Adobe

Bayesian policy gradient and actor-critic algorithms

贝叶斯策略梯度与actor-critic算法

Mohammad Ghavamzadeh, Yaakov Engel, Michal Valko

机构 * Adobe Research & Inria（Adobe研究与法国国家信息与自动化研究所） ； Rafael Advanced Defence System（拉斐尔高级防御系统） ； Inria Lille — SequeL team（法国国家信息与自动化研究所里尔分校——SequeL团队） 纠错

AI总结 本文提出基于高斯过程的贝叶斯策略梯度框架，减少采样需求并提供自然梯度和梯度协方差估计，结合非参数贝叶斯critics改进马尔可夫性质，通过实验验证方法有效性。

Comments Published in Journal of Machine Learning Research 17(66):1-53, 2016

Journal ref Journal of Machine Learning Research 17(66):1-53, 2016

Softmax-GS: Generalized Gaussians Learning When to Blend or Bound

Softmax-GS: 通用高斯学习何时融合或边界

Chen Ziwen, Peng Wang, Hao Tan, Zexiang Xu, Li Fuxin

机构 * Adobe Research（Adobe研究院） ； Tripo AI（Tripo人工智能公司） ； Hillbot（Hillbot公司） ； Oregon State University（俄勒冈州立大学） 纠错

AI总结 Softmax-GS通过在重叠区域引入softmax竞争机制，解决3D GS中的视图不一致和模糊边界问题，提升重建质量和参数效率。

Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition Findings (CVPRF), 2026

Long-LRM++: Preserving Fine Details in Feed-Forward Wide-Coverage Reconstruction

Long-LRM++：在前馈宽覆盖重建中保留细节

Chen Ziwen, Hao Tan, Peng Wang, Zexiang Xu, Li Fuxin

机构 * Adobe Research（Adobe研究院） ； Tripo AI（Tripo人工智能） ； Hillbot（Hillbot公司） ； Oregon State University（俄勒冈州立大学） 纠错

AI总结 Long-LRM++通过半显式场景表示与轻量解码器，在保持LaCT渲染质量的同时实现实时14FPS的A100 GPU性能，且能扩展至64输入视角，并在ScanNetv2上优于直接从高斯生成深度预测。

Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition Findings (CVPRF), 2026