California Institute of Technology（加州理工学院）

Graphical conditional generative modeling for digital twin modeling

面向数字孪生建模的图条件生成建模

Zongren Zou, Théo Bourdais, Ricardo Baptista, Houman Owhadi

机构 * Department of Computing and Mathematical Sciences, California Institute of Technology（计算与数学科学系，加州理工学院） ； Department of Statistical Sciences, University of Toronto（统计科学系，多伦多大学） 纠错

AI总结 针对数字孪生建模中的保真度问题，提出一种基于条件生成模型和高斯过程方差分析（核模式分解）的框架，从观测数据中发现影响目标条件分布的关键变量，构建简约随机代理模型，并在控制、强化学习等任务中验证其性能。

Dynamic Black-hole Emission Tomography with Physics-informed Neural Fields

基于物理信息神经场的动态黑洞发射断层成像

Berthy T. Feng, Andrew A. Chael, David Bromley, Aviad Levis, William T. Freeman, Katherine L. Bouman

机构 * Caltech（加州理工学院） ； MIT（麻省理工学院） ； NSF IAIFI（国家科学基金会IAIFI） ； Princeton University（普林斯顿大学） ； Niels Bohr International Academy（尼尔斯·玻尔国际学院） ； University of Toronto（多伦多大学） 纠错

AI总结 提出PI-DEF方法，利用可微神经渲染从EHT测量数据中联合重建4D发射率场和3D速度场，以软约束方式引入物理信息，在模拟数据上显著优于现有方法。

Comments CVPR 2026