- 基于周期引导的去噪扩散概率模型用于 3D 交叉模态 MRI 合成
该研究旨在发展一种新型的循环引导去噪扩散概率模型（Cycle-guided Denoising Diffusion Probability Model，CG-DDPM），用于跨模态 MRI 合成，并使用 BraTS2020 数据集定量评估。 - 基于大型语言模型的软件规格自动综合
本文提出了一个能从自然语言来源中自动生成软件规格说明的框架 SpecSyn，并证明其性能明显更强于之前的同类工具。
- 语调转移模型是否能转移语调？
该研究探讨了使用不同于目标语音的发音作为参考语音进行训练对 Text-to-Speech 中的韵律转移的影响。结果表明，这种方法的性能明显低于使用目标语音作为参考的方法。作者假设韵律转移模型并非学习可转让的韵律表示，而是高度依赖于参考说话者 - ICLR多篇文档摘要模型是否具有综合能力？
本文旨在评估现代多文档摘要模型在混合输入时是否能够适当地综合输出，并提出了一种改进模型综合能力的方法，即通过生成多样的候选输出并在这些中选择与期望聚合度量最能匹配的字符串或在模型产生的候选项不好时选择回避。
- 利用神经扩散模型生成合成医学图像识别假肺部
本文探讨使用神经扩散模型合成医学图像的可能性，结果表明扩散模型生成的图像可以翻译一些胸部 X 射线或 CT 图像中特定医学情况的特征，这是一项新的人工智能医学图像研究，展示了扩散模型在医学图像合成领域的潜力。
- 生物医学信号和图像处理中的可解释 AI（XAI）：承诺与挑战
本文综述了生物医学数据处理中可解释人工智能的发展，并提出了 IEEE 信号处理杂志即将于 2022 年 3 月推出的深度学习在生物医学影像和信号处理中的特刊。
- ACL量化合成和融合对机器翻译的影响
通过量化语言单词和片段级别的形态学来降低整体语言严格形态类型的刻板印象，测试了无监督和监督的形态分割方法，并提出了一种半自动的融合方法，探讨了机器翻译质量与合成和融合程度之间的关系，并在英语、德语、土耳其和西班牙语上进行了实验。
- 机器人语音合成：交互、场景和伦理的视角
本文从非语言和互动语音信号的综合、机器人语音综合的情景分类和机器人语音情感和认同的设计三个方面来讨论优化人机交互的通讯机器人设计。
- 计算机科学与综合：回顾与展望
分析了计算机科学领域中综合问题的解决方法，探讨了寻找通用合成科学方法的途径和采用多尺度分析方法的实例，同时分析了进一步研究的前景，包括应用多尺度法解决计算机科学领域的主要问题。
- CVPR基于深度编码的实时视频化妆合成
本文介绍了一种反向计算机图形方法，通过学习将带有化妆的示例肖像图像映射到渲染参数空间的模型，从而实现从参考图像自动合成化妆。
- 从改进的层次 GAN 中学习前景 - 背景分割
提出了一种自动合成图像和分割掩模的方法，利用生成式对抗网络学习将图像分解成前景和背景层，生成高质量数据集并用于训练前景 - 背景分割网络，同时使用前景背景分割网络稳定分层 GAN 的训练。实验证明其生成质量和分割性能与相关方法相似。
- 钻研分子合成 DAG 图的搜索方法
本论文介绍了一种调用化学反应生成分子的生成模型，并以优化分子合成为目标来提高模型可生成性能。
- 使用逐渐增长的 GAN 生成的合成胸部 X 射线的临床逼真度评估
提出了一种利用 GAN 进行胸部 X 光图像合成的方法，使用 Frechet Inception 距离量化合成图像的质量，并邀请放射学专家评估其临床真实性和多样性。
- 学习合成无纵向数据的老化大脑
该论文提出了一种基于深度学习的方法，通过合成图像并考虑年龄和阿尔茨海默病的状态，来模拟特定对象的大脑衰老轨迹，并展示了该方法在神经退行性疾病研究中的应用潜力。
- ICCV基于风格的逼真眼睛内容一致性生成
该研究综合了语义分割和多尺度信息注入的方法，成功地在保留关键细节的情况下合成了符合给定病人眼睛语义分割掩码的眼睛图像。
- 使用答案集规划从生物动力学约束合成布尔网络
该论文讨论了如何从有关域的限制和结果网络的动态属性中合成布尔函数。使用答案集编程来解决合成问题，然后对其解集进行非冗余特征描述。该方法的可扩展性通过随机网络的案例研究得到了展示，最多可达 100 到 1,000 节点，具备处理细胞分化过程细 - 情感空间下的逼真人脸合成
该研究提出了一种新颖的面部情感合成方法，使用情感状态描述符和中性图像生成逼真的面部表情。
- 情感语音数据库：实现对语音生成系统中情感维度的控制
本文介绍了一种情感语音数据库，涵盖男性和女性以及法语男性等不同语音。该数据库可以用于合成和生成语音，并且可以控制情感维度。通过建立一个简单的 MLP 系统，我们可以将中性语音转换为愤怒语音风格，并通过 CMOS 感知测试评估其效率，结果表明 - 对抗扩张驱动的非稳态纹理合成
本文介绍了一种基于生成对抗网络的例子合成方法，用于处理包括空间非同变、不均质等非稳态纹理，实现了大尺度结构的捕捉，其简单的概念性方法极有效，成为解决有挑战性的纹理的无其他现有方法可处理。
- 对抗生成学习实现无需目标模态基本事实的分割
本研究提出了一种新的端到端的合成和分割神经网络（EssNet），可以在不使用 CT 手动标签的情况下同时完成未配对的 MRI 到 CT 图像合成和 CT 脾肿大分割，相比于使用合成图像独立训练分割网络的两阶段方法（0.8801），以及使用