University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

ModeX: Evaluator-Free Best-of-N Selection for Open-Ended Generation

ModeX：无需评估器的开放生成最佳-N选择

Hyeong Kyu Choi, Sharon Li

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 ModeX提出一种无需外部评估器的最佳-N选择方法，通过识别主导语义共识的模态输出，提升开放生成任务的鲁棒性与效率。

Comments ACL 2026 Main

Data Warmup: Complexity-Aware Curricula for Efficient Diffusion Training

数据预热：面向高效扩散训练的复杂度感知课程学习

Jinhong Lin, Pan Wang, Zitong Zhan, Lin Zhang, Pedro Morgado

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Pittsburgh（匹兹堡大学） ； University at Buffalo, SUNY（纽约州立大学布法罗分校） 纠错

AI总结 本文提出Data Warmup方法，通过按复杂度从简到繁安排训练图像，提升扩散模型训练效率，实验表明其在ImageNet上显著提升生成质量并提前达到基线水平。

Comments CVPRW in the proceedings of CVPR 2026

Evaluating Low-Light Image Enhancement Across Multiple Intensity Levels

在多种光照级别下评估低光图像增强

Maria Pilligua, David Serrano-Lozano, Pai Peng, Ramon Baldrich, Michael S. Brown, Javier Vazquez-Corral

机构 * Computer Vision Center（计算机视觉中心） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； York University（约克大学） 纠错

AI总结 本文提出MILL数据集，用于评估图像增强算法在不同光照条件下的性能，通过改进方法在不同设备上提升了PSNR指标。