Imperial College London（帝国理工学院）

Stable and Near-Reversible Diffusion ODE Solvers for Image Editing

稳定且近可逆的图像编辑扩散ODE求解器

Barbora Barancikova, Daniil Shmelev, Cristopher Salvi

机构 * Department of Computing, Imperial College London, London, United Kingdom（帝国理工学院伦敦分校计算机系，伦敦，英国） ； Department of Mathematics, Imperial College London, London, United Kingdom（帝国理工学院伦敦分校数学系，伦敦，英国） 纠错

AI总结 本文提出近可逆Runge-Kutta方法以提升图像编辑的稳定性与精度，平衡可逆性与数值稳定性，保留背景保真优势。

Comments ICML 2026 Workshop on Structured Probabilistic Inference & Generative Modeling (SPIGM)

Physics-Constrained Fine-Tuning of Flow-Matching Models for Generation and Inverse Problems

面向生成和逆问题的流匹配模型的物理约束微调

Jan Tauberschmidt, Sophie Fellenz, Sebastian J. Vollmer, Andrew B. Duncan

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Department of Computer Science, University of Kaiserslautern–Landau (RPTU)（凯泽斯劳滕-兰道大学计算机科学系） ； Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系） 纠错

AI总结 提出一种微调流匹配生成模型以强制执行物理约束并解决科学系统逆问题的框架，通过微分后训练最小化偏微分方程弱形式残差，并联合优化可学习潜参数预测器，实现物理一致性与潜系数准确恢复。

SPFSplatV2: Efficient Self-Supervised Pose-Free 3D Gaussian Splatting from Sparse Views

SPFSplatV2: 基于稀疏视图的高效自监督无姿态3D高斯泼溅

Ranran Huang, Krystian Mikolajczyk

机构 * Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电气与电子工程系） 纠错

AI总结 提出SPFSplatV2，一种从稀疏多视图图像进行3D高斯泼溅的前馈框架，无需真实姿态，通过共享特征提取、掩码注意力机制和重投影损失实现高效姿态估计和新视图合成，在域内外均达到最先进性能。