Nanyang Technological University（南洋理工大学）

ReCal3R: Reliability-Calibrated Learning Rates for Streaming 3D Reconstruction

ReCal3R：面向流式3D重建的可靠性校准学习率

Xinze Li, Yiyuan Wang, Pengxu Chen, Weifeng Su, Weisi Lin, Wentao Cheng

机构 * Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院） ； Hong Kong Baptist University（香港浸会大学） ； Jilin University（吉林大学） ； Guangdong Provincial Key Laboratory of Interdisciplinary Research and Application for Data Science（广东省数据科学交叉研究与应用重点实验室） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 针对流式3D重建中循环场景状态易被噪声观测破坏的问题，提出可靠性校准学习率方法ReCal3R，在不增加额外开销的前提下大幅提升长序列重建精度。

Comments 23 pages, 7 figures. Project Page: https://powertony102.github.io/recal3r.github.io/

Are Heterogeneous Graph Neural Networks Truly Effective for Node Classification? A Causal Perspective

异构图神经网络在节点分类中真的有效吗？因果视角

Xiao Yang, Xuejiao Zhao, Zhiqi Shen

机构 * College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly (LILY), Nanyang Technological University（老年人积极生活卓越研究中心（LILY），南洋理工大学） ； Alibaba-NTU Singapore Joint Research Institute (ANGEL), Nanyang Technological University（阿里巴巴-南洋理工大学新加坡联合研究机构（ANGEL），南洋理工大学） 纠错

AI总结 从模型架构和异构信息角度研究异构图神经网络用于节点分类，通过复现实验和因果中介分析框架，发现模型架构和复杂度对性能无因果效应，异构信息通过增加同质性等产生正向因果效应。