高校专区
UNIC：基于神经变形场的神经服装变形用于实时穿衣角色动画
机构 * HKUST（香港科技大学） ； Waseda（早稻田大学） ； MIT（麻省理工学院） ； CMU（卡内基梅隆大学） ； HKU（香港大学） ； NTU（南洋理工大学） ； TAMU（德克萨斯农工大学）
AI总结 本文提出UNIC方法，通过实例特定的神经变形场实时动画角色服装，无需泛化到新服装，提升变形质量和训练效率。
Comments Project page: https://igl-hkust.github.io/UNIC/
残差作为教师：减轻学生-教师估计中的偏差传播
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出残差-教师方法，通过估计学生预测的残差来减少教师偏差影响，理论分析显示其优于直接匹配方法，且在核基学生-教师对中达到最优率。
基于图神经网络的自适应学习图像压缩
机构 * Shanghai Jiao Tong University（上海交通大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Alibaba Group（阿里巴巴集团） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出基于图神经网络的自适应学习图像压缩框架，通过构建双尺度图结构和动态连接性，实现灵活的数据驱动感受野，从而更高效地建模图像中的多样性冗余，提升压缩性能。
Comments Accepted by CVPR 2026
翻译还是背诵？为极低资源语言的机器翻译校准评估分数
机构 * UC San Diego（加州大学圣迭戈分校） ； New York University（纽约大学） ； Durham University（杜伦大学） ； MIT（麻省理工学院） ； University of Waterloo（滑铁卢大学） ； Vector Institute（向量研究所）
AI总结 本文提出FRED难度指标，用于解释极低资源语言机器翻译结果的变异性，揭示训练测试重叠和预训练暴露是主要因素，同时指出某些语言存在分词覆盖不足的问题。
基于系统锚点的低成本上下文窗口选择方法用于PDE预测
机构 * School of Future Technology, South China University of Technology（华南理工大学未来技术学院） ； State Key Laboratory of Ocean Sensing & Ocean College, Zhejiang University（浙江大学海洋学院海洋传感国家重点实验室） ； Kavli Institute for Astrophysics and Space Research, Massachusetts Institute of Technology（麻省理工学院卡弗里天体物理与空间研究所）
AI总结 本文提出SAKE方法，通过系统锚点识别和膝点感知选择，实现低成本上下文窗口选择，提升PDE预测性能。
信息价值在资源受限定价中的作用
机构 * Institute for Data, Systems, and Society, Massachusetts Institute of Technology（麻省理工学院数据、系统与社会研究所） ； Department of Civil and Environmental Engineering and Operations Research Center, MIT（麻省理工学院土木与环境工程系及运筹学研究中心） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系）
AI总结 本文研究了在资源受限条件下，预测不确定性如何影响动态定价决策，通过线性需求、随机噪声和有限容量，证明了预测误差阈值对 regret 的影响，并展示了代理模型在降低方差中的作用。
Comments Extended version of the NeurIPS 2025 paper (arXiv:2501.14155). This version adds phase transition, surrogate-assisted variance reduction under model misspecification, and numerical experiments
超越模式：语言模型中的分布推理强化学习
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出一种多答案强化学习方法，使语言模型在推理时能生成多个可能的假设并评估其置信度，提升多样性和准确性。
一种生成语义模糊图像的框架以探测人类和机器感知
机构 * University of California, Berkeley（加州大学伯克利分校） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 该研究通过生成语义模糊图像探讨人类和机器感知的边界，揭示模型在概念区分上的偏差，展示控制模糊性作为诊断工具的价值。
MIGHTY：基于Hermite样条的高效轨迹规划
机构 * Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空航天系，麻省理工学院） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学）
AI总结 MIGHTY通过Hermite样条实现时空优化，利用连续搜索空间提升效率，仿真中计算时间与旅行时间分别减少9.3%和13.1%，硬件测试中实现高速飞行和动态障碍物应对。
Comments 10 pages, 12 figures
计划扩散
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Google（谷歌）
AI总结 计划扩散通过训练模型自主决定去噪顺序，实现并行生成，提升效率并保持质量，建立新的帕累托前沿。
Comments 10 pages, 7 figures
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