ICML

Enhancing Authorship Attribution with Synthetic Paintings

通过合成绘画增强作者归属

Clarissa Loures, Caio Hosken, Luan Oliveira, Gianlucca Zuin, Adriano Veloso

AI总结 本研究通过结合真实和合成数据提升绘画作者归属的准确率和泛化能力。

Comments Accepted for publication at the 24th IEEE International Conference on Machine Learning and Applications (ICMLA 2025)

Controllable Generative Sandbox for Causal Inference

可控制的生成沙盒用于因果推断

Qi Zhang, Harsh Parikh, Ashley Naimi, Razieh Nabi, Christopher Kim, Timothy Lash

机构 * Emory University（埃默里大学） ； Yale University（耶鲁大学） ； Amgen（安进公司） 纠错

AI总结 CausalMix是一种结合高斯潜在先验与数据类型特定解码器的变分生成框架，通过显式因果控制实现对因果机制的可控生成，适用于混合类型表格数据的高保真模拟及因果推断研究。

Comments 34 pages, 15 figures. Submitted to ICML 2026. Code available at https://github.com/zhangqiecho/causalmix

Crystal-GFN: sampling crystals with desirable properties and constraints

Crystal-GFN: 生成具有理想性质和约束条件的晶体

Mila AI4Science, :, Alex Hernandez-Garcia, Alexandre Duval, Alexandra Volokhova, Yoshua Bengio, Divya Sharma, Pierre Luc Carrier, Yasmine Benabed, Michał Koziarski, Victor Schmidt, Gian-Marco Rignanese, Pierre-Paul De Breuck, Paulette Clancy

机构 * Mila AI4Science ； Université de Montréal（蒙特利尔大学） ； CentraleSupélec, Université Paris-Saclay（中央圣艾修伯里学院，巴黎萨克莱大学） ； Johns Hopkins University（约翰霍普金斯大学） ； UCLouvain（布鲁塞尔自由大学） 纠错

AI总结 Crystal-GFN是一种生成具有理想性质和约束条件的晶体结构模型，通过多环境连续-离散GFlowNet高效发现多样且有效的晶体。

Comments This is the version of the manuscript submitted (though not accepted) to ICML 2024 in February 2024