University of Pennsylvania（宾夕法尼亚大学）

Object Reconstruction under Occlusion with Generative Priors and Contact-induced Constraints

在遮挡下利用生成先验和接触诱导约束进行物体重建

Minghan Zhu, Zhiyi Wang, Qihang Sun, Maani Ghaffari, Michael Posa

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出了一种结合生成先验和接触诱导约束的方法，用于在遮挡下提高物体重建的准确性。

Comments Project page: https://contactgen3d.github.io/

Towards a unified framework for guided diffusion models

迈向引导扩散模型的统一框架

Yuchen Jiao, Yuxin Chen, Gen Li

机构 * Department of Statistics, the Chinese University of Hong Kong, Hong Kong（香港中文大学统计学系） ； Department of Statistics and Data Science, the Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院统计学与数据科学系） 纠错

AI总结 本文提出统一框架，通过引入奖励引导项提升扩散模型奖励表现，并首次理论化无分类器引导的性能指标。

IndiSeek learns information-guided disentangled representations

IndiSeek 学习信息引导的解耦表示

Yu Gui, Cong Ma, Zongming Ma

机构 * Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计与数据科学系） ； Department of Statistics, University of Chicago（芝加哥大学统计系） ； Department of Statistics and Data Science, Yale University（耶鲁大学统计与数据科学系） 纠错

AI总结 IndiSeek通过结合独立性强制目标和高效重建损失，有效学习信息引导的解耦表示，提升多模态学习性能。