EPFL（洛桑联邦理工学院）

Can You Learn to See Without Images? Procedural Warm-Up for Vision Transformers

你能否在没有图像的情况下学习视觉？面向视觉变换器的程序化预热

Zachary Shinnick, Liangze Jiang, Hemanth Saratchandran, Damien Teney, Anton van den Hengel

机构 * Australian Institute for Machine Learning (AIML), University of Adelaide, Australia（澳大利亚机器学习研究所（AIML），阿德莱德大学，澳大利亚） ； École Polytechnique Fédérale de Lausanne (EPFL), Switzerland（瑞士联邦理工学院（EPFL）） ； Idiap Research Institute, Switzerland（日内瓦研究所） 纠错

AI总结 本文通过程序化生成数据预训练视觉变换器，使其学习抽象计算先验，提升数据效率和下游性能。

Comments Camera-ready version

Fast convergence of a Federated Expectation-Maximization Algorithm

联邦期望-最大化算法的快速收敛性

Zhixu Tao, Rajita Chandak, Sanjeev Kulkarni

机构 * Institute of Mathematics, Ecole Polytechnique Federale de Lausanne（洛桑联邦理工学院数学研究所） ； Department of Operations Research and Financial Engineering（运筹学与金融工程系） ； Princeton University（普林斯顿大学） 纠错

AI总结 本文研究了联邦学习中数据异质性对期望-最大化算法收敛速率的影响，通过联邦混合线性回归模型分析，证明在信号噪声比不低于√K时，初始化良好的EM算法在所有客户端数量和数据点数量下都能收敛到真实参数，实验验证了数据异质性可加速迭代联邦算法收敛。

Swim2Real: VLM-Guided System Identification for Sim-to-Real Transfer

Swim2Real: 基于视觉-语言模型的系统辨识用于仿真到现实迁移

Kevin Qiu, Kyle Walker, Mike Y. Michelis, Marek Cygan, Josie Hughes

机构 * University of Warsaw（华沙大学） ； IDEAS NCBR ； EPFL（瑞士联邦理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Nomagic 纠错

AI总结 本文提出Swim2Real系统，利用视觉-语言模型反馈校准水下仿真实验室，无需手动设计搜索阶段。通过同时校准16个参数，显著提升仿真到现实的迁移效果，实现零样本强化学习迁移。

PhysGen: Physically Grounded 3D Shape Generation for Industrial Design

PhysGen：面向工业设计的物理引导的3D形状生成

Yingxuan You, Chen Zhao, Hantao Zhang, Ming Xu, Pascal Fua

机构 * CVLab, EPFL（EPFL计算机视觉实验室） 纠错

AI总结 PhysGen提出一种结合物理引导的3D形状生成方法，通过物理感知正则化项和变分自编码器提升形状真实感，实验表明其优于单纯视觉合理性。

Comments Accepted to CVPR 2026. 14 pages, 10 figures