ETH Zurich（苏黎世联邦理工学院）

ReViV: Reconstructing the Viewer and the View in 4D from Monocular Egocentric Video

ReViV：从单目自我中心视频中重建4D中的观看者和视图

Xiaozhong Lyu, Gen Li, Zhiyin Qian, Xucong Zhang, Marc Pollefeys, Siyu Tang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Delft University of Technology（代尔夫特理工大学） ； Microsoft（微软） 纠错

AI总结 研究旨在从单目自我中心视频重建4D中的观看者和视图，提出ReViV框架，将任务建模为学习多模态信号联合概率分布，由掩码生成自我中心变压器驱动，在多基准测试中展现出高精度和效率，还保持了竞争力强的自我中心深度估计，且代码模型开源。

Comments Accepted to ECCV 2026. The first two authors contributed equally, and their author order is interchangeable

Quantizing Recursive Reasoning Models

量化递归推理模型

Thorir Mar Ingolfsson, Wajeeha Tahir, Anna Tegon, Lionnus Kesting, Gamze İslamoğlu, Luca Benini

机构 * Integrated Systems Laboratory, ETH Zürich（集成系统实验室，瑞士苏黎世联邦理工学院） 纠错

AI总结 研究递归推理模型量化问题，发现其因激活缩放粒度致精度崩溃，提出用逐块缩放恢复转换，应用MXInt4格式，该格式在任务中与浮点格式有竞争力，克服架构量化敏感性弱点，还能转移到ARC - AGI基准测试。

Comments Preprint, 27 pages, 4 tables, 12 figures

International Agreements to Limit Frontier AI: Objectives and Exit

限制前沿人工智能的国际协议：目标与退出

Lennart Finke

机构 * ETH Zürich, Zurich, Switzerland（苏黎世联邦理工学院） ； Harvard University, Cambridge, United States（哈佛大学） ； MATS Research, Berkeley, United States（MATS研究） 纠错

AI总结 研究限制人工智能发展的国际协议，通过调查现有协议，明确适当条件属性并列出可能条件，建议设定固定时间段，由新组织规定发展条件，特殊情况可退出，以此说明相关协议的考虑因素。

NaP-Control: Navigating Diffusion Prior for Versatile and Fast Character Control

NaP-Control: 为多功能和快速字符控制导航扩散先验

Chia-Wen Chen, Yan Wu, Korrawe Karunratanakul, Siyu Tang

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出NaP-Control方法，通过强化学习操控任务无关的扩散策略先验的潜在噪声，实现快速、鲁棒且高保真的字符控制，同时通过环境交互优化任务奖励，提升成功率并适应挑战性场景。

Comments ECCV 2026. Project page: https://chiawenchen.github.io/nap-control-project/

A Sensorless, Inherently Compliant Anthropomorphic Musculoskeletal Hand Driven by Electrohydraulic Actuators

无传感器、本征柔顺的人形肌理手驱动电液执行器

Misato Sonoda, Ronan Hinchet, Amirhossein Kazemipour, Yasunori Toshimitsu, Robert K. Katzschmann

机构 * Soft Robotics Lab, ETH Zurich, Switzerland（苏黎世联邦理工学院软机器人实验室，瑞士） ； The University of Tokyo, Japan（东京大学，日本） 纠错

AI总结 本文提出一种无传感器、本征柔顺的人形肌理手，利用电液执行器实现高运动灵活性与物理柔顺性，通过机械放大机构提升抓取能力，实验验证了其在复杂环境中的安全性和抓取性能。

Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026

TinyGLASS: Real-Time Self-Supervised In-Sensor Anomaly Detection

TinyGLASS: 工业质量控制中的实时自监督传感器异常检测

Pietro Bonazzi, Rafael Sutter, Luigi Capogrosso, Mischa Buob, Michele Magno

机构 * ETH Zurich（苏黎世联邦理工学院） ； Interdisciplinary Transformation University of Austria（奥地利跨学科转型大学） ； Swiss Engineering Partners AG（瑞士工程伙伴公司） 纠错

AI总结 TinyGLASS通过轻量级改进实现实时边缘和传感器异常检测，压缩参数8.6倍，达到94.2%的AUROC并在8MB内存下以20FPS运行。

Comments Accepted at the 8th International Conference on Artificial Intelligence Circuits and Systems (AICAS) 2026

Particle Image Velocimetry Refinement via Consensus ADMM for Active Fluid Control

基于共识交替方向乘子法的粒子图像测速细化用于主动流体控制

Alan Bonomi, Francesco Banelli, Antonio Terpin

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 研究针对传统粒子图像测速法及机器学习方法在流量量化中的不足，提出将其作为多估计器融合问题，采用基于交替方向乘子法的共识框架，经实验验证该方法能提升性能，并成功应用于实际主动流体控制中。

Comments Accepted for presentation at, and publication in the proceedings of, the 2026 65th IEEE Conference on Decision and Control (CDC). Code available at https://github.com/antonioterpin/flowgym

Four decades of circumpolar super-resolved satellite land surface temperature data

极地超分辨率卫星地表温度数据四十年研究

Sonia Dupuis, Nando Metzger, Konrad Schindler, Frank Göttsche, Stefan Wunderle

机构 * Oeschger Centre for Climate Change Research, University of Bern（气候变化研究中心，伯尔尼大学） ； Institute of Geography, University of Bern（地理研究所，伯尔尼大学） ； Institute of Geodesy and Photogrammetry, ETH Zurich（测绘与摄影测量研究所，苏黎世联邦理工学院） ； Institute of Meteorology and Climatology Research, Karlsruhe Institute of Technology（气象与气候研究研究所，卡尔斯鲁厄技术大学） 纠错

AI总结 本文提出了一种基于深度各向异性扩散模型的超分辨率算法，将AVHRR数据下采样至1公里，生成42年极地LST数据集，用于改善冻土建模和气候监测。

Benchmarking for Practice: Few-Shot Time-Series Crop-Type Classification on the EuroCropsML Dataset

实践中的基准测试：在EuroCropsML数据集上进行少样本时间序列作物类型分类

Joana Reuss, Jan Macdonald, Simon Becker, Ekaterina Gikalo, Konrad Schultka, Lorenz Richter, Marco Körner

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； TUM School of Engineering and Design（慕尼黑技术大学工程与设计学院） ； Department of Aerospace and Geodesy（航空航天与大地测量系） ； Chair of Remote Sensing Technology（遥感技术教授团） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； ELLIS Unit Jena（耶纳ELLIS单元） ； University of Jena（耶纳大学） ； ETH Zurich（苏黎世联邦理工学院） ； Department of Mathematics（数学系） ； Zuse Institute Berlin（柏林Zuse研究所） 纠错

AI总结 本文提出在EuroCropsML数据集上进行少样本时间序列作物类型分类的基准测试，比较了监督学习、SSL和元学习方法的性能，发现元学习在准确性上略优，但计算成本较高，而SSL在数据稀缺时表现更佳。

Comments 31 pages, 10 figures, 20 tables

Journal ref ISPRS Open Journal of Photogrammetry and Remote Sensing, Vol. 19, 100117 (2026)

CityLoc: 6DoF Pose Distributional Localization for Text Descriptions in Large-Scale Scenes with Gaussian Representation

CityLoc：基于高斯表示的大规模场景文本描述的6自由度姿态分布定位

Qi Ma, Runyi Yang, Bin Ren, Nicu Sebe, Ender Konukoglu, Luc Van Gool, Danda Pani Paudel

机构 * Computer Vision Lab, ETH Zurich（苏黎世联邦理工学院计算机视觉实验室） ； University of Pisa（比萨大学） ； University of Trento（特伦托大学） 纠错

AI总结 研究大规模场景文本描述的6自由度姿态分布定位问题，核心方法是用基于扩散架构结合预训练文本编码器细化姿态，经3D高斯渲染提高精度，通过与标准方法对比验证其在多数据集上的优越性。