Technion - Israel Institute of Technology（以色列理工学院）

SP$^3$: Spherical Priors for Plug-and-Play Restoration

SP$^3$：用于即插即用恢复的球面先验

Sean Man, Ron Raphaeli, Matan Kleiner, Or Ronai

机构 * Technion – Israel Institute of Technology（以色列理工学院） ； Independent Researcher（独立研究员） 纠错

AI总结 提出SP$^3$算法，用球面编码器替代去噪器作为生成先验，通过半二次分裂实现快速图像恢复，速度比零样本扩散方法快3-630倍。

Mean-Field Parallel Decoding for Discrete Diffusion Language Models

离散扩散语言模型的平均场并行解码

Tamim Zoabi, Ameen Ali, Liran Ringel, Lior Wolf

机构 * School of Electrical & Computer Engineering, Tel Aviv University（特拉维夫大学电气与计算机工程学院） ； School of Computer Science and AI, Tel Aviv University（特拉维夫大学计算机科学与人工智能学院） ； Department of Computer Science, Technion, Israel Institute of Technology（以色列理工学院计算机科学系） 纠错

AI总结 提出一种无需训练的解码框架，通过平均场变分松弛协调并行令牌更新，在单次前向传播中抑制冲突，提升质量-延迟权衡。

Finite Resources False Discovery Rate Control in Structured Hypothesis Spaces

结构化假设空间中的有限资源错误发现率控制

Binyamin Perets, Shie Mannor

机构 * Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； NVIDIA 纠错

AI总结 针对有限空分布样本和结构化假设空间，提出基于再生核的框架，通过两种决策规则在精确FDR控制与统计功效间权衡，并优化资源分配。

Where Does Texture Evidence Live in SAM? Features, Proposal Masks, and Texture Segmentation

纹理证据在 SAM 中存在于何处？特征、提议掩码与纹理分割

Nadav Orenstein, Aviad Cohen Zada, Shai Avidan, Gal Oren

机构 * Tel Aviv University（特拉维夫大学） ； Stanford University（斯坦福大学） ； Technion（以色列理工学院） 纠错

AI总结 研究冻结的 Segment Anything Model (SAM) 中纹理相关证据的存在性，通过最小聚类读取和提议银行监督读取分析多尺度特征与自动提议掩码，发现 SAM 并非纹理盲，但默认失败源于读取不匹配和承诺失败。

Comments 26 pages, 13 figures, 20 tables. Code available at https://github.com/Scientific-Computing-Lab/ArchiTexture

Sub-Semantic Image Segmentation

子语义图像分割

Aviad Cohen Zada, Nadav Orenstein, Shai Avidan, Gal Oren

机构 * Tel Aviv University（特拉维夫大学） ； Stanford University（斯坦福大学） ； Technion（以色列理工学院） 纠错

AI总结 提出子语义图像分割，通过耦合视觉-语言模型与SAM，并引入DETECTURE解决语言泄漏、提示竞争和语义失真问题，在自建数据集TextureADE上取得最优性能。

Comments 23 pages. Code: https://github.com/Scientific-Computing-Lab/TextureDetecture

InfoNCE Induces Gaussian Distribution

InfoNCE 诱导高斯分布

Roy Betser, Eyal Gofer, Meir Yossef Levi, Guy Gilboa

机构 * Technion - Israel Institute of Technology（技术学院-以色列理工学院） 纠错

AI总结 本文证明对比学习中的 InfoNCE 损失函数会使表示学习产生高斯分布结构，通过理论分析和实验验证了这种高斯行为。

Comments Accepted to ICLR 2026, Oral

Graph Learning Should Move Beyond Restrictive Views of Spectral and Message-Passing GNNs

图学习应超越对谱图神经网络和消息传递图神经网络的狭隘观点

Antonis Vasileiou, Juan Cervino, Pascal Frossard, Charilaos I. Kanatsoulis, Christopher Morris, Michael T. Schaub, Pierre Vandergheynst, Zhiyang Wang, Guy Wolf, Ron Levie

机构 * RWTH Aachen University（亚琛工业大学） ； Massachusetts Institute of Technology（麻省理工学院） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Stanford University（斯坦福大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Univ. de Montréal（蒙特利尔大学） ； Mila（Mila人工智能研究所） ； Technion – Israel Institute of Technology（技术学院–以色列理工学院） 纠错

AI总结 本文澄清了谱图神经网络与消息传递图神经网络的异同，提出基于特征基对称性的谱GNN精确定义，并倡导统一理论框架以推动图学习发展。

Comments 44 pages, 1 figure