质量的实时去噪工具，并提出了多种基于深度学习的降噪方法，显著提高了图像重建的精度和速度。

本文探讨了几何和自然模拟结构对深度神经网络训练数据多样性的影响，并提出了改进的学习框架以提高光声成像的重建质量。研究开发了基于深度学习的框架，利用超声探头进行声速重建，展示了良好的泛化能力。此外，提出了新的生成模型和条件锥形神经计算机断层成像方法，优化了超声图像合成和分割任务，证明了深度学习在光声成像中的有效性。

本文介绍了多种基于光学相干断层扫描（OCTA）的血管分割方法，如SCF-Net、VET和OCTA-MTL。这些新方法在血管提取和图像质量上优于传统技术，提升了糖尿病视网膜病变的自动评估能力，推动了眼科图像分析的发展。

本研究利用卷积神经网络（CNN）从暗能量调查数据中筛选出405个强引力透镜和539个环状星系候选物。通过深度学习方法，成功建模52个系统，并发现36个新透镜候选者，展示了深度学习在天文研究中的应用潜力。

本文探讨了利用概率密度评估模型和深度学习技术优化CT图像中的运动伪影，提出了基于梯度的优化算法、隐式神经表示和深度合成技术等新方法，以提高运动估计的准确性和效率，改善影像质量，解决运动相关挑战。

计算机断层扫描（CT）通过投影图像计算物体内部结构的图像。近年来，深度学习在CT造影图像去伪影方面表现出良好结果。提出了一种多阶段深度学习伪影去除方法，实验证明该方法有效且优于基于深度学习的后处理方法。

本研究提出了一种名为ARTran的模型，用于高度近视的OCT数据的筛查。该模型通过引入可调整的类别嵌入和移动子空间转换矩阵，能够适应不同条件下的筛查，并提供不确定性评估的证据。实验证明了该方法的有效性和可靠性。

本文研究了一种通过非线性正演模型直接从原始测量数据中重建信号的技术，能减少金属伪影。

本文介绍了一种名为HiFormer的新方法，使用Swin Transformer模块和基于CNN的编码器设计了两种多尺度特征表示，以有效进行医学图像分割。通过Double-Level Fusion（DLF）模块在编码器解码器结构的跳跃连接中实现全局和局部特征的细粒度融合。实验结果表明，HiFormer在计算复杂度、定量和定性结果方面优于其他基于CNN、Transformer和混合方法。