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

A Multi-Fidelity Control Variate Approach for Policy Gradient Estimation

一种多保真度控制变量化法用于策略梯度估计

Xinjie Liu, Cyrus Neary, Kushagra Gupta, Wesley A. Suttle, Christian Ellis, Ufuk Topcu, David Fridovich-Keil

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； The University of British Columbia（不列颠哥伦比亚大学） ； DEVCOM Army Research Laboratory（国防部陆军研究实验室） 纠错

AI总结 本文提出一种多保真度控制变量化方法，通过结合稀缺目标环境数据和丰富的低保真度模拟数据，提高策略梯度估计的样本效率和收敛速度，适用于有限高保真度数据但丰富低保真度数据的机器人任务。

Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models

利用扩散生成模型优化压缩感知MRI的采样模式

Sriram Ravula, Brett Levac, Yamin Arefeen, Ajil Jalal, Alexandros G. Dimakis, Jonathan I. Tamir

机构 * Chandra Family Department of Electrical and Computer Engineering, The University of Texas at Austin（查德拉家族电子与计算机工程系，德克萨斯大学奥斯汀分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Imaging Physics, MD Anderson Cancer Center, Houston, Texas, USA（影像物理，MD安德森癌症中心，休斯顿，德克萨斯州，美国） ； Electrical Engineering and Computer Sciences, University of California, Berkeley（电气工程与计算机科学，加州大学伯克利分校） ； Department of Diagnostic Medicine, Dell Medical School, Austin, Texas, USA（诊断医学系，德勒医学学院，奥斯汀，德克萨斯州，美国） 纠错

AI总结 本文提出利用扩散模型优化MRI采样模式，以提高加速多通道MRI重建的质量。