A Quantitative Evaluation Framework for Temporal Explainability in Echocardiographic Video Segmentation
本文提出一种定量框架，通过四个指标评估超声心动图视频分割中的时间可解释性问题，使用Grad-CAM方法对比了2D U-Net和ConvLSTM U-Net模型。
0 citationsRead paper
Selected work
Representative Papers
A Large Open Multi-Energy Corpus of Soil Compaction Tests, with Machine-Learning Baselines
本文构建了一个大型土壤压实测试数据集，使用机器学习方法解决了现有数据不足和不公开的问题，并提供了密度和含水量的预测模型。
0 citationsRead paper
SAM3-LoRA: Parameter-Efficient Adaptation of a Concept-Promptable Foundation Model for Multi-Class Structural Defect Segmentation
本文使用低秩适应(LoRA)方法对SAM3进行参数高效调整，以解决多类结构缺陷分割问题，并提出了一种直接从COCO风格标注训练模型的监督程序。
0 citationsRead paper
Real-Time Video Anomaly Detection Using YOLO Pose Estimation and CLIP-Based Semantic Scoring
提出了一种基于YOLO姿态估计和CLIP语义评分的轻量级两阶段框架，用于实时视频异常检测，无需光流或独立姿态估计器。
0 citationsRead paper
An approximate zero bias transformation for random sums: Applications to sampling with outliers, auto insurance, and generative AI
本文通过一种新的近似零偏移变换方法，为随机和与标准正态变量之间的差异提供了L^1界，并应用于采样异常值、汽车保险及生成式AI领域。
0 citationsRead paper
Recent publications
Latest Papers
A Quantitative Evaluation Framework for Temporal Explainability in Echocardiographic Video Segmentation
本文提出一种定量框架，通过四个指标评估超声心动图视频分割中的时间可解释性问题，使用Grad-CAM方法对比了2D U-Net和ConvLSTM U-Net模型。
0 citationsRead paper
A Large Open Multi-Energy Corpus of Soil Compaction Tests, with Machine-Learning Baselines
本文构建了一个大型土壤压实测试数据集，使用机器学习方法解决了现有数据不足和不公开的问题，并提供了密度和含水量的预测模型。
0 citationsRead paper
SAM3-LoRA: Parameter-Efficient Adaptation of a Concept-Promptable Foundation Model for Multi-Class Structural Defect Segmentation
本文使用低秩适应(LoRA)方法对SAM3进行参数高效调整，以解决多类结构缺陷分割问题，并提出了一种直接从COCO风格标注训练模型的监督程序。
0 citationsRead paper
Real-Time Video Anomaly Detection Using YOLO Pose Estimation and CLIP-Based Semantic Scoring
提出了一种基于YOLO姿态估计和CLIP语义评分的轻量级两阶段框架，用于实时视频异常检测，无需光流或独立姿态估计器。
0 citationsRead paper
An approximate zero bias transformation for random sums: Applications to sampling with outliers, auto insurance, and generative AI
本文通过一种新的近似零偏移变换方法，为随机和与标准正态变量之间的差异提供了L^1界，并应用于采样异常值、汽车保险及生成式AI领域。
0 citationsRead paper