图像生成

LikeThis! Empowering App Users to Submit UI Improvement Suggestions Instead of Complaints

LikeThis! 使应用用户能够提交UI改进建议而不是投诉

Jialiang Wei, Ali Ebrahimi Pourasad, Walid Maalej

机构 * University of Hamburg（汉堡大学） 纠错

专题命中 其他图像生成 ：image generation(abstract)

AI总结 LikeThis! 通过生成式AI帮助用户提交具体的UI改进建议，提升用户与开发者的协作效率。

Comments Accepted at 2026 IEEE/ACM 48th International Conference on Software Engineering (ICSE '26)

On the Generalization Limits of Quantum Generative Adversarial Networks with Pure State Generators

量子生成对抗网络在纯态生成器中的泛化极限研究

Jasmin Frkatovic, Akash Malemath, Ivan Kankeu, Yannick Werner, Matthias Tschöpe, Vitor Fortes Rey, Sungho Suh, Paul Lukowicz, Nikolaos Palaiodimopoulos, Maximilian Kiefer-Emmanouilidis

机构 * Department of Computer Science and Research Initiative QC-AI（计算机科学系和QC-AI研究计划） ； RPTU Kaiserslautern-Landau（凯撒斯劳滕-兰道大学） ； Embedded Intelligence（嵌入式智能） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Department of Artificial Intelligence（人工智能系） ； Korea University（韩国大学） ； Department of Physics（物理系） 纠错

专题命中 其他图像生成 ：image generation(abstract)

AI总结 本研究探讨了量子生成对抗网络在纯态生成器中的泛化极限，推导出判别器质量的理论下限，揭示了现有量子生成模型在泛化能力上的根本挑战。

Comments 20 pages, 6 figures