Google（谷歌）

Registration-Free Learnable Multi-View Capture of Faces in Dense Semantic Correspondence

无需注册的可学习多视角面部密集语义对应捕捉

Panagiotis P. Filntisis, George Retsinas, Radek Daněček, Vanessa Sklyarova, Petros Maragos, Timo Bolkart

机构 * Institute of Robotics, Athena Research Center（机器人研究所，雅典研究中心） ； School of ECE, NTUA（电子工程学院，NTUA） ； HERON – Hellenic Robotics Center of Excellence（希腊机器人 excellence 中心） ； MPI for Intelligent Systems（智能系统研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） 纠错

AI总结 本文提出MOCHI框架，无需注册数据直接从多视角图像预测3D面部，通过伪线性逆运动学求解器确保拓扑一致性，改进损失函数提升重建精度。

Comments 19 pages, CVPR 2026

Networked Information Aggregation for Binary Classification

基于网络的信息聚合用于二分类

MohammadHossein Bateni, Zahra Hadizadeh, MohammadTaghi Hajiaghayi, Mahdi JafariRaviz, Shayan Taherijam

机构 * University of Maryland, College Park, MD, USA（马里兰大学学院市分校） ； Google Research, New York City, NY, USA（谷歌研究纽约市分校） ； University of California, Irvine, CA, USA（加州大学尔湾分校） 纠错

AI总结 研究网络二分类中信息聚合问题，通过序列分布式训练流程分析信息聚合效果，证明深度对信息聚合的限制。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)

CGM-JEPA: Learning Consistent Continuous Glucose Monitor Representations via Predictive Self-Supervised Pretraining

CGM-JEPA：通过预测自监督预训练学习一致的连续葡萄糖监测表示

Hada Melino Muhammad, Zechen Li, Flora Salim, Ahmed A. Metwally

机构 * University of New South Wales（新南威尔士大学） ； Google Research（谷歌研究） 纠错

AI总结 本文提出CGM-JEPA框架，通过预测掩码的潜在表示来提升多模态数据的迁移能力，实验显示其在不同场景下均优于基线方法。

Understanding Emergent Misalignment via Feature Superposition Geometry

通过特征叠加几何理解涌现对齐问题

Gouki Minegishi, Hiroki Furuta, Takeshi Kojima, Yusuke Iwasawa, Yutaka Matsuo

机构 * The University of Tokyo（东京大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 研究通过特征叠加几何解释了微调窄任务导致有害行为的机制，发现有害特征在几何上更接近，并通过过滤接近毒特征的数据减少对齐问题。

Comments Accepted to ACL2026

MedGemma 1.5 Technical Report

MedGemma 1.5 技术报告

Andrew Sellergren, Chufan Gao, Fereshteh Mahvar, Timo Kohlberger, Fayaz Jamil, Madeleine Traverse, Alberto Tono, Bashir Sadjad, Lin Yang, Charles Lau, Liron Yatziv, Tiffany Chen, Bram Sterling, Kenneth Philbrick, Richa Tiwari, Yun Liu, Madhuram Jajoo, Chandrashekar Sankarapu, Swapnil Vispute, Harshad Purandare, Abhishek Bijay Mishra, Sam Schmidgall, Tao Tu, Anil Palepu, Chunjong Park, Tim Strother, Rahul Thapa, Yong Cheng, Preeti Singh, Kat Black, Yossi Matias, Katherine Chou, Avinatan Hassidim, Kavi Goel, Joelle Barral, Tris Warkentin, Shravya Shetty, Dale Webster, Sunny Virmani, David F. Steiner, Can Kirmizibayrak, Daniel Golden

机构 * Google Research and Google DeepMind（谷歌研究与谷歌深Mind） 纠错

AI总结 MedGemma 1.5 增强了医学影像处理、解剖定位和多时间点胸部X光分析能力，显著提升了3D MRI和CT分类精度，并在病理图像和临床知识推理中取得突破性进展。

SpatialStack: Layered Geometry-Language Fusion for 3D VLM Spatial Reasoning

SpatialStack：用于3D VLM空间推理的分层几何-语言融合

Jian Zhang, Shijie Zhou, Bangya Liu, Achuta Kadambi, Zhiwen Fan

机构 * XMU（厦门大学） ； UCLA（美国大学） ； Google（谷歌） ； UW-Madison（威斯康星大学麦迪逊分校） ； TAMU（德克萨斯农工大学） 纠错

AI总结 本文提出SpatialStack框架，通过分层融合视觉、几何和语言表征，提升3D空间推理能力，实验表明其在多个基准上表现优异。

Comments CVPR 2026, Project Website: https://spatial-stack.github.io/

ACTG-ARL: Differentially Private Conditional Text Generation with RL-Boosted Control

ACTG-ARL: 差分隐私条件下通过RL增强的条件文本生成

Yuzheng Hu, Ryan McKenna, Da Yu, Shanshan Wu, Han Zhao, Zheng Xu, Peter Kairouz

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google Research（谷歌研究院） ； Meta 纠错

AI总结 本文提出ACTG-ARL框架，通过分层结构和Anchored RL方法，在差分隐私下提升生成文本质量与条件生成控制，实现MAUVE指标提升20%。

Comments Accepted at ICML 2026

Neural Cellular Automata: From Cells to Pixels

神经细胞自动机：从细胞到像素

Ehsan Pajouheshgar, Yitao Xu, Ali Abbasi, Alexander Mordvintsev, Wenzel Jakob, Sabine Süsstrunk

机构 * EPFL（瑞士联邦理工学院） ； Google Research（谷歌研究） 纠错

AI总结 本文提出混合模型，通过粗网格NCA与轻量隐式解码器结合，实现高分辨率实时输出并保留NCA的自组织特性。

Comments 9 pages, 14 figures, +8 pages of Appendix (20 figures in total)

Journal ref SIGGRAPH 2026