ETH Zurich（苏黎世联邦理工学院）

GIC-DLC: Differentiable Logic Circuits for Hardware-Friendly Grayscale Image Compression

GIC-DLC：用于硬件友好的灰度图像压缩的可微逻辑电路

Till Aczel, David F. Jenny, Simon Bührer, Andreas Plesner, Antonio Di Maio, Roger Wattenhofer

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 GIC-DLC通过可微逻辑电路实现高效灰度图像压缩，结合神经网络与布尔运算，提升压缩效率并降低能耗与延迟。

Don't be lazy: CompleteP enables compute-efficient deep transformers

不要懒惰：CompleteP使深度变压器计算高效

Nolan Dey, Bin Claire Zhang, Lorenzo Noci, Mufan Li, Blake Bordelon, Shane Bergsma, Cengiz Pehlevan, Boris Hanin, Joel Hestness

机构 * Cerebras Systems（Cerebras系统） ； ETH Zurich（苏黎世联邦理工学院） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） 纠错

AI总结 CompleteP通过实现深度-wise超参数转移和非懒惰学习，提升了深度变压器的计算效率，适用于更广泛的模型宽度/深度比和硬件环境。

Comments NeurIPS 2025. v4 fixes Table 1 typo to match AdamW eps to Equation 40

NeuralFur: Animal Fur Reconstruction From Multi-View Images

NeuralFur: 从多视角图像中重建动物毛发

Vanessa Sklyarova, Berna Kabadayi, Anastasios Yiannakidis, Giorgio Becherini, Michael J. Black, Justus Thies

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Technical University of Darmstadt（德累斯顿技术大学） ； University of Tübingen（图宾根大学） 纠错

AI总结 NeuralFur通过视觉语言模型指导多视角图像重建，实现不同动物的高保真3D毛发建模。

Comments For additional results and code, please refer to https://neuralfur.is.tue.mpg.de

Deep Legendre Transform

深度勒让德变换

Aleksey Minabutdinov, Patrick Cheridito

机构 * Center of Economic Research and RiskLab ETH Zurich（经济研究中心和风险实验室 ETH 瑞士 Zurich） ； Department of Mathematics and RiskLab ETH Zurich（数学系和风险实验室 ETH 瑞士 Zurich） 纠错

AI总结 本文提出了一种基于深度学习的算法，用于高效计算凸函数的凸共轭，并通过隐式芬谢尔公式实现精确估计。

Comments Accepted at NeurIPS 2025 (poster). NeurIPS page: https://neurips.cc/virtual/2025/loc/san-diego/poster/120307

LegacyAvatars: Volumetric Face Avatars For Traditional Graphics Pipelines

LegacyAvatars: 基于体素的面部虚拟角色用于传统图形管线

Safa C. Medin, Gengyan Li, Ziqian Bai, Ruofei Du, Leonhard Helminger, Yinda Zhang, Stephan J. Garbin, Philip L. Davidson, Gregory W. Wornell, Thabo Beeler, Abhimitra Meka

机构 * Google（谷歌） ； MIT（麻省理工学院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 LegacyAvatars通过基于参数面部模型的辐射场实现高效传统图形管线中的逼真3D面部虚拟角色渲染，支持在线流式传输和经典网格着色器渲染。

Automating Traffic Monitoring with SHM Sensor Networks via Vision-Supervised Deep Learning

通过视觉监督深度学习自动化交通监控的SHM传感器网络

Hanshuo Wu, Xudong Jian, Christos Lataniotis, Cyprien Hoelzl, Eleni Chatzi, Yves Reuland

机构 * organization= Institute of Structural Engineering (IBK), ETH Zürich , city= Zürich , country= Switzerland ； organization= irmos technologies AG , city= Zürich , country= Switzerland ； organization= Future Resilient Systems, Singapore-ETH Centre , city= Singapore , country= Singapore 纠错

AI总结 本文提出了一种基于视觉监督深度学习的自动化交通监控方法，利用SHM传感器网络实现高精度的交通荷载识别，提升桥梁结构健康监测的效率和准确性。