University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

UniCanvas: A Diffusion-base Unified Model for Text-in-Image Joint Generation

UniCanvas: 一种基于扩散的图文联合生成统一模型

Zeyuan Yang, Hao-Wei Chen, Xueyang Yu, Yuncong Yang, Haoyu Zhen, Ziqiao Ma, Maohao Shen, Chuang Gan

机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； University of Michigan（密歇根大学） ； MIT（麻省理工学院） 纠错

AI总结 提出UniCanvas，通过扩散模型在像素画布上以文本嵌入图像的方式实现图文联合生成，解决现有模型在视觉与文本生成上的不足。

Simple Heuristics Yield Provable Algorithms for Masked Low-Rank Approximation

简单的启发式方法可证明算法用于带掩码的低秩近似

Cameron Musco, Christopher Musco, David P. Woodruff

机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文研究了带掩码的低秩近似问题，提出了一种简单的启发式方法，通过将掩码为0的区域设为0，然后求解标准低秩近似，从而得到具有双标准逼近保证的算法。

Comments ITCS 2021

A Compression-Inspired Framework for Macro Discovery

一种受压缩启发的宏发现框架

Francisco M. Garcia, Bruno C. da Silva, Philip S. Thomas

机构 * College of Information and Computer Sciences（信息与计算机科学学院） ； Department of Computer Science（计算机科学系） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Federal University Rio Grande do Sul（里约格朗德杜斯阿鲁斯联邦大学） 纠错

AI总结 本文提出了一种受压缩启发的宏发现框架，通过识别高性能策略获得的轨迹中的重复模式，帮助强化学习代理利用早期经验快速解决相关新任务。

Comments Accepted as Extended Abstract, AAMAS, 2019