EPFL（洛桑联邦理工学院）

Optimal scaling laws in learning hierarchical multi-index models

学习分层多索引模型中的最优缩放规律

Leonardo Defilippis, Florent Krzakala, Bruno Loureiro, Antoine Maillard

机构 * Departement d’Informatique, École Normale Supérieure, PSL & CNRS（信息学院，巴黎综合理工学院，PSL与CNRS） ； Information, Learning and Physics Laboratory, École Polytechnique Fédérale de Lausanne (EPFL)（信息、学习与物理实验室，洛桑联邦理工学院（EPFL）） ； INRIA Paris（巴黎INRIA） 纠错

AI总结 本文研究了分层多索引模型中神经网络的最优缩放规律，提出了一种简单且高效的谱估计方法，揭示了分层特征的逐层学习过程及统计最优读出机制。

FMPose3D: monocular 3D pose estimation via flow matching

FMPose3D: 通过流匹配进行单目3D姿态估计

Ti Wang, Xiaohang Yu, Mackenzie Weygandt Mathis

机构 * École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑校区） 纠错

AI总结 FMPose3D通过流匹配方法高效生成3D姿态样本，超越现有方法并在多个3D姿态数据集上取得最佳性能。