ETH Zurich（苏黎世联邦理工学院）

Cheap2Rich: A Multi-Fidelity Framework for Data Assimilation and System Identification of Multiscale Physics -- Rotating Detonation Engines

Cheap2Rich: 一种多保真框架用于多尺度物理系统的数据同化与系统辨识——旋转爆震发动机

Yuxuan Bao, Jan Zajac, Megan Powers, Venkat Raman, J. Nathan Kutz

机构 * Department of Electrical ； Computer Engineering, University of Washington, Seattle, USA ； Department of Applied Mathematics, University of Washington, Seattle, USA ； University of Michigan, Advanced Propulsion Concepts Lab, Ann Arbor, USA ； Department of Mathematics, Swiss Federal Institute of Technology Zurich, Zurich, Switzerland 纠错

AI总结 Cheap2Rich提出一种多保真框架，通过结合快速低保真先验与学习的误差修正，实现多尺度物理系统中高保真状态空间的重建，用于旋转爆震发动机的数据同化与系统辨识。

Game-Theoretic Autonomous Driving: A Graphs of Convex Sets Approach

博弈论自动驾驶：基于凸集图的方法

Nikolaj Käfer, Ahmed Khalil, Edward Huynh, Efstathios Bakolas, David Fridovich-Keil

机构 * ETH Zurich（苏黎世联邦理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出基于凸集图的迭代最佳响应方法，用于多车辆自动驾驶中的战略互动与轨迹规划，通过高效凸松弛实现安全且一致的交互行为。

Comments 16 pages for content, 2 pages for references, 2 pages for notation

QVGen: Pushing the Limit of Quantized Video Generative Models

QVGen：推动量化视频生成模型的极限

Yushi Huang, Ruihao Gong, Jing Liu, Yifu Ding, Chengtao Lv, Haotong Qin, Jun Zhang

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Beihang University（北京航空航天大学） ； SenseTime Research（商汤科技研究院） ； Monash University（墨尔本大学） ； Nanyang Technological University（南洋理工大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 QVGen通过量化感知训练框架在极低比特下实现高性能视频生成模型，首次达到全精度质量并优于现有方法。

Comments Accepted by ICLR 2026

Enhanced Anomaly Detection for Capsule Endoscopy Using Ensemble Learning Strategies

使用集成学习策略增强胶囊内镜的异常检测

Julia Werner, Christoph Gerum, Jorg Nick, Maxime Le Floch, Franz Brinkmann, Jochen Hampe, Oliver Bringmann

机构 * Department of Computer Science, University of Tübingen（图宾根大学计算机科学系） ； Seminar of Applied Mathematics, ETH Zürich（苏黎世联邦理工学院应用数学研讨班） ； Else Kröner Fresenius Center for Digital Health, TU Dresden（德累斯顿技术大学数字健康研究中心） ； Department of Medicine I, University Hospital Dresden, TU Dresden（德累斯顿大学医院第一医学部，德累斯顿技术大学） 纠错

AI总结 本文提出一种集成学习策略，通过使用不同损失函数训练多个神经网络，提高胶囊内镜异常检测的准确性和效率，同时减少参数量。

Comments Accepted at the 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBS EMBC)