ETH Zurich（苏黎世联邦理工学院）

Rolling Shutter Relative Pose Estimation Made Practical

滚动快门相对位姿估计的实用化

Daniel Barath

机构 * ETH Zürich（苏黎世联邦理工学院） ； Google Zurich（谷歌苏黎世） ； HUN-REN SZTAKI（匈牙利科学院计算机与自动化研究所） 纠错

AI总结 提出一种基于仿射对应（ACs）的滚动快门（RS）相对位姿估计方法，通过RS校正仿射约束和线性化代数求解器，仅需7个ACs即可在1.2毫秒内估计位姿和RS运动，在TUM RS基准上达到最佳精度。

LCAi: Life Cycle Assessment with big data fusion and retrieval-augmented generation-assisted interpretation

LCAi: 基于大数据融合与检索增强生成辅助解释的生命周期评估

Georgios Tsironis, Juan D. Medrano-Garcia, Gonzalo Guillen-Gosalbez

机构 * Institute for Chemical and Bioengineering, Department of Chemistry and Applied Biosciences, ETH Zürich（苏黎世联邦理工学院化学与应用生物科学系化学与生物工程研究所） ； NCCR Catalysis（瑞士国家研究能力中心催化研究所） 纠错

AI总结 提出一种视角条件检索增强生成框架，通过多视角检索与受控合成，在AI辅助生命周期评估中实现结构化解释，减少幻觉风险并保持跨领域多样性。

Comments 23 pages, 14 figures, 6 tables. Includes Supplementary Information

A Latent ODE Approach to Spatiotemporal Modeling of Cine Cardiac MRI

一种用于电影心脏MRI时空建模的潜在ODE方法

David Brüggemann, Ekaterina Krymova, Firat Özdemir, Jochen von Spiczak, Sebastian Kozerke, Samia Mora, Robert Manka, Mathieu Salzmann, Olga V. Demler

机构 * Swiss Data Science Center, EPFL and ETH Zürich（瑞士数据科学中心，EPFL 和 ETH 苏黎世） ； Diagnostic and Interventional Radiology, University Hospital Zürich（诊断与介入放射学，苏黎世大学医院） ； Institute for Biomedical Engineering, University and ETH Zürich（生物医学工程研究所，苏黎世大学和 ETH 苏黎世） ； Biomedical Informatics Group, ETH Zürich（生物医学信息学小组，ETH 苏黎世） ； Division of Preventive Medicine, Brigham and Women’s Hospital / Harvard Medical School（预防医学部，布莱根妇女医院/哈佛医学院） 纠错

AI总结 提出一种基于神经ODE的潜在动力学模型，从心脏MRI中编码双心室结构和全周期运动，通过图网格自编码器重建3D+t运动，并利用Cox模型评估偏离预期状态对心衰的预测能力，在UK Biobank数据上优于传统指标。

Scaling Nonlinear Optimization: Many Problems One GPU

扩展非线性优化：多问题单GPU

John Viljoen, Johanna Haffner, Masayoshi Tomizuka, Negar Mehr

机构 * Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） ； Department of Biosystems Science and Engineering, ETH Zürich（苏黎世联邦理工学院生物系统科学与工程系） 纠错

AI总结 提出首个基于JAX的GPU批处理NLP求解器jaxipm，通过异构迭代融合和迭代级批处理实现多问题并发求解，在四旋翼控制任务中吞吐量提升达32.85倍。

Comments 8 pages, 6 figures, ieeeconf style, submission for RA-L

Fast algorithms for learning a Gaussian under halfspace truncation with optimal sample complexity

在半空间截断下以最优样本复杂度学习高斯分布的快速算法

Haitong Liu, Deepak Narayanan Sridharan, David Steurer, Manuel Wiedmer

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 提出一种高效算法，利用O~(d^2/ε^2)样本在总变差距离ε内学习被未知半空间截断的高斯分布，运行时间由经验协方差矩阵计算主导，达到无截断时的最优样本与时间复杂度。

Comments 88 pages; accepted at the 39th Annual Conference on Learning Theory (COLT 2026)

Accelerated sampling using SamAdams variable timesteps and position-adaptive Langevin dynamics

使用SamAdams变步长和位置自适应Langevin动力学的加速采样

Benedict Leimkuhler, Peter A. Whalley

机构 * School of Mathematics, University of Edinburgh（爱丁堡大学数学系） ； Seminar for Statistics, Department of Mathematics, ETH Zürich（苏黎世联邦理工学院数学系统计研究所） 纠错

AI总结 提出一种结合SamAdams自适应步长和位置自适应Langevin动力学的加速采样方法，在多个模型问题上混合速率提升1.5-3倍，效率提高一个数量级以上。