ETH Zurich（苏黎世联邦理工学院）

To Retain or to Adapt? Generalizing Continual Learning

保留还是适应？泛化持续学习

Giulia Lanzillotta, Mandana Samiei, Doina Precup, Razvan Pascanu, Claire Vernade

机构 * ETH AI Center, Department of Computer Science, ETH Zürich（苏黎世联邦理工学院人工智能中心，计算机科学系） ； Mila - Quebec AI Institute, School of Computer Science, McGill University（魁北克人工智能研究所，麦吉尔大学计算机科学系） ； University of Technology Nuremberg（纽伦堡技术大学） 纠错

AI总结 该研究挑战持续学习以保留知识为中心的前提，将其形式化为在线优化问题，引入转移效率指标，得出关键任务持续时间，验证理论预测，还提出预测持续学习算法类别及窗口算法，在受控分布漂移下有良好表现。

Hilti-Trimble-Oxford Dataset: 360 Visual-Inertial Benchmark with Floor Plan Priors for SLAM and Localization

Hilti-Trimble-牛津数据集：用于SLAM和定位的带有平面图先验的360视觉惯性基准测试

Samuele Centanni, Yuhao Zhang, Yifu Tao, Julien Kindle, Frank Neuhaus, Tilman Koß, Aryaman Patel, Michael Helmberger, Emilia Szymańska, Torben Gräber, Maurice Fallon

机构 * Hilti AG（喜利得集团） ； University of Oxford（牛津大学） ； ETH Zürich（苏黎世联邦理工学院） ； Vision & Robotics GmbH（视觉与机器人有限公司） ； Trimble Inc.（天宝公司） 纠错

AI总结 本文介绍了Hilti-Trimble-牛津数据集，用于支持建筑工地的视觉SLAM和定位。它收集于活跃建筑工地，包含30个视觉惯性序列及地面真值轨迹。通过开放研究挑战评估相关系统，反映出SLAM方法更成熟，凸显定位任务难度，为持续研究提供支持，数据集公开可用。

Separation Capacity of Scattering Networks on Low-Dimensional Datasets

低维数据集上散射网络的分离能力

Konstantin Häberle, Helmut Bölcskei

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 研究低维数据集上散射网络的分离能力，通过刻画一般特征提取器的分离能力，针对散射网络得出滤波器要在多频率与数据匹配、耦合矩阵要有良好条件数这两个设计准则。

Comments 19 pages