University of Edinburgh（爱丁堡大学）

ABCD: Alpha-Composited Block Coordinate Descent: Constant-VRAM Training for Large Radiance Fields

ABCD：Alpha合成块坐标下降法：针对大辐射场的恒定显存训练

Ka Heng Shiu, Kartic Subr

机构 * The University of Edinburgh（爱丁堡大学） 纠错

AI总结 该研究提出ABCD外核训练框架，针对3DGS实现，通过块坐标下降与Alpha混合特性将峰值显存复杂度降为O(1)，在PSNR下降不足5%的前提下，让显存有限的GPU可训练大辐射场

Comments Presented at ACM SIGGRAPH 2026 Posters

Improved off-policy training of diffusion samplers

扩散采样器的改进离策略训练

Marcin Sendera, Minsu Kim, Sarthak Mittal, Pablo Lemos, Luca Scimeca, Jarrid Rector-Brooks, Alexandre Adam, Yoshua Bengio, Esmeralda S. Whitammer

机构 * Mila, Université de Montréal（米拉-蒙特利尔大学） ； Jagiellonian University（雅盖隆大学） ； KAIST（韩国科学技术院） ； Ciela Institute（塞拉研究所） ； Dreamfold（德里姆福尔德公司） ； CIFAR（加拿大高级研究院） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 该研究针对扩散模型的离策略训练问题，提出结合重放缓冲区的目标空间局部搜索探索策略，提升了样本质量，同时阐明了现有算法的相对优势并质疑了过往部分结论，相关代码已公开。

Comments NeurIPS 2024; code: this https URL (https://github.com/GFNOrg/gfn-diffusion)