高校专区
PALM: 一个多主体手先验的数据库和基线
机构 * Meta Reality Labs（Meta现实实验室） ； ETH Zürich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根智能系统马克斯·普朗克研究所）
AI总结 PALM是一个大规模手部数据库和基线，通过基于物理的反向渲染实现多主体手部建模和个性化虚拟角色生成。
流控与融合的统一密度算子视角
机构 * ETH Zürich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心）
AI总结 本文提出了一种统一的概率空间框架，通过奖励引导的流融合方法，实现流控与融合的统一处理，并在分子设计和构象生成中展示了其应用。
MedVSR：基于跨状态空间传播的医学视频超分辨率
机构 * The Chinese University of Hong Kong（香港中文大学） ； ETH Zurich（苏黎世联邦理工学院） ； Computer Vision Laboratory（计算机视觉实验室）
AI总结 MedVSR通过跨状态空间传播和内状态空间重建模块，提升医学视频超分辨率的重建性能和效率。
Comments ICCV 2025
校正流用于快速多尺度流体流动建模
机构 * Department of Mathematics, ETH Zürich（数学系，苏黎世联邦理工学院）
AI总结 本文提出了一种校正流代理，通过确定性ODE求解实现快速多尺度流体流动建模，显著降低推断成本并提升精度。
基于噪声聚合嵌入的差分隐私扩散模型适应
机构 * Stanford University（斯坦福大学） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软公司） ； Google DeepMind（谷歌DeepMind） ； Yonsei University（延世大学）
AI总结 本文提出DPAgg-TI方法，利用文本逆向技术在差分隐私约束下实现扩散模型的高效个性化，优于传统DP-SGD方法。
从多模态数据集构建通用基础模型用于三维计算机断层扫描
机构 * Department of Quantitative Biomedicine, University of Zurich（苏黎世大学定量生物医学系） ； ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心） ； International School of Medicine, Istanbul Medipol University（伊斯坦布尔梅迪波尔大学国际医学院） ； Department of Electrical and Computer Engineering, Boston University（波士顿大学电气与计算机工程系） ； Division of Intramural Research, National Institutes of Health（美国国立卫生研究院内部研究部） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） ； Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Institute for Diagnostic and Interventional Radiology, University Hospital Zurich（苏黎世大学医院诊断与介入放射学研究所） ； Department Artificial Intelligence in Biomedical Engineering, FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡工业大学生物医学工程人工智能系）
AI总结 本文提出CT-RATE数据集及CT-CLIP和CT-CHAT模型，用于三维医学影像的通用基础模型研究，提升了多异常检测和病例检索性能。
专精于泛化：关于基础模型中测试时训练的理解
机构 * ETH Zürich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所）
AI总结 本文提出基础模型在测试时训练通过专精于泛化以提升性能，通过实验验证了这一机制在分布内任务中的有效性。
Comments ICLR 2026 Oral at CCFM @ NeurIPS 2025
用于具有通用效用的零样本强化学习的软前向-后向表示
机构 * ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems, Tubingen, Germany（智能系统马克斯·普朗克研究所） ； University of Tubingen, Tubingen, Germany（图宾根大学）
AI总结 本文提出了一种软前向-后向算法，用于解决具有通用效用的零样本强化学习问题，通过离线数据恢复随机策略并直接优化通用效用。
为大语言模型设计统一的水印框架
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出了一种统一的框架，通过约束优化问题统一现有大语言模型水印方法，并揭示质量-多样性-功率的权衡，同时为设计新型水印方案提供系统性方法。
少即是多：从有限数据实现可扩展的视觉导航
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； UC Berkeley（伯克利加州大学）
AI总结 本文提出Less is More方法，通过结合有限专家示范与规划器生成的监督，实现高效视觉导航。
Comments v2: Minor text edits, reference formatting fixes, and project page link added
VP Lab: 一种支持PEFT的视觉提示实验室用于语义分割
机构 * IBM Research（IBM研究院） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 VP Lab通过E-PEFT技术提升视觉提示的语义分割性能，实现高效且交互式的模型部署。
Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2025
展示还是讲述？有效提示视觉-语言模型进行语义分割
机构 * IBM Research（IBM研究院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出PromptMatcher，通过结合文本和视觉提示提升VLMs在语义分割中的性能，实现优于现有方法的改进。
Journal ref Transactions on Machine Learning Research, 2025
温启动，冷状态：利用绝热性为变分基态服务
机构 * Institute of Physics, Ecole Polytechnique F\' e d\' e rale de Lausanne (EPFL), CH-1015 Lausanne, Switzerland ； Centre for Quantum Science ； Engineering, Ecole Polytechnique F\' e d\' e rale de Lausanne (EPFL), CH-1015 Lausanne, Switzerland ； Barcelona Supercomputing Center, Plaça Eusebi G\"uell, 1-3, 08034 Barcelona, Spain ； Institute for Theoretical Physics, ETH Zürich, 8093, Zürich, Switzerland
AI总结 本文提出了一种基于绝热原理的变分基态准备方法，通过逐步变形哈密顿量来跟踪基态流形，解决了变分训练在复杂能量景观中的困难问题。
Comments 11 + 24 pages, 3 figures
SMMILE：一个多模态医学上下文学习的专家驱动基准
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Lund University（隆德大学） ； Jawaharlal Institute of Postgraduate Medical Education and Research（贾瓦哈拉尔·尼赫鲁医学教育与研究学院） ； UCSF（加州大学旧金山分校） ； University of Zurich（苏黎世大学） ； University Hospital Zurich（苏黎世大学医院） ； HOPPR
AI总结 SMMILE是一个专家驱动的多模态医学上下文学习基准，评估了15个MLLMs在医学任务中的多模态ICL能力，发现其表现有限且易受无关示例和最近性偏见影响。
Comments NeurIPS 2025 (Datasets & Benchmarks Track)
LSA：局部语义对齐用于增强交通视频生成中的时间一致性
机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； ETH Zurich（苏黎世联邦理工学院） ； Friedrich-Alexander University Erlangen-Nuremberg（埃朗根-纽伦堡弗里德里希-亚历山大大学）
AI总结 LSA通过局部语义对齐提升交通视频生成的时间一致性，无需外部控制信号。
Comments Accepted to IEEE IV 2026. 8 pages, 3 figures. Code available at https://github.com/mirlanium/LSA
深度计算层析成像的原理性置信度估计
机构 * ETH Zürich（苏黎世联邦理工学院） ； Swiss Data Science Center（瑞士数据科学中心）
AI总结 本文提出了一种原理性的置信度估计框架，用于深度学习CT重建，通过理论覆盖保证和更紧的置信区域，提高医学影像的不确定性感知能力。
RefAM：用于零样本指代分割的注意力磁铁
机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Google（谷歌） ； TU Munich（慕尼黑技术大学）
AI总结 RefAM通过利用扩散模型的注意力机制和停用词处理，实现无需训练的零样本指代分割，提升分割精度和效率。
Comments Project Page: https://refam-diffusion.github.io/
通过控制最小化实现持续学习
机构 * Institute of Neuroinformatics, University of Zurich（神经信息研究所，苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center, ETH Zurich（苏黎世联邦理工学院人工智能中心）
AI总结 通过控制最小化实现持续学习，利用持续自然梯度隐含编码先前任务曲率，无需显式存储曲率，提升任务区分性能。
Phaedra: 学习高保真离散标记化以用于物理科学
机构 * ETH AI Center（苏黎世联邦理工学院人工智能中心） ； IBM Research Europe（IBM欧洲研究院） ； Seminar for Applied Mathematics, ETH Zurich（苏黎世联邦理工学院应用数学系） ； Swiss Data Science Center, ETH Zurich（瑞士数据科学中心，苏黎世联邦理工学院）
AI总结 Phaedra通过结合经典形状增益量化和正交分解，改进了科学图像的高保真离散标记化，提升PDE数据的重建和泛化能力。
Comments 57 pages, 27 figures
NOBLE -- 基于生物启发性潜在嵌入的神经算子：捕捉生物神经元模型中的实验变异
机构 * ETH Zürich（苏黎世联邦理工学院） ； California Institute of Technology（加州理工学院） ； University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔人工智能研究所） ； Cedars-Sinai Medical Center（Cedars-Sinai 医疗中心） ； Archimedes AI, Athena Research Center（Archimedes AI，Athena 研究中心）
AI总结 NOBLE通过生物启发性潜在嵌入和神经算子框架，高效生成具有实验变异性的合成神经元，实现神经动态的准确预测和模拟。
超越常规网格：基于傅里叶的神经算子在任意域上的应用
机构 * Seminar for Applied Mathematics, ETH Zurich, Switzerland（应用数学研讨会，苏黎世联邦理工学院，瑞士） ； ETH AI Center, ETH Zurich, Switzerland（ETH人工智能中心，苏黎世联邦理工学院，瑞士） ； Soft Robotics Lab, ETH Zurich, Switzerland（软机器人实验室，苏黎世联邦理工学院，瑞士） ； Department of Mathematics, Embry-Riddle Aeronautical University, Daytona Beach, FL, USA（数学系，埃姆布里-瑞德航空航天大学，佛罗里达州达科他海滩）
AI总结 本文提出基于傅里叶变换的神经算子方法，用于在任意非等距点分布上高效处理PDE解，提升训练速度并保持准确性。
Comments 20 pages, 12 figures
Journal ref Proc. 41st International Conference on Machine Learning (ICML 2024), PMLR 235, 2024
原子istic NEGF加速：算法、并行化与机器学习
机构 * Integrated Systems Laboratory ETH Zurich（集成系统实验室 ETH 瑞士）
AI总结 本文提出利用算法、并行化和机器学习加速DFT+NEGF模拟，以更精确地模拟现实系统的量子输运特性。
LEVIO：轻量级嵌入式视觉惯性里程计用于资源受限设备
机构 * Integrated Systems Laboratory and the Center for Project-Based Learning, ETH Zurich（集成系统实验室和项目导向学习中心，苏黎世联邦理工学院） ； Center for Project-Based Learning, ETH Zurich（项目导向学习中心，苏黎世联邦理工学院） ； Department of Electrical, Electronic and Information Engineering, University of Bologna（电子、电气与信息工程系，博洛尼亚大学）
AI总结 LEVIO是一种为资源受限设备优化的轻量级视觉惯性里程计，通过高效架构和硬件软件协同优化，在低功耗平台上实现高精度的六自由度实时感知。
Comments This article has been accepted for publication in the IEEE Sensors Journal (JSEN)
Journal ref IEEE Sensors Journal ( Volume: 26, Issue: 3, 01 February 2026)
重新利用蛋白质语言模型进行潜在流基于的适应度优化
机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 CHASE通过重新利用预训练蛋白质语言模型的进化知识，结合潜在流匹配模型，在蛋白质设计中实现高适应度变体的高效生成。
深度学习通过历史地图的对齐实现城市变化分析
机构 * Institute of Cartography（制图研究所） ； Geoinformation, ETH Zurich, Zurich, Switzerland（地理信息，苏黎世联邦理工学院，苏黎世，瑞士） ； Remote Sensing, ETH Zurich, Zurich, Switzerland（遥感，苏黎世联邦理工学院，苏黎世，瑞士）
AI总结 本文提出基于深度学习的框架，通过历史地图的对齐实现城市变化的系统性分析，揭示城市变迁的空间和时间异质性，适用于社会科学和人文学科研究。
Comments 40 pages
重新审视基于向量化的重参数化适应性取整用于大语言模型量化
机构 * ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） ； Nankai University, Tianjin, China（南开大学） ； University of Bologna, Bologna, Italy（博洛尼亚大学）
AI总结 VQRound通过向量化的重参数化方法，实现了在大语言模型量化中的高效适应性取整，以提升收敛速度并减少参数使用。
Comments 17 pages, 6 figures, 14 tables
VRGaussianAvatar：将3D高斯法 avatars整合到VR中
机构 * KAIST UVR Lab（韩国科学技术院UVR实验室） ； KAIST KI-ITC ARRC（韩国科学技术院KI-ITC ARRC） ； Hansung University and ETH Zurich, Game Technology Center（翰山大学和苏黎世联邦理工学院游戏技术中心） ； ETH Zurich, Game Technology Center（苏黎世联邦理工学院游戏技术中心） ； KAIST UVR Lab and KAIST KI-ITC ARRC（韩国科学技术院UVR实验室和韩国科学技术院KI-ITC ARRC）
AI总结 VRGaussianAvatar通过HMD跟踪信号实现实时全身体3DGS avatars，采用并行流水线和双目批处理提升渲染效率，实验证明其在交互性能和外观相似性上的优势。
Comments Accepted as an IEEE TVCG paper at IEEE VR 2026 (journal track)
从切片到结构：基于自由手经阴道超声的无监督3D女性盆腔解剖重建
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Basel（巴塞尔大学） ； Scanvio Medical AG（Scanvio医疗股份有限公司）
AI总结 本文提出TVGS方法，通过无监督学习从自由手经阴道超声图像实现高精度3D女性盆腔解剖重建，无需外部设备或姿态估计。
大语言模型作为跨度标注器：大语言模型与人类的比较研究
机构 * Charles University（查理大学） ； ETH Zurich（苏黎世联邦理工学院） ； Edinburgh Napier University（爱丁堡纳皮尔大学） ； trivago N.V.（trivago公司） ； TU Darmstadt, Germany（德累斯顿理工大学）
AI总结 本文比较了大语言模型与人类在跨度标注任务中的表现，发现LLMs在成本和准确性上具有竞争力，且提供了大规模标注数据集。
Comments Accepted to the MME workshop @ EACL 2026
通过AI切片插值提高神经病理性重建的保真度
机构 * Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（马萨诸塞州总医院和哈佛医学院生物医学成像中心） ； Federal Institute of Technology (ETH), Zurich, Switzerland（瑞士苏黎世联邦理工学院） ； BioRepository and Integrated Neuropathology (BRaIN) Laboratory and Precision Neuropathology Core, University of Washington School of Medicine（华盛顿大学医学院生物库与整合神经病学实验室及精准神经病学核心） ； Massachusetts Alzheimer Disease Research Center, MGH and Harvard Medical School（马萨诸塞州阿尔茨海默病研究中心，MGH和哈佛医学院） ； Department of Pathology, Massachusetts General Hospital and Harvard Medical School（马萨诸塞州总医院病理学部） ； Department of Neurological Surgery, University of Washington School of Medicine（华盛顿大学医学院神经外科部） ； Hawkes Institute, University College London（伦敦大学学院霍克斯研究所） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）
AI总结 本研究通过AI切片插值技术提升神经病理性重建的保真度，实现更精确的解剖学重建。
Comments 12 pages of main content, 5 pages of supplement
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈