ETH Zurich（苏黎世联邦理工学院）

Spatial Autoregressive Modeling of DINOv3 Embeddings for Unsupervised Anomaly Detection

基于DINOv3嵌入的时空自回归建模用于无监督异常检测

Ertunc Erdil, Nico Schulthess, Guney Tombak, Ender Konukoglu

机构 * Computer Vision Lab. ETH Zurich, Zurich, Switzerland（苏黎世ETH Zurich计算机视觉实验室） 纠错

AI总结 本文提出基于DINOv3嵌入的时空自回归模型，用于高效无监督异常检测，通过显式建模patch间空间依赖性提升性能并降低计算开销。

Semi-Supervised Few-Shot Adaptation of Vision-Language Models

视觉-语言模型的半监督少样本适应

Julio Silva-Rodríguez, Ender Konukoglu

机构 * Computer Vision Lab, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院计算机视觉实验室） 纠错

AI总结 本文提出一种半监督方法，通过传播文本引导的伪标签来提升视觉-语言模型在极低样本情况下的适应性能，减少标注工作量超过50%。

Comments Code: https://github.com/jusiro/SS-Text-U

Enhancing Physics-Informed Neural Networks with Domain-aware Fourier Features: Towards Improved Performance and Interpretable Results

通过领域感知的傅里叶特征增强物理信息神经网络：迈向更优性能和可解释结果

Alberto Miño Calero, Luis Salamanca, Konstantinos E. Tatsis

机构 * Department of Engineering Cybernetics NTNU（工程 cybernetics 系 NTNU） ； Swiss Data Science Center (SDSC) ETH Zürich（瑞士数据科学中心（SDSC）ETH 苏黎世） 纠错

AI总结 通过引入领域感知的傅里叶特征，改进物理信息神经网络的性能和可解释性，实现更准确、高效且易解释的物理信息学习。

Operator Learning Using Weak Supervision from Walk-on-Spheres

利用走球面方法进行运算符学习

Hrishikesh Viswanath, Hong Chul Nam, Xi Deng, Julius Berner, Anima Anandkumar, Aniket Bera

机构 * Purdue University, USA（普渡大学） ； NVIDIA, USA（NVIDIA公司） ； ETH Zurich, Switzerland（苏黎世联邦理工学院） ； California Institute of Technology, USA（加州理工学院） 纠错

AI总结 本文提出了一种基于走球面方法的神经运算符学习方法，通过弱监督训练实现高效且稳定的偏微分方程求解。

Bridging the Gap Between Promise and Performance for Microscaling FP4 Quantization

弥合承诺与性能之间的差距：为微缩FP4量化 bridging the gap between promise and performance for microscaling FP4 quantization

Vage Egiazarian, Roberto L. Castro, Denis Kuznedelev, Andrei Panferov, Eldar Kurtic, Shubhra Pandit, Alexandre Marques, Mark Kurtz, Saleh Ashkboos, Torsten Hoefler, Dan Alistarh

机构 * Institute of Science and Technology Austria（奥地利科学与技术研究院） ； Yandex Research（Yandex研究） ； Red Hat AI（红帽人工智能） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出MR-GPTQ方法，通过优化FP4量化过程，提升MXFP4的准确性并实现性能提升。

Implicit-Zoo: A Large-Scale Dataset of Neural Implicit Functions for 2D Images and 3D Scenes

隐式动物园：一个大规模神经隐式函数数据集，用于2D图像和3D场景

Qi Ma, Danda Pani Paudel, Ender Konukoglu, Luc Van Gool

机构 * Computer Vision Lab, ETH Zurich（苏黎世联邦理工学院计算机视觉实验室） ； INSAIT, Sofia University（索菲亚大学INSAIT） 纠错

AI总结 隐式动物园是一个大规模神经隐式函数数据集，用于2D图像和3D场景，通过提供高质量数据促进研究，提升图像分类、语义分割和3D姿态回归性能。