TMLR

Open-Set Domain Adaptation Under Background Distribution Shift: Challenges and A Provably Efficient Solution

开放集域适应在背景分布偏移下的挑战：挑战与一种可证明高效的解决方案

Shravan Chaudhari, Yoav Wald, Suchi Saria

机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Faculty of Data and Decision Sciences, Technion（技术学院数据与决策科学学院） ； Center for Data Science, New York University（纽约大学数据科学中心） ； Bayesian Health（贝叶斯健康） 纠错

AI总结 本文研究了在背景分布偏移情况下开放集域适应的挑战，并提出了一种可证明高效的解决方案CoLOR，通过理论分析和实验证明其在简化过参数化设置中优于基线方法，同时展示了其在图像和文本数据上的广泛适用性。

Comments Project page at https://github.com/Shra1-25/CoLOR

Journal ref Transactions on Machine Learning Research (TMLR) 2026/May ISSN: 2835-8856

ProJo4D: Progressive Joint Optimization for Sparse-View Inverse Physics Estimation

ProJo4D：渐进式联合优化用于稀疏视图逆物理估计

Daniel Rho, Jun Myeong Choi, Biswadip Dey, Roni Sengupta

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Meta Reality Labs（Meta现实实验室） 纠错

AI总结 本文提出ProJo4D，一种渐进式联合优化框架，用于解决稀疏视图下逆物理参数估计问题，通过逐步扩展联合优化参数集，提高了4D未来状态预测和物理参数估计的准确性，达到几何精度提升10倍的性能。

Comments TMLR 2026

TextBoost: Boosting Text Encoder for Personalized Text-to-Image Generation

TextBoost: 通过文本编码器提升文本到图像生成的个性化

NaHyeon Park, Kunhee Kim, Hyunjung Shim

机构 * KAIST（韩国科学技术院） 纠错

AI总结 本文提出TextBoost，一种高效的文本到图像扩散模型单次个性化方法，通过仅微调文本编码器提升计算和存储效率，并保持语义完整性，从而实现更快收敛和更低存储需求，同时保持高质量生成。

Comments Project page: https://textboost.github.io. Accepted to TMLR