高校专区
一次性编辑所有内容
机构 * University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学） ； ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌）
AI总结 提出MICE方法，通过修改联合注意力机制中的加性偏置来调控多实例编辑中的交互，实现无需训练的多实例图像编辑，在保持全局一致性的同时增强属性绑定。
Comments Accepted at ECCV 2026
SkillSpotter: 姿态感知的多视角熟练动作检测与分级在自我-外部视频中
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系）
AI总结 针对自我-外部视频中熟练动作检测与分级任务，提出SkillSpotter，通过自适应时间抑制、门控3D身体姿态融合和双向跨视角注意力模块，显著提升检测与分级性能。
Comments Accepted for publication at European Conference on Computer Vision (ECCV)
散射网络的分离容量
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文通过Cover的函数计数理论，扩展了分离容量的概念，分析了散射网络作为特征提取器的分离容量，并提供了网络设计见解。
Comments 36 pages, 10 figures
低秩矩阵优化的方向-幅度分解：更快收敛与鞍点到鞍点动力学
机构 * Department of Mathematics, ETH Zurich（苏黎世联邦理工学院数学系） ； Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系）
AI总结 提出方向-幅度分解（DMD）框架，将优化变量分解以提升效率，开发过参数化和递归两种方法，在矩阵分解中实现指数级加速收敛。
NeuralBoneReg：一种用于多模态骨表面注册的实例特定无标签点云方法
机构 * Research in Orthopedic Computer Science, Balgrist University Hospital, University of Zurich（骨科计算机科学研究所，巴尔格里斯大学医院，苏黎世大学） ； AI Center, ETH Zurich（人工智能中心，苏黎世联邦理工学院）
AI总结 提出NeuralBoneReg，一种自监督的基于点云的骨表面注册框架，通过隐式神经无符号距离场和MLP注册模块实现多模态数据间的鲁棒对齐，在多个数据集上达到或超越现有方法。
StreamGVE: 无需训练的视频编辑通过少步流式视频生成
机构 * The University of British Columbia（不列颠哥伦比亚大学） ； ETH Zürich（苏黎世联邦理工学院） ； McMaster University（麦马斯特大学） ； Vector Institute（向量研究所） ； Canada CIFAR AI Chair（加拿大 CIFAR 人工智能主席）
AI总结 本文提出StreamGVE，一种基于噪声到数据视角的视频编辑方法，通过引入双分支快速采样和自注意力桥接以及交叉注意力接地/增强，实现了高效的视频编辑，能够在少步设置中优于现有方法。
Comments ECCV 2026. Project Page: https://dsl-lab.github.io/StreamEdit/
TS-Haystack：一种用于长上下文时间序列推理的多任务检索基准
机构 * Agentic Systems Lab, ETH Zurich（1 非常规系统实验室，苏黎世联邦理工学院） ； Stanford University（2 斯坦福大学） ； Traffic Engineering Group, Institute for Transport Planning and Systems, ETH Zurich（3 交通工程组，交通规划与系统研究所，苏黎世联邦理工学院） ； University of Illinois Urbana-Champaign（4 印第安纳大学厄巴纳-香槟分校） ； Google（5 谷歌） ； Centre for Digital Health Interventions, ETH Zurich（6 数字健康干预中心，苏黎世联邦理工学院） ； Centre for Digital Health Interventions, University of St. Gallen（7 数字健康干预中心，圣加尔登大学）
AI总结 本文提出TS-Haystack基准，评估长上下文时间序列推理能力，发现现有TSLMs存在长上下文退化问题，代理检索框架在9/10任务中表现优异。
Comments Workshop version of this paper published at ICLR TSALM 2026. Benchmark generation code and datasets: https://github.com/AI-X-Labs/TS-Haystack
TORA：基于拓扑的3D形状组装表示对齐
机构 * Independent Researcher（独立研究员） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心）
AI总结 TORA通过拓扑优先的表示对齐框架，利用预训练3D编码器的关联结构提升3D形状组装的对齐效果，通过余弦匹配和CKA损失增强拓扑对齐，实现更快收敛和更高精度。
Comments Accepted to ECCV 2026
预训练视频模型作为可微物理模拟器用于城市风流
机构 * ETH Zurich（苏黎世联邦理工学院） ； Tel Aviv University（特拉维夫大学） ； TU Darmstadt（达姆施塔特工业大学）
AI总结 本文提出WinDiNet，一种预训练视频扩散模型，用于快速模拟城市风流，通过反向传播优化建筑布局以提升风安全性和行人舒适度。
用自然语言提示机器人团队
机构 * Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系） ； Department of Mechanical and Process Engineering, ETH Zurich（苏黎世联邦理工学院机械与过程工程系）
AI总结 提出利用语言模型将高层任务分解为子任务，并蒸馏为循环神经网络（RNN）以支持多机器人团队的去中心化实时执行，通过图神经网络控制策略实现协作。
Comments This paper has been accepted for publication at IEEE Robotics and Automation Letters. Please, when citing the paper, refer to the official version
可扩展的全身运动迁移：基于隐式动力学运动重定向
机构 * HKUST(GZ)（香港科技大学（广州）） ； ETH Zurich（苏黎世联邦理工学院） ； Zhejiang University（浙江大学） ； Xiaomi Robotics Lab（小米机器人实验室）
AI总结 提出隐式动力学运动重定向（IKMR），利用骨架图卷积双自编码器将人体与机器人运动映射到共享拓扑潜空间，结合物理信息精炼实现高速、鲁棒的运动数据转换，解决噪声与计算瓶颈。
Comments RSS 2026 Workshop. Webpage: https://cybercal.github.io/webpage.ikmr
一次性剪枝 vs. 迭代剪枝：重新思考模型压缩的剪枝策略
机构 * Jagiellonian University（雅盖隆大学） ； ETH Zürich（苏黎世联邦理工学院） ； Wrocław University of Science and Technology（弗罗茨瓦夫科技大学）
AI总结 本文系统比较了一次性剪枝与迭代剪枝两种策略，发现一次性剪枝在低剪枝率下更有效，而迭代剪枝在高剪枝率下表现更好，并提出了混合方法。
当少量标注目标数据足够：基于多自适应起点微调的半监督域适应理论
机构 * Department of Mathematical Sciences, KAIST（韩国科学技术院数学科学系） ； Department of Mathematics, ETH Zürich（苏黎世联邦理工学院数学系）
AI总结 本文在结构因果模型下研究半监督域适应，提出三种干预模型对应的最优方法及多自适应起点微调算法，证明目标标签复杂度仅依赖于干预维度而非环境维度。
可分解归一化流用于参数依赖的密度变形
机构 * Institute for Particle Physics and Astrophysics, D-PHYS, ETH Zurich（粒子物理与天体物理学研究所，D-PHYS，苏黎世联邦理工学院）
AI总结 提出可分解归一化流(FNFs)，通过参数多项式分解学习参数依赖密度变形，实现线性扩展和可解释性，适用于高能物理等领域的连续密度变形。
Comments 14 pages, 8 figures. Code: https://doi.org/10.5281/zenodo.21011625
NeuReasoner: 理论驱动的推理激发边界映射
机构 * ETH Zürich（苏黎世联邦理工学院） ； Imperial College London（伦敦帝国理工学院） ； Technical University of Munich（慕尼黑技术大学）
AI总结 提出理论驱动的NeuReasoner框架，通过神经透镜与认知透镜结合，在无需外部工具下激发大模型推理能力，在数学、编码及认知任务上匹配或超越后训练思维模式，并发现风险决策等边界。
MALOQ: 量子输运算子的大规模加速学习
机构 * D-ITET, ETH Zurich（D-ITET，苏黎世联邦理工学院）
AI总结 提出MALOQ框架，基于SO(2)-等变骨干架构和可扩展边分布，加速学习DFT哈密顿量/密度矩阵，支持多达10万原子体系，训练时间减少30%以上。
Comments 13 pages, 8 figures
极限生成与无限幻觉
机构 * ETH Zürich（苏黎世联邦理工学院）
AI总结 研究语言生成中精确度与召回率的权衡，提出允许无限次错误但频率趋零的松弛条件，证明在对手隐藏大部分目标语言时可严格提升召回率。
无限维流形上可微映射的加权通用逼近
机构 * Department of Mathematics, ETH Zurich, Switzerland（苏黎世联邦理工学院数学系）
AI总结 通过加权Nachbin定理，将函数输入神经网络的通用逼近定理推广到可微映射，包括导数逼近，并应用于非预期泛函和路径空间泛函的逼近。
Comments 77 pages, 3 figures
数百个浮动机器人的运动规划
机构 * Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）
AI总结 针对大型浮动机器人编队的无碰撞运动规划问题，提出一种可扩展的流水线方法，通过碰撞图分解为独立子问题并行求解，在500个机器人仿真和实际演示中验证了有效性。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
OpenFrontier: 基于视觉-语言基础的通用导航
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft Spatial AI Lab（微软空间人工智能实验室） ； University of Bonn（波恩大学）
AI总结 本文提出OpenFrontier框架，通过稀疏子目标识别与到达问题实现高效导航，无需任务特定训练或微调，适用于多种视觉-语言先验模型，展示零样本性能和真实机器人部署效果。
LeAD-M3D：利用不对称蒸馏实现实时单目3D检测
机构 * DeepScenario ； ETH Zurich（苏黎世联邦理工学院） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； TU Darmstadt（达姆施塔特工业大学） ； ELIZA ； Microsoft（微软）
AI总结 本文提出LeAD-M3D，通过不对称蒸馏提升单目3D检测精度与效率，无需额外模态，在KITTI和Waymo数据集上达到SOTA性能，速度提升达3.6倍。
Comments ECCV 2026. Project page: https://deepscenario.github.io/LeAD-M3D/
当稀疏性如何缓解大语言模型中的深度诅咒
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（ELLIS图宾根研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Tübingen AI Center（图宾根人工智能中心） ； Zuse Institute Berlin（柏林祖泽研究所） ； Technical University of Berlin（柏林工业大学） ； Emory University（埃默里大学）
AI总结 本文研究稀疏性机制如何缓解大语言模型深度诅咒，通过实验发现稀疏性可降低输出方差并提升层间区分度，提出训练深度有效LLM的实用规则，提升下游任务准确率4.6%。
Comments 32 pages, 29 figures
当一个适配器代表多个任务：在持续微调中发现低秩冗余
机构 * ETH Zurich（苏黎世联邦理工学院）
AI总结 本文发现持续学习中的LoRA适配器存在显著低秩冗余，提出LiteLoRA门控机制，通过复用现有适配器减少20-70%活跃适配器，同时保持或超越现有性能。
Comments ColorAI @ ICML 2026
SemCityLoc: 使用语义3D城市模型的航空6自由度定位
机构 * Technical University of Munich（慕尼黑工业大学） ； University of Cambridge（剑桥大学） ； University of Science and Technology of China（中国科学技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 提出SemCityLoc，通过语义-几何对齐将航空位姿估计转化为结构化表面配准，利用基础模型视觉先验和标准化LoD城市模型，在重复遮挡环境中提升位姿判别性，并引入首个真实基准SemCityLockeD，实现定位误差从9.89m降至2.62m。
Comments accepted by ECCV 2026
基于置信度蒸馏的门控关系对齐用于高效视觉语言模型
机构 * Department of Information Technology（信息科技系） ； Electrical Engineering, ETH Zurich, Zurich, Switzerland（电气工程，苏黎世联邦理工学院，苏黎世，瑞士） ； Qualcomm AI Research, Amsterdam, the Netherlands（高通人工智能研究，阿姆斯特丹，荷兰） ； Department of Electrical, Electronic and Information Engineering（电气、电子与信息工程系） ； University of Bologna, Bologna, Italy（博洛尼亚大学，博洛尼亚，意大利） ； School of Electrical and Electronic Engineering（电气与电子工程学院）
AI总结 提出GRACE框架，通过信息瓶颈原理统一知识蒸馏与量化感知训练，使用置信度门控解耦蒸馏、关系中心核对齐和自适应控制器，在INT4量化下实现性能超越FP16基线并接近教师模型，同时显著降低内存和提升吞吐量。
Comments Accepted to the International Conference on Machine Learning (ICML 2026)
滚动快门相对位姿估计的实用化
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）
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: 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
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）
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
一种用于电影心脏MRI时空建模的潜在ODE方法
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）
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。
扩展非线性优化：多问题单GPU
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）
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
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
机构 * ETH Zurich（苏黎世联邦理工学院）
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)
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