University of Toronto（多伦多大学）

From Global to Factor-Wise Expert Composition in Discrete Diffusion Models

从离散扩散模型中的全局专家组合到因子级专家组合

Haozhe Huang, Yudong Xu, Abhijoy Mandal, Alán Aspuru-Guzik

机构 * University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Mechanical & Industrial Engineering, University of Toronto（多伦多大学机械与工业工程系） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究所） 纠错

AI总结 研究针对离散扩散模型中专家组合方法的局限性，提出因子级组合框架FactorDiff，将样本分解为更小因子，通过动态路由使因子与相关专家匹配，在ARC - AGI基准测试中表现优于全局标量加权方案。

Why Low-Light Cameras Go Color Blind: Removing Color Bias in Raw Denoising

为何低光相机出现色盲现象：去除原始图像去噪中的颜色偏差

Mohammad Mohammadi, Sina Honari, Stavros Tsogkas, Tristan Aumentado-Armstrong, Michael S. Brown, Iqbal Mohomed, Konstantinos G. Derpanis, Alex Levinshtein, Igor Gilitschenski

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； AI-Center Toronto, Samsung Electronics（多伦多人工智能中心，三星电子公司） ； York University（约克大学） 纠错

AI总结 研究低光原始图像去噪，提出无需相机校准的范式，引入偏差估计器网络预测黑电平误差，在多个数据集上评估表现出色，还发现SIDD数据集问题并提供校正基准。

Comments Accepted at ICCP 2026