Google（谷歌）

Pro-Pose: Unpaired Full-Body Portrait Synthesis via Canonical UV Maps

Pro-Pose：通过规范UV映射实现无配对全身肖像合成

Sandeep Mishra, Yasamin Jafarian, Andreas Lugmayr, Yingwei Li, Varsha Ramakrishnan, Srivatsan Varadharajan, Alan C. Bovik, Ira Kemelmacher-Shlizerman

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Google（谷歌） 纠错

AI总结 本文提出通过规范UV映射实现无配对全身肖像合成，利用UV空间解耦姿态与外观，结合多图微调确保身份一致性，生成高质量肖像以提升虚拟试衣等应用的精度。

A Functional-Space Mean-Field Theory of Partially-Trained Three-Layer Neural Networks

部分训练的三层神经网络的泛函空间平均场理论

Zhengdao Chen, Eric Vanden-Eijnden, Joan Bruna

机构 * Google Research（谷歌研究） ； Courant Institute, New York University（纽约大学Courant研究所） 纠错

AI总结 研究部分训练的三层神经网络无穷宽度极限，通过扩展平均场理论，将神经元表示提升到泛函空间，建立泛函梯度流，证明训练损失线性收敛，定义新型函数空间并证明复杂度界，适用于多种缩放选择，展现特征学习。

Comments 67 pages, 12 figures

Journal ref Journal of Machine Learning Research, 27(52):1-67, 2026