University of Pennsylvania（宾夕法尼亚大学）

2604.18744 2026-07-01 cs.CV 版本更新

Match-Any-Events: Zero-Shot Motion-Robust Feature Matching Across Wide Baselines for Event Cameras

Match-Any-Events: 零样本跨大基线事件相机运动鲁棒特征匹配

Ruijun Zhang, Hang Su, Kostas Daniilidis, Ziyun Wang

机构 * Johns Hopkins University（约翰霍普金斯大学）； ShanghaiTech University（上海科技大学）； University of Pennsylvania（宾夕法尼亚大学）； Archimedes, Athena RC（Archimedes，Athena RC）

AI总结本文提出首个零样本事件匹配模型，通过运动鲁棒且高效的注意力骨干网络和稀疏感知事件token选择，实现跨数据集大基线对应。实验显示比现有方法提升37.7%。

Comments Accepted to ECCV 2026

Journal ref Proceedings of the European Conference on Computer Vision (ECCV) 2026

2602.15008 2026-07-01 cs.LG cs.IT math.IT math.ST stat.ML stat.TH 版本更新

Efficient Sampling with Discrete Diffusion Models: Sharp and Adaptive Guarantees

离散扩散模型的高效采样：尖锐且自适应的保证

Daniil Dmitriev, Zhihan Huang, Yuting Wei

机构 * Department of Statistics and Data Science, the Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院统计与数据科学系）

AI总结本文研究基于连续时间马尔可夫链的离散扩散模型采样效率，提出τ-跳跃采样器，在KL散度下达到ε精度，对均匀扩散实现Õ(d/ε)复杂度，对掩蔽扩散引入有效总相关量实现自适应收敛。

Comments 59 pages, 1 figure. Accepted at the Conference on Learning Theory (COLT) 2026

2312.00305 2026-07-01 stat.ME cs.LG math.ST stat.ML stat.TH 版本更新

Multiple Testing of Linear Forms for Noisy Matrix Completion

噪声矩阵补全中线性形式的多元检验

Wanteng Ma, Lilun Du, Dong Xia, Ming Yuan

机构 * University of Pennsylvania（宾夕法尼亚大学）； City University of Hong Kong（香港城市大学）； Hong Kong University of Science and Technology（香港科技大学）； Columbia University（哥伦比亚大学）

AI总结针对大规模推荐系统中噪声矩阵补全的多元线性形式检验问题，提出一种数据分割与对称聚合方法，通过构造具有锐利渐近性质的统计量控制错误发现率，在近最优样本量下实现有效FDR控制与统计功效。