23200 पेपर
यह शोध पत्र डीप रेलु (ReLU) नेटवर्क्स पर लागू ग्रेडिएंट डिसेंट और स्टोकेस्टिक ग्रेडिएंट डिसेंट विधियों के लिए पहले मिनिमैक्स-ऑप्टिमल जनरलाइजेशन रेट्स स्थापित करके डीप लर्निंग में सैद्धांतिक अंतराल को पाटता है, यह प्रदर्शित करते हुए कि पर्याप्त चौड़ाई के साथ, ये विधियाँ कर्नेल विधियों के तुलनीय इष्टतम प्रदर्शन प्राप्त करती हैं।
यह शोध पत्र ओवर-पैरामीटराइज्ड डीप न्यूरल नेटवर्क्स के ग्रेडिएंट-आधारित प्रशिक्षण और कर्नेल विधियों के बीच एक सैद्धांतिक संबंध स्थापित करता है, जो डीप रिग्रेशन कार्यों में ग्रेडिएंट डिसेंट और स्टोकेस्टिक ग्रेडिएंट डिसेंट दोनों के लिए पहले मिनिमैक्स-ऑप्टिमल जनरलाइजेशन रेट्स को व्युत्पन्न करता है।
यह शोध पत्र एक ऐसे नवीन ढांचे का प्रस्ताव करता है जो डेटा-समृद्ध डोमेन से क्रॉस-वर्टिकल उपयोगकर्ता प्राथमिकताओं को संश्लेषित करने के लिए एक पदानुक्रमित रिट्रीवल-ऑगमेंटेड जनरेशन पाइपलाइन के भीतर लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे डेटा-विरल ई-कॉमर्स वर्टिकल्स में कोल्ड स्टार्ट समस्या को प्रभावी ढंग से संबोधित किया जा सके और वैयक्तिकरण को बढ़ाया जा सके।
यह शोध पत्र उपयोगकर्ता-स्तर के मल्टीमॉडल गोपनीयता रिसाव (multimodal privacy leakage) के लिए एक सिंथेटिक बेंचमार्क, SopriBench, और Argus को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त एजेंटिक फ्रेमवर्क है जो मौजूदा बेसलाइनों की तुलना में संचयी क्रॉस-पोस्ट गोपनीयता अनुमान (cumulative cross-post privacy inference) में 25% सुधार प्राप्त करने के लिए एबडक्टिव रीजनिंग (abductive reasoning) का लाभ उठाता है।
यह शोध पत्र AdMem को प्रस्तुत करता है, जो एक एकीकृत, स्वचालित मेमोरी फ्रेमवर्क है जो LLM-आधारित एजेंटों के लिए लंबी अवधि के कार्यों (long-horizon tasks) में स्केलेबल, अनुकूलन योग्य शिक्षण और बेहतर प्रदर्शन को सक्षम करने के लिए मल्टी-एजेंट आर्किटेक्चर के भीतर सिमेंटिक, एपिसोडिक और प्रोसीजरल मेमोरी को एकीकृत करता है।
यह शोध पत्र DAVE का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) विधि है जो शुरुआती ट्रांसफार्मर फीचर्स में तेजी से अभिसरण करने वाले शून्य-आवृत्ति (DC) घटक को कम करके टेक्स्ट-टू-इमेज जनरेशन की विविधता को बढ़ाती है, जिससे इमेज की गुणवत्ता या सैंपलिंग दक्षता से समझौता किए बिना ट्रैजेक्टरी लॉक-इन को तोड़ा जा सकता है।
यह शोध पत्र एक "चरैक्टराइज़ देन डिस्टिल" (Characterize Then Distill) फ्रेमवर्क प्रस्तावित करता है जो व्यापक उम्मीदवार शॉर्टलिस्टिंग के बाद सूक्ष्म चयन की दो-चरणीय तर्क प्रक्रिया की पहचान करके और उसे डिस्टिल करके मल्टी-लेबल कार्यों पर लार्ज लैंग्वेज मॉडल के प्रदर्शन में सुधार करता है।
यह शोध पत्र EgoPressDiff प्रस्तुत करता है, जो एक मल्टीमॉडल कंडीशनल वीडियो डिफ्यूजन फ्रेमवर्क है जो एगोसेंट्रिक दृश्यों से भौतिक रूप से सुदृढ़, टेम्पोरल रूप से सुसंगत UV-प्रेशर मैप्स उत्पन्न करने के लिए हैंड पोज़, 3D मेश वर्टिसेस और डेप्थ जानकारी का लाभ उठाता है, जिससे EgoPressure डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
FreeAnimate एक प्रशिक्षण-मुक्त फ्रेमवर्क है जो एक नवीन प्रिव्यू-गाइडेड डिनोइजिंग रणनीति और विशेष अटेंशन मॉड्यूल्स द्वारा संवर्धित इमेज डिफ्यूजन मॉडल्स का लाभ उठाता है ताकि व्यापक प्रशिक्षण डेटा की आवश्यकता के बिना उच्च गुणवत्ता वाला, टेम्पोरल रूप से सुसंगत और पहचान-संरक्षित मानव छवि एनिमेशन प्राप्त किया जा सके।
यह शोध पत्र DirectAnimator को पेश करता है, जो एक अभिनव ढांचा है जो त्रुटिपूर्ण पोज़ एस्टिमेटर्स को दरकिनार करते हुए, बेहतर पहचान संरक्षण और दक्षता के साथ अत्याधुनिक, सुदृढ़ मानव छवि एनीमेशन प्राप्त करने के लिए ड्राइविंग क्यू ट्रिपलेट (Driving Cue Triplet) और सेम2एक्स (Same2X) प्रशिक्षण रणनीति के माध्यम से सीधे ड्राइविंग वीडियो से सीखना सीखता है।