EPFL（洛桑联邦理工学院）

MuViT: Multi-Resolution Vision Transformers for Learning Across Scales in Microscopy

MuViT：多分辨率视觉变换器用于跨尺度学习的显微镜分析

Albert Dominguez Mantes, Gioele La Manno, Martin Weigert

机构 * Swiss Federal Institute of Technology Lausanne（瑞士联邦理工学院洛桑分校） ； Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)（可扩展数据与人工智能中心（ScaDS.AI）） ； Technische Universität Dresden（德累斯顿技术大学） 纠错

AI总结 MuViT 通过多分辨率视觉变换器在显微镜分析中实现跨尺度学习，提升多分辨率信息利用能力。

Comments Accepted at CVPR 2026

SenCache: Accelerating Diffusion Model Inference via Sensitivity-Aware Caching

SenCache: 通过敏感性感知缓存加速扩散模型推理

Yasaman Haghighi, Alexandre Alahi

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）） 纠错

AI总结 SenCache通过敏感性感知缓存策略，提升扩散模型推理效率与视觉质量。

Spatio-Temporal Garment Reconstruction Using Diffusion Mapping via Pattern Coordinates

基于模式坐标扩散映射的时空服装重建

Yingxuan You, Ren Li, Corentin Dumery, Cong Cao, Hao Li, Pascal Fua

机构 * CVLab, École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）计算机视觉实验室） ； Mohamed bin Zayed University of Artificial Intelligence（马尔代夫人工智能大学） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； Pinscreen and Mohamed bin Zayed University of Artificial Intelligence（Pinscreen和马尔代夫人工智能大学） 纠错

AI总结 本文提出了一种基于模式坐标扩散映射的时空服装重建方法，结合隐式缝合模式与生成扩散模型，实现高保真3D服装重建，适用于虚拟试穿和动画等领域。

Comments arXiv admin note: text overlap with arXiv:2504.08353

Learning to Build: Autonomous Robotic Assembly of Stable Structures Without Predefined Plans

学习构建：无需预定义计划的自主机器人稳定结构组装

Jingwen Wang, Johannes Kirschner, Paul Rolland, Luis Salamanca, Stefana Parascho

机构 * Lab of Creative Computation, École Polytechnique Fédérale de Lausanne（创意计算实验室，瑞士联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心） 纠错

AI总结 本文提出了一种无需预定义计划的自主机器人组装方法，通过强化学习策略实现灵活适应环境变化的稳定结构构建。

Carré du champ flow matching: better quality-generalisation tradeoff in generative models

Carré du champ flow matching: 更好的质量-泛化权衡在生成模型中

Jacob Bamberger, Iolo Jones, Dennis Duncan, Michael M. Bronstein, Pierre Vandergheynst, Adam Gosztolai

机构 * Institute of Artificial Intelligence（人工智能研究所） ； Medical University of Vienna（维也纳医科大学） ； University of Oxford（牛津大学） ； AITHYRA ； EPFL（苏黎世联邦理工学院） 纠错

AI总结 Carré du champ flow matching通过几何感知噪声改进生成模型的质量-泛化权衡，适用于数据稀缺和非均匀采样场景。