EPFL（洛桑联邦理工学院）

Nonparametric Variational Differential Privacy via Embedding Parameter Clipping

非参数变分差分隐私 via 嵌入参数裁剪

Dina El Zein, Shashi Kumar, James Henderson

机构 * Idiap Research Institute（日内瓦研究所） ； EPFL（瑞士联邦理工学院） 纠错

AI总结 本文提出通过嵌入参数裁剪解决非参数变分差分隐私中潜在表示漂移问题，理论推导出后验均值、方差和混合权重约束，提升隐私-效用平衡。

Comments 8 pages, 1 figure

Multi-material Direct Ink Writing and Embroidery for Stretchable Wearable Sensors

多材料直接墨水书写与刺绣用于可拉伸可穿戴传感器

Lukas Cha, Ryman Hashem, Ria Prakash, Tanguy Declety, Wenze Zhang, Liang He

机构 * Institute of Biomedical Engineering, University of Oxford, UK（生物医学工程研究所，牛津大学，英国） ； The Podium Institute for Sports Medicine and Technology, University of Oxford, UK（体育医学与技术研究所，牛津大学，英国） ； École Polytechnique Fédérale de Lausanne, Switzerland（洛桑联邦理工学院，瑞士） 纠错

AI总结 本文提出一种纺织品兼容的制造流程，结合多材料直接墨水书写与自动化刺绣，实现可拉伸应变传感器直接嵌入服装中，展示出高达120%的拉伸性能和线性响应特性，适用于运动捕捉和柔性机器人应用。

Comments 6 pages, 8 figures, conference

Q-Drift: Quantization-Aware Drift Correction for Diffusion Model Sampling

Q-Drift：扩散模型采样中的量化感知漂移校正

Sooyoung Ryu, Mathieu Salzmann, Saqib Javed

机构 * Department of Computer Science and Engineering, Seoul National University, Seoul, South Korea（计算机科学与工程系，首尔国立大学，韩国首尔） ； School of Computer and Communication Sciences, EPFL, Lausanne, Switzerland（计算机与通信科学学院，瑞士洛桑联邦理工学院） ； Meta Reality Labs, Redmond, USA（Meta现实实验室，美国西雅图） 纠错

AI总结 本文提出Q-Drift，一种在采样端校正量化噪声的方法，通过将量化误差视为隐含的随机扰动，提升扩散模型生成质量，实验显示在多种模型和方法上均有效。

Comments 29 pages, 6 figures