Google（谷歌）

Differentiable Polarized Path Tracing

可微偏振路径追踪

Pramod Rao, Jérémy Riviere, Xilong Zhou, Abhijeet Ghosh, Abhimitra Meka, Thabo Beeler, Marc Habermann, Christian Theobalt, Delio Vicini

机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Saarland Informatics Campus（萨尔兰信息学园区） ； VIA Research Center（VIA研究中心） ； Google（谷歌） 纠错

AI总结 研究逆渲染问题，提出偏振感知的可微路径追踪方法，通过路径重放和局部缓存组合估计无偏梯度，能在复杂场景中高效稳定优化材质和光照参数，拓宽基于物理的逆渲染适用性。

Comments Accepted at ECCV 2026

Concurrent Image Understanding and Generation: Self-Correcting Coupled Markov Jump Processes

并发图像理解与生成：自校正耦合马尔可夫跳跃过程

Minh-Quan Le, Armand Comas, Alexandros Lattas, Stylianos Moschoglou, Pedro Vélez, Amit Raj, Aaron Germuth, Thabo Beeler, Dimitris Samaras, Di Qiu

机构 * Stony Brook University（纽约州立大学石溪分校） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 研究针对人类认知中理解与生成的耦合循环，引入自校正耦合马尔可夫跳跃过程框架及$\texttt{CO}_\texttt{2}\texttt{Jump}$采样器，解决掩码扩散模型跨模态矛盾问题，创建多模态语料库，该方法在图像相关任务中性能优异，且性能随去噪步骤数提升。

Comments Project page: https://coupled-jump.github.io

Efficient Long-Horizon Learning for Learned Optimization

用于学习优化的高效长时学习

Xiaolong Huang, Benjamin Thérien, James Harrison, Eugene Belilovsky

机构 * Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； Google DeepMind（谷歌DeepMind） ； Concordia University（康考迪亚大学） ； Université de Montréal（蒙特利尔大学） 纠错

AI总结 研究针对学习优化中当前元训练方法的局限，提出高效长时（ELO）学习算法，重新分配计算并实施监督，提升长展开性能和分布外泛化能力，在多任务中表现出色，且元训练所需GPU时长少。

Comments Meta-learning, learned optimization

Fixed-Parameter Tractability of Private Synthetic Data Generation

私有合成数据生成的固定参数可处理性

Badih Ghazi, Cristóbal Guzmán, Pritish Kamath, Alexander Knop, Ravi Kumar, Pasin Manurangsi

机构 * Google Deepmind（谷歌DeepMind） ； Institute for Mathematical and Computational Engineering, Faculty of Mathematics and School of Engineering, Pontificia Universidad Católica de Chile（数学与计算工程学院、数学系和工程学院、智利天主教大学） 纠错

AI总结 研究差分隐私下合成数据生成问题，通过查询族关联图的树宽参数建立固定参数可处理性，提出两种最优算法。

Comments Fixed typos. Included new results on tighter error rates for bounded treewidth families (now in Section 5)