University of Texas at Austin（得克萨斯大学奥斯汀分校）

Priors learned from legacy reconstructions inherit undetectable overconfidence

先验清洗：具有继承性、不可检测的过度自信的学习先验

Ali Siahkoohi, Sina Alemohammad

机构 * Institute for Artificial Intelligence, University of Central Florida（人工智能研究所，中央佛罗里达大学） ； Department of CS, University of Central Florida（计算机科学系，中央佛罗里达大学） ； Department of ECE, The University of Texas at Austin（电子工程系，德克萨斯大学奥斯汀分校） 纠错

AI总结 研究在贝叶斯逆问题中使用学习生成先验时因真值稀缺采用先验清洗的情况，指出其过度自信问题，通过对旧后验求平均产生旧正则化器，单个最佳档案更糟，部署时拟合档案的先验未覆盖盲子空间，建议分开数据支持置信度与继承信念。

ExpertEdit: Learning Skill-Aware Motion Editing from Expert Videos

ExpertEdit: 从专家视频中学习技能感知的动作编辑

Arjun Somayazulu, Kristen Grauman

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 ExpertEdit通过无配对专家视频学习技能驱动的动作编辑，无需配对数据或手动指导，提升动作真实感和专家质量。

Comments Accepted to ECCV 2026

Federated Self-Supervised Modulation Classification under Non-IID and Imbalanced Data

非独立同分布与不平衡数据下的联邦自监督调制分类

Usman Akram, Yiyue Chen, Haris Vikalo

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Qualcomm Technologies Inc.（高通技术公司） 纠错

AI总结 该研究针对非独立同分布与不平衡数据场景，提出FedSSL-AMC联邦自监督框架，结合因果时间膨胀CNN编码器与轻量级本地SVM，在调制分类任务上取得优于监督联邦学习基线的性能。