University of Texas at Austin（得克萨斯大学奥斯汀分校）

ShapeGaussian: High-Fidelity 4D Human Reconstruction in Monocular Videos via Vision Priors

ShapeGaussian: 通过视觉先验在单目视频中实现高保真的4D人体重建

Zhenxiao Liang, Ning Zhang, Youbao Tang, Ruei-Sung Lin, Qixing Huang, Peng Chang, Jing Xiao

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； PAII Inc（PAII公司） 纠错

AI总结 ShapeGaussian通过整合无模板的视觉先验，在单目视频中实现了高保真的4D人体重建，提高了重建的准确性和鲁棒性。

E-Globe: Scalable $ε$-Global Verification of Neural Networks via Tight Upper Bounds and Pattern-Aware Branching

E-Globe：通过紧上界和模式感知分支实现神经网络的可扩展ε-全局验证

Wenting Li, Saif R. Kazi, Russell Bent, Duo Zhou, Huan Zhang

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 E-Globe通过紧上界和模式感知分支实现神经网络的高效ε-全局验证，显著提升验证速度和精度。

Comments 16 pages, 10 figures

A Differential and Pointwise Control Approach to Reinforcement Learning

基于微分和逐点控制的强化学习方法

Minh Nguyen, Chandrajit Bajaj

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出微分强化学习框架，通过微分对偶形式和dfPO算法提升样本效率和动态对齐，理论证明收敛性并实验证明在科学计算任务中的有效性。

Comments NeurIPS 2025