University of Science and Technology of China（中国科学技术大学）

AODDiff: Probabilistic Reconstruction of Aerosol Optical Depth via Diffusion-based Bayesian Inference

AODDiff：基于扩散的贝叶斯推断的气溶胶光学深度概率重建

Linhao Fan, Hongqiang Fang, Jingyang Dai, Yong Jiang, Qixing Zhang

机构 * State Key Laboratory of Fire Science（火灾科学国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Fire Research Division（火灾研究部） ； National Institute of Standards and Technology（美国国家标准与技术研究院） 纠错

AI总结 AODDiff通过扩散-贝叶斯推断实现气溶胶光学深度的概率重建，具备高空间光谱保真度和不确定性量化能力。

Comments 17 pages, 9 figures

From Sequential to Spatial: Reordering Autoregression for Efficient Visual Generation

从序列到空间：重新排列自回归以实现高效的视觉生成

Siyang Wang, Hanting Li, Wei Li, Jie Hu, Xinghao Chen, Feng Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 RadAR通过引入径向拓扑和嵌套注意力机制，提升自回归视觉生成的效率与稳定性。

Exploiting the Prior of Generative Time Series Imputation

利用生成时间序列填补的先验

YuYang Miao, Chang Li, Zehua Chen

机构 * Imperial College London, Department of Electronic and Electrical Engineering（帝国理工学院伦敦校区电子与电气工程系） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University, Department of CST（清华大学计算机科学与技术系） ； Shengshu AI（盛数人工智能） 纠错

AI总结 Bridge-TS通过引入专家先验和组合先验，提升生成时间序列填补的准确性与效率。

Audio Super-Resolution with Latent Bridge Models

基于潜在桥模型的音频超分辨率

Chang Li, Zehua Chen, Liyuan Wang, Jun Zhu

机构 * Department of CST, Tsinghua University, Beijing, China（计算机科学与技术系，清华大学，北京，中国） ； Shengshu AI, Beijing, China（盛舒人工智能，北京，中国） ； USTC, Hefei, China（中国科学技术大学，合肥，中国） 纠错

AI总结 本文提出基于潜在桥模型的音频超分辨率方法，通过压缩音频到潜在空间并设计桥模型，实现高质量的任意到48kHz和192kHz音频上采样。

Comments Accepted at NeurIPS 2025