ETH Zurich（苏黎世联邦理工学院）

From Machine Learning to Large-Scale EO Products: Best Practices for Making Maps

从机器学习到大规模地球观测产品：制作地图的最佳实践

Ghjulia Sialelli, Robin Young, Yuchang Jiang, Cesar Aybar, Linus Scheibenreif, Damien Robert, Clemens Mosig, Adam J. Stewart, Jan D. Wegner, Aleksis Pirinen, Olof Mogren, Konrad Schindler

机构 * ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； University of Cambridge（剑桥大学） ； Swiss Federal Research Institute WSL（瑞士联邦森林、雪和景观研究所） ； Asterisk Labs（星号实验室） ； EcoVision Lab, University of Zurich（苏黎世大学生态视觉实验室） ； Leipzig University（莱比锡大学） ； TU Munich（慕尼黑工业大学） ； RISE Research Institutes of Sweden（瑞典皇家理工学院） 纠错

AI总结 本文探讨从机器学习到大规模EO产品制作地图的最佳实践，围绕EO数据基础设施、数据处理、模型训练、不确定性量化、地图制作与分发及验证等六个主题，给出从卫星数据到运营地图产品整个流程的推荐做法。

Comments ECCV 2026 TerraBytes II Workshop paper, non-archival

SNAC-Pack 2.0: Scaled-Out Surrogate Neural Architecture Codesign

代理神经架构协同设计包（SNAC-Pack）

Jason Weitz, Dmitri Demler, Benjamin Hawks, Aaron Wang, Nhan Tran, Javier Duarte

机构 * University of California San Diego（加州大学圣地亚哥分校） ； ETH Zurich（苏黎世联邦理工学院） ； Fermi National Accelerator Laboratory（费米国家加速器实验室） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

AI总结 本文提出SNAC-Pack，一种面向硬件的自动化机器学习框架，用于神经架构协同设计和端到端FPGA部署，通过多目标全局搜索和硬件代理模型减少合成成本，并结合量化感知训练和迭代幅度剪枝来压缩模型，最终在FPGA上实现高效部署。

Comments 16 pages, 3 figures, Camera-ready version for International Conference on Automated Machine Learning (AutoML) 2026

On the Rate of Convergence of Kolmogorov-Arnold Network Regression Estimators

关于Kolmogorov-Arnold网络回归估计器收敛速度的论文

Wei Liu, Eleni Chatzi, Zhilu Lai

机构 * Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； Department of Civil, Environmental and Geomatic Engineering, ETH Zürich（苏黎世联邦理工学院土木、环境与地理工程系） ； Internet of Things Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）物联网研究组） 纠错

AI总结 本文研究了KANs在Sobolev空间中函数近似时的收敛速度，证明了其达到最小最大最优收敛速度，并提供了B-样条结点数选择的指导方针。