ETH Zurich（苏黎世联邦理工学院）

Ensembling Language Models with Sequential Monte Carlo

用序列蒙特卡洛方法融合语言模型

Robin Shing Moon Chan, Tianyu Liu, Samuel Kiegeland, Clemente Pasti, Jacob Hoover Vigly, Timothy J. O'Donnell, Ryan Cotterell, Tim Vieira

机构 * ETH Zürich（苏黎世联邦理工学院） ； McGill University（麦吉尔大学） ； Canada CIFAR AI Chair（加拿大 CIFAR 人工智能主席） 纠错

AI总结 本文提出了一种融合语言模型的统一框架，通过字节级序列蒙特卡洛算法实现不同词汇表模型的融合采样，提升了结构化文本生成任务的性能。

Gaussian Wardrobe: Compositional 3D Gaussian Avatars for Free-Form Virtual Try-On

高斯服装：用于自由形式虚拟试穿的组合式3D高斯虚拟人物

Zhiyi Chen, Hsuan-I Ho, Tianjian Jiang, Jie Song, Manuel Kaufmann, Chen Guo

机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） ； ETH AI Center, ETH Zürich（苏黎世联邦理工学院人工智能中心） ； HKUST(GZ)（香港科技大学（广州）） 纠错

AI总结 Gaussian Wardrobe通过组合式3D高斯表示，实现从多视角视频中生成高保真虚拟人物，并支持自由形式服装的跨个体重用，提升虚拟试穿的实用性

Comments 3DV 2026, 16 pages, 12 figures

Text-to-3D by Stitching a Multi-view Reconstruction Network to a Video Generator

通过将多视角重建网络缝合到视频生成器中实现文本到3D

Hyojun Go, Dominik Narnhofer, Goutam Bhat, Prune Truong, Federico Tombari, Konrad Schindler

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

AI总结 VIST3A通过将多视角重建网络缝合到视频生成器中，实现文本到3D生成，提升3D场景生成质量。

Comments ICLR 2026 (Oral), Project page: https://gohyojun15.github.io/VIST3A/

TerraCodec: Compressing Optical Earth Observation Data

TerraCodec：压缩光学地球观测数据

Julen Costa-Watanabe, Isabelle Wittmann, Benedikt Blumenstiel, Konrad Schindler

机构 * IBM Research Europe（IBM欧洲研究院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 TerraCodec通过预训练的神经编码器实现高效压缩和云填充，提升地球观测数据处理性能。

Continuous Space-Time Video Super-Resolution with 3D Fourier Fields

基于3D傅里叶场的连续时空视频超分辨率

Alexander Becker, Julius Erbach, Dominik Narnhofer, Konrad Schindler

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

AI总结 本文提出基于3D傅里叶场的连续时空视频超分辨率方法，通过神经编码器预测傅里叶基函数系数，实现高效且高质量的时空超分辨率重建。

Walk Like Dogs: Learning Steerable Imitation Controllers for Legged Robots from Unlabeled Motion Data

像狗一样行走：从未标记的动作数据中学习可调节的模仿控制器用于四足机器人

Dongho Kang, Jin Cheng, Fatemeh Zargarbashi, Taerim Yoon, Sungjoon Choi, Stelian Coros

机构 * Computational Robotics Lab in the Department of Computer Science, ETH Zurich, Switzerland（计算机科学系计算机器人实验室，瑞士苏黎世联邦理工学院） ； Robot Intelligence Lab in the Department of Artificial Intelligence, Korea University, South Korea（人工智能系机器人智能实验室，韩国大学） 纠错

AI总结 本文提出了一种从未标记动作数据中学习可调节模仿控制器的方法，通过自动发现行为模式并生成风格一致的运动目标，实现四足机器人自主步态生成与转换。

Comments The supplementary video is available at https://youtu.be/DukyUGNYf5A

Structured Kolmogorov-Arnold Neural ODEs for Interpretable Learning and Symbolic Discovery of Nonlinear Dynamics

结构化Kolmogorov-Arnold神经ODEs用于可解释学习和非线性动力学的符号发现

Wei Liu, Kiran Bacsa, Loon Ching Tang, Eleni Chatzi

机构 * Department of Industrial Systems Engineering and Management, National University of Singapore（工业系统工程与管理系，新加坡国立大学） ； Department of Civil, Environmental and Geomatic Engineering, ETH Zürich（土木、环境与测绘工程系，苏黎世联邦理工学院） ； Future Resilient Systems, Singapore-ETH Centre（未来韧性系统，新加坡-苏黎世中心） 纠错

AI总结 SKANODE通过结合结构化状态空间建模与Kolmogorov-Arnold网络，实现对非线性动力学的可解释学习和符号发现。