Cornell University（康奈尔大学）

Towards Rapid Constitutive Model Discovery from Multi-Modal Data: Physics Augmented Finite Element Model Updating (paFEMU)

面向多模态数据的快速本构模型发现：物理增强有限元模型更新（paFEMU）

Jingye Tan, Govinda Anantha Padmanabha, Steven J. Yang, Nikolaos Bouklas

机构 * University of Southern California（南加州大学） ； Cornell University（康奈尔大学） ； Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院） ； Pasteur Labs 纠错

AI总结 本文提出paFEMU方法，结合AI本构建模、稀疏化可解释模型发现和基于有限元的伴随优化，利用多模态数据实现快速本构模型发现。

On the Unique Recovery of Transport Maps and Vector Fields from Finite Measure-Valued Data

关于从有限测度数据中唯一恢复传输映射和向量场

Jonah Botvinick-Greenhouse, Yunan Yang

机构 * Center for Applied Mathematics, Cornell University（康奈尔大学应用数学中心） ； Department of Mathematics, Cornell University（康奈尔大学数学系） 纠错

AI总结 本文研究了从有限测度数据中唯一恢复向量场和传输映射的条件，提出新的度量方法，并展示了其在生成模型和偏微分方程反问题中的应用。

ZipMap: Linear-Time Stateful 3D Reconstruction via Test-Time Training

ZipMap: 通过测试时训练实现线性时间的态持久3D重建

Haian Jin, Rundi Wu, Tianyuan Zhang, Ruiqi Gao, Jonathan T. Barron, Noah Snavely, Aleksander Holynski

机构 * Google DeepMind（谷歌DeepMind） ； Cornell University（康奈尔大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 ZipMap通过测试时训练层实现线性时间双向3D重建，效率超过二次时间方法，能在10秒内处理700多帧。

Comments Project page: https://haian-jin.github.io/ZipMap