ETH Zurich（苏黎世联邦理工学院）

Modeling Subjective Urban Perception with Human Gaze

用人类注视建模主观城市感知

Lin Che, Xi Wang, Marc Pollefeys, Konrad Schindler, Martin Raubal, Peter Kiefer

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出基于注视行为的城市感知框架，通过结合注视数据与场景表示，提升对主观城市感知的预测能力。

ScreenParse: Moving Beyond Sparse Grounding with Complete Screen Parsing Supervision

ScreenParse：超越稀疏标注的完整屏幕解析监督

A. Said Gurbuz, Sunghwan Hong, Ahmed Nassar, Marc Pollefeys, Peter Staar

机构 * IBM Research Zurich, Zurich, Switzerland（IBM苏黎世研究实验室，瑞士苏黎世） ； ETH Zurich, Computer Vision（苏黎世联邦理工学院，计算机视觉） ； ETH AI Center, Switzerland（苏黎世联邦理工学院人工智能中心，瑞士） ； ETH Zurich, Photogrammetry（苏黎世联邦理工学院，摄影测量学） ； Microsoft, Switzerland（微软公司，瑞士） 纠错

AI总结 ScreenParse通过大规模完整屏幕解析标注，训练出性能优异的ScreenVLM模型，显著提升了密集解析能力和迁移表现。

Comments Accepted at ICML 2026. 28 pages, 15 figures

Real-Time Frame- and Event-based Object Detection with Spiking Neural Networks on Edge Neuromorphic Hardware: Design, Deployment and Benchmark

基于边缘神经形态硬件的实时帧级和事件级目标检测：设计、部署与基准测试

Udayanga G. W. K. N. Gamage, Yan Zeng, Cesar Cadena, Matteo Fumagalli, Silvia Tolu

机构 * Department of Electrical and Photonics Engineering, Technical University of Denmark（电气与光子工程系，丹麦技术大学） ； Autonomous Systems Lab, ETH zürich（自主系统实验室，苏黎世联邦理工学院） 纠错

AI总结 本文提出了一种针对神经形态平台的通用SNN检测架构设计方法，并在Intel Loihi 2上进行部署与基准测试，展示了SNN在低功耗实时目标检测中的优势。

Comments 11 figures, 7 tables, 53 pages

World Model for Robot Learning: A Comprehensive Survey

机器人学习的世界模型：全面综述

Bohan Hou, Gen Li, Jindou Jia, Tuo An, Xinying Guo, Sicong Leng, Haoran Geng, Yanjie Ze, Tatsuya Harada, Philip Torr, Oier Mees, Marc Pollefeys, Zhuang Liu, Jiajun Wu, Pieter Abbeel, Jitendra Malik, Yilun Du, Jianfei Yang

机构 * Nanyang Technological University（南洋理工大学） ； University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； The University of Tokyo（东京大学） ； University of Oxford（牛津大学） ； Microsoft（微软公司） ； ETH Zurich（苏黎世联邦理工学院） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） 纠错

AI总结 综述从机器人学习角度系统回顾世界模型的快速发展，探讨其与机器人策略的耦合、作为强化学习模拟器的作用以及机器人视频世界模型的发展，总结关键范式与挑战。

Comments 43 pages, 6 figures

Conditional Diffusion Posterior Alignment for Sparse-View CT Reconstruction

基于条件扩散后验对齐的稀疏视图CT重建

Luis Barba, Johannes Kirschner, Benjamin Bejar

机构 * Swiss Data Science Center (SDSC) in Paul Scherrer Institute (PSI)（瑞士数据科学中心（SDSC）在保罗·舍勒研究所（PSI）） ； Swiss Data Science Center (SDSC) and ETH Zurich（瑞士数据科学中心（SDSC）和苏黎世联邦理工学院） ； Swiss Data Science Center (SDSC) and Paul Scherrer Institute (PSI)（瑞士数据科学中心（SDSC）和保罗·舍勒研究所（PSI）） 纠错

AI总结 本文提出CDPA方法，结合条件扩散与显式数据一致性，解决稀疏视图CT重建中3D体积扩展问题，通过2D U-Net模型提升切片一致性，并在合成和真实CBCT数据上取得最佳性能。

AI-Driven Expansion and Application of the Alexandria Database

基于人工智能的亚历山大数据库扩展与应用

Théo Cavignac, Jonathan Schmidt, Pierre-Paul De Breuck, Antoine Loew, Tiago F. T. Cerqueira, Hai-Chen Wang, Anton Bochkarev, Yury Lysogorskiy, Aldo H. Romero, Ralf Drautz, Silvana Botti, Miguel A. L. Marques

机构 * Research Center Future Energy Materials and Systems of the University Alliance Ruhr（鲁尔大学联盟未来能源材料与系统研究中心） ； ICAMS, Ruhr University Bochum, Universitätsstraße 150, D-44801 Bochum, Germany（鲁尔大学波恩分校ICAMS研究中心） ； Department of Materials, ETH Zürich, Zürich, CH-8093, Switzerland（苏黎世联邦理工学院材料系） ； CFisUC, Department of Physics, University of Coimbra, Rua Larga, 3004-516 Coimbra, Portugal（科英布拉大学物理系） ； ACEworks GmbH, Hagen-Hof-Weg 1, 44797 Bochum, Germany（ACEworks GmbH） ； Department of Physics, West Virginia University, Morgantown, WV 26506, USA（西弗吉尼亚大学物理系） 纠错

AI总结 本文提出一种新型多阶段工作流程，通过生成模型、机器学习势能和图神经网络，成功将亚历山大数据库扩展至580万结构，新增13万DFT验证化合物，并展示了改进的GRACE模型在基准测试中的准确性。