The University of Hong Kong（香港大学）

ProEdit: Inversion-based Editing From Prompts Done Right

ProEdit: 通过正确提示实现基于反向的编辑

Zhi Ouyang, Dian Zheng, Xiao-Ming Wu, Jian-Jian Jiang, Kun-Yu Lin, Jingke Meng, Wei-Shi Zheng

机构 * Sun Yat-sen University（中山大学） ； CUHK MMLab（香港中文大学MMLab） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； The University of Hong Kong（香港大学） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（中国教育部机器智能与高级计算重点实验室） 纠错

AI总结 ProEdit通过改进注意力和潜在领域，实现更稳定的基于反向的编辑，能有效提升图像和视频编辑的性能和一致性。

Comments Equal contributions from first two authors. Project page: https://isee-laboratory.github.io/ProEdit/ Code: https://github.com/iSEE-Laboratory/ProEdit

Transformer Driven Visual Servoing for Fabric Texture Matching Using Dual-Arm Manipulator

基于双臂机械臂的Transformer驱动视觉伺服织物纹理匹配

Fuyuki Tokuda, Akira Seino, Akinari Kobayashi, Kai Tang, Kazuhiro Kosuge

机构 * JC STEM Lab of Robotics for Soft Materials, Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（机器人柔性材料联合实验室、电气与电子工程系、工程学院、香港大学） 纠错

AI总结 本文提出基于Transformer的视觉伺服方法，利用双臂机械臂实现织物纹理匹配，通过差分提取注意力模块提升姿态预测精度，实现零样本部署。

Comments 8 pages, 11 figures. Accepted to IEEE Robotics and Automation Letters (RA-L)

When Bayesian Tensor Completion Meets Multioutput Gaussian Processes: Functional Universality and Rank Learning

当贝叶斯张量补全遇见多输出高斯过程：函数通用性和秩学习

Siyuan Li, Shikai Fang, Lei Cheng, Feng Yin, Yik-Chung Wu, Peter Gerstoft, Sergios Theodoridis

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Zhejiang Provincial Key Laboratory of Multi-Modal Communication Networks and Intelligent Information Processing（浙江省多模态通信网络与智能信息处理重点实验室） ； School of Science & Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； Technical University of Denmark（丹麦技术大学） ； NoiseLab, University of California, San Diego（加州大学圣地亚哥分校NoiseLab） ； HERON - Center of Excellence in Robotics, Athena R.C（HERON-机器人卓越中心） 纠错

AI总结 本文提出RR-FBTC方法，结合贝叶斯张量补全与多输出高斯过程，实现对连续多维信号的通用近似，并通过变分推断框架高效学习模型。