Heavy-Tailed Flow Matching via Random Clocks
通过随机时钟进行重尾流匹配
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究重尾数据匹配问题，提出HTFM框架，将重尾源视为时钟条件高斯源混合，用截断对数签名特征编码时钟。实验显示其在多领域优于高斯流匹配等基线，保留低NFE采样优势，还提供尾部控制接口。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
NodeImport: Imbalanced Node Classification with Node Importance Assessment
NodeImport：基于节点重要性评估的不平衡节点分类
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Grabtaxi Holdings Pte Ltd（Grab出租车控股私人有限公司）
AI总结 针对图节点分类的类别不平衡问题，提出利用平衡元集评估节点重要性的方法，推导公式并开发新框架，能过滤有价值节点，构建高质量元集，实验证明该框架在缓解不平衡上具优越性。
Journal ref KDD '25: Proceedings of the 31st ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1, 2025, Pages 94 - 105
TreeSRNF: Square-Root Normal Fields for Generative Modelling of the Geometric and Structural Variability in Tree-like 3D Objects
TreeSRNF：用于树状3D对象几何和结构变异性生成建模的平方根法向场
机构 * Murdoch University（莫道克大学） ； University of Western Australia（西澳大利亚大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 该研究针对树状3D对象几何与结构变异性问题，将平方根法向场表示推广到此类对象，构建黎曼树状空间及度量，开发相关算法，可计算统计摘要并合成新对象，性能显著优于现有技术。
Comments ECCV 2026
