Meta

Co-generation of Layout and Shape from Text via Autoregressive 3D Diffusion

通过自回归3D扩散模型生成布局和形状

Zhenggang Tang, Yuehao Wang, Yuchen Fan, Jun-Kun Chen, Yu-Ying Yeh, Kihyuk Sohn, Zhangyang Wang, Qixing Huang, Alexander Schwing, Rakesh Ranjan, Dilin Wang, Zhicheng Yan

机构 * Meta Reality Labs（Meta现实实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出一种新的文本到场景生成方法，通过自回归3D扩散模型生成布局和形状，解决文本描述与生成场景不一致的问题。

Near-Optimal Cryptographic Hardness of Learning With Homogeneous Halfspaces Under Gaussian Marginals

在高斯边缘分布下学习同质半空间的近最优密码学难度

Jizhou Huang, Brendan Juba

机构 * Meta 纠错

AI总结 研究在高斯分布下识别同质半空间的三个问题，证明了在LWE假设下学习同质半空间的计算难度，扩展了先前对一般半空间的研究结果。

Co-Learning Port-Hamiltonian Systems and Optimal Energy-Shaping Control

协同学习端口哈密顿系统与最优能量整形控制

Ankur Kamboj, Biswadip Dey, Vaibhav Srivastava

机构 * Electrical and Computer Engineering, Michigan State University（密歇根州立大学电气与计算机工程系） ； Meta Reality Labs（Meta现实实验室） 纠错

AI总结 本文提出一种基于轨迹数据的物理信息学习框架，协同学习端口哈密顿系统模型和最优能量平衡被动控制器，通过交替优化提升系统稳定性与鲁棒性。

Video Compression Meets Video Generation: Latent Inter-Frame Pruning with Attention Recovery

视频压缩与视频生成的交汇：具有注意力恢复的潜在帧剪枝

Dennis Menn, Yuedong Yang, Bokun Wang, Xiwen Wei, Mustafa Munir, Feng Liang, Radu Marculescu, Chenfeng Xu, Diana Marculescu

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

AI总结 本文提出LIPAR框架，通过利用视频潜在补丁中的时间冗余性，减少计算延迟，提升视频编辑效率，同时保持生成质量。

A Survey of Safe Reinforcement Learning and Constrained MDPs: A Technical Survey on Single-Agent and Multi-Agent Safety

安全强化学习与约束马尔可夫决策过程的综述：单智能体和多智能体安全的技术综述

Ankita Kushwaha, Kiran Ravish, Preeti Lamba, Pawan Kumar

机构 * International Institute of Information Technology, Hyderabad, India（国际信息科技研究所，印度海得拉巴） ； Meta SuperIntelligence, USA（Meta超智能，美国） 纠错

AI总结 本文综述了安全强化学习和约束马尔可夫决策过程，涵盖单智能体和多智能体安全方法，总结了理论基础和最新算法，并提出五个开放性问题以推动该领域发展。

Comments 25