cs.CV पेपर | Gist.Science

TMF-RSE: Tri-Modal Fusion with Regional Semantics and Evidential Uncertainty for Lung Severity Scoring

यह शोध पत्र TMF-RSE को प्रस्तुत करता है, जो एक त्रि-आयामी (tri-modal) डीप लर्निंग फ्रेमवर्क है जो चेस्ट इमेजिंग से फेफड़ों के रोग की गंभीरता को सटीक रूप से मापने के लिए एपीडेन्शियल अनसर्टेन्टी (evidential uncertainty) के साथ उपस्थिति (appearance), संरचनात्मक (structural) और विजन-लैंग्वेज सिमेंटिक फीचर्स को एकीकृत करता है, जो Per-COVID-19 और RALO डेटासेट पर मौजूदा ट्रांसफार्मर-आधारित बेसलाइन्स से बेहतर प्रदर्शन करता है।

Fadi Abdeladhim Zidi, Salah Eddine Bekhouche, Abdellah Zakaria Sellam, Gaby Maroun, Fadi Dornaika, Cosimo Distante2026-07-08

🤖 machine learning

Learning to Throw Objects Safely in Multi-Obstacle Environments

यह शोध पत्र एक संभावित क्षेत्र अवस्था प्रतिनिधित्व (potential field state representation) को सुदृढीकरण लर्निंग (reinforcement learning) के साथ जोड़कर पेश करता है ताकि रोबोटों को अव्यवस्थित वातावरण में यादृच्छिक बाधाओं से बचते हुए वस्तुओं को लक्ष्य टोकरियों में विश्वसनीय रूप से फेंकने में सक्षम बनाया जा सके, जिससे वास्तविक दुनिया के प्रयोगों में 90% तक सफलता प्राप्त हुई है।

Mohammadreza Kasaei, Klemen Voncina, Hamidreza Kasaei2026-07-08

🤖 machine learning

What Images Cannot Say: Language-Guided Olfactory Representation Learning

यह शोध पत्र SCENT को प्रस्तुत करता है, जो एक मल्टीमॉडल फ्रेमवर्क है जो विज़न-लैंग्वेज मॉडल्स से भाषा-निर्देशित सिमेंटिक डिस्क्रिप्टर्स का लाभ उठाकर दृश्य दृश्यों और इलेक्ट्रॉनिक-नोज़ संकेतों के बीच के अंतर को पाटने के लिए है, जिससे न्यूयॉर्क स्मेल्स्स (New York Smells) डेटासेट पर स्टेट-ऑफ-द-आर्ट क्रॉसमोडल रिट्रीवल और व्याख्यात्मक घ्राण प्रतिनिधित्व शिक्षण (interpretable olfactory representation learning) प्राप्त होता है।

Eleftherios Tsonis, Xi Wang, Vicky Kalogeiton2026-07-08

💻 computer science

XRFormer: Multiscale Tokenization for XRF Representation Learning

यह शोध पत्र XRFormer प्रस्तुत करता है, जो एक्स-रे फ्लोरोसेंस (XRF) विश्लेषण के लिए एक पैरामीटर-कुशल ट्रांसफॉर्मर आर्किटेक्चर है जो पिगमेंट पहचान और अनमिक्सिंग कार्यों में मौजूदा मॉडलों से बेहतर प्रदर्शन करने के लिए एक मल्टीस्केल कनवोल्यूशनल टोकेनाइज़र और सेल्फ-सुपरवाइज्ड प्रीट्रेनिंग का उपयोग करता है।

Sofiane Daimellah, Sylvie Le Hégarat-Mascle, Clotilde Boust2026-07-08

🤖 machine learning

TILDE: TILt-based Distributional Erasure for Concept Unlearning

यह शोध पत्र TILDE का प्रस्ताव करता है, जो टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल में कॉन्सेप्ट अनलर्निंग (concept unlearning) के लिए एक नया फ्रेमवर्क है, जो इस कार्य को एक वितरण संरेखण समस्या (distributional alignment problem) के रूप में तैयार करता है ताकि अवांछित अवधारणाओं को प्रभावी ढंग से दबाते हुए सौहार्दपूर्ण डेटा पर मॉडल की गुणवत्ता, विविधता और सिमेंटिक कवरेज को संरक्षित किया जा सके।

Naveen George, Naoki Murata, Yuhta Takida, Konda Reddy Mopuri, Yuki Mitsufuji2026-07-08

🤖 AI

Analysis-by-Proxy: Localization Signals in VLMs Operating as Condition Encoders

यह शोध पत्र "एनालिसिस-बाय-प्रॉक्सि" (Analysis-by-Proxy) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो यह प्रकट करता है कि इमेज एडिटिंग के लिए कंडीशन एनकोडर के रूप में उपयोग किए जाने वाले विजन-लैंग्वेज मॉडल्स एक सिंगल फॉरवर्ड पास में महत्वपूर्ण लोकलाइजेशन सिग्नल्स को प्रसारित करने में कैसे विफल रहते हैं, क्योंकि ये स्थानिक प्रतिनिधित्व वर्तमान पाइपलाइनों में उपयोग किए जाने वाले पूर्व-निर्धारित कंडीशनिंग पॉइंट्स तक पहुँचने के बजाय मध्यवर्ती परतों (intermediate layers) में छिपे रहते हैं।

Yoav Baron, Sara Dorfman, Roni Paiss, Daniel Cohen-Or, Or Patashnik2026-07-08

🤖 machine learning

Assessing the Operational Impact of Poisoning Attacks over Augmented 3D Point Cloud Public Datasets for Connected and Autonomous Vehicles

यह शोध पत्र यह प्रदर्शित करता है कि सार्वजनिक 3D पॉइंट क्लाउड डेटासेट पर पॉइजनिंग हमले जनरेटिव एडवरसैरियल नेटवर्क (GAN) आधारित डेटा संवर्धन के शुद्धिकरण प्रभावों से सफलतापूर्वक बचने में सक्षम हैं, जिससे बैकडोर्स प्रसारित होते हैं और कनेक्टेड और ऑटोनॉमस वाहन क्लासिफायर के निर्णय लेने की प्रक्रिया बाधित होती है।

Marwan Lazrag, Badis Hammi, Lorena Gonzalez-Manzano, Joaquin Garcia-Alfaro2026-07-08

💻 computer science

Structure-Guided Self-Supervised Matching for One-Shot Medical Landmark Detection

यह शोध पत्र SGB-Match का प्रस्ताव करता है, जो एक संरचना-निर्देशित स्व-पर्यवेक्षित ढांचा (structure-guided self-supervised framework) है, जो एनाटॉमिकल बायस (anatomical bias) वाले एक नवीन कंट्रास्टिव ऑब्जेक्टिव और एक ग्लोबल-टू-लोकल रिफाइनमेंट रणनीति का लाभ उठाकर एक एकल एनोटेटेड टेम्पलेट से अनलेबल छवियों में लैंडमार्क परिभाषाओं को स्थानांतरित करके सटीक वन-शॉट मेडिकल लैंडमार्क डिटेक्शन प्राप्त करता है।

Qingsong Yao, Zhen Huang, Ao Wang, Rongsheng Wang, Hanxue Zhang, Jiangji Wang, S. Kevin Zhou2026-07-07

🧬 biology

GestaltMML: Enhancing Rare Genetic Disease Diagnosis through Multimodal Machine Learning Combining Facial Images and Clinical Text

GestaltMML एक ट्रांसफॉर्मर-आधारित मल्टीमॉडल मशीन लर्निंग फ्रेमवर्क है जो दुर्लभ आनुवंशिक विकारों के निदान की सटीकता में उल्लेखनीय सुधार करने के लिए चेहरे की छवियों, जनसांख्यिकीय डेटा और नैदानिक पाठ को एकीकृत करता है, जिससे नैदानिक यात्रा (डायग्नोस्टिक ओडिसी) को कम करने और कम प्रतिनिधित्व वाले समुदायों के लिए असमानताओं को दूर करने में मदद मिलती है।

Da Wu, Zhanliang Wang, Hongzhuo Chen, Jingye Yang, Cong Liu, Tzung-Chien Hsieh, Elaine Marchi, Justin Blair, Peter Krawi (…)2026-07-07

💻 computer science

NU-Class Net: A Novel Approach for Video Quality Enhancement

यह शोध पत्र NU-Class Net का परिचय देता है, जो एक डीप-लर्निंग मॉडल है जो संसाधन-सीमित एज उपकरणों को अत्यधिक संकुचित (कंप्रेस्ड) स्ट्रीम प्रसारित करने की अनुमति देकर और संपीड़न संबंधी आर्टिफ़ेक्ट्स (compression artifacts) को कम करने और बोधगम्य गुणवत्ता को बहाल करने के लिए अधिक शक्तिशाली डिकोडर-साइड नेटवर्क का उपयोग करके लो-बिट-रेट वीडियो गुणवत्ता को बढ़ाता है।

Parham Zilouchian Moghaddam, Mehdi Modarressi, Mohammad Amin Sadeghi2026-07-07

← पिछला अगला →