Carnegie Mellon University（卡内基梅隆大学）

Iterative Refinement Improves Compositional Image Generation

迭代细化改进组合图像生成

Shantanu Jaiswal, Mihir Prabhudesai, Nikash Bhardwaj, Zheyang Qin, Amir Zadeh, Chuan Li, Katerina Fragkiadaki, Deepak Pathak

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Lambda AI 纠错

AI总结 本文提出了一种迭代细化策略，通过视觉-语言模型反馈提升组合图像生成质量，实验显示在多个基准上均优于并行采样方法。

Comments Project webpage: https://iterative-img-gen.github.io/

FlowSSC: Universal Generative Monocular Semantic Scene Completion via One-Step Latent Diffusion

FlowSSC: 通过一步潜在扩散实现通用生成单目语义场景补全

Zichen Xi, Hao-Xiang Chen, Nan Xue, Hongyu Yan, Qi-Yuan Feng, Levent Burak Kara, Joaquim Jorge, Qun-Ce Xu

机构 * Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Instituto Superior Técnico（里斯本大学理工学院） 纠错

AI总结 FlowSSC通过一步潜在扩散模型实现高效单目语义场景补全，显著提升性能并适用于自动驾驶系统。

Comments Under Review

Systematic Evaluation of Hip Exoskeleton Assistance Parameters for Enhancing Gait Stability During Ground Slip Perturbations

系统评估髋外骨骼辅助参数以增强地面滑动扰动期间的步态稳定性

Maria T. Tagliaferri, Inseung Kang

机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

AI总结 本研究系统评估了髋外骨骼辅助参数，发现优化稳定性需考虑时间参数和用户个性化，减少跌倒风险。

Learning from Discriminatory Training Data

从歧视性训练数据中学习

Przemyslaw A. Grabowicz, Nicholas Perello, Kenta Takatsu

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 提出一种方法，通过在受歧视污染的数据集上训练，确保在公平测试数据集上表现良好，以解决公平学习中的歧视问题。