10754 पेपर
यह अध्ययन प्रदर्शित करता है कि मोशन-करेक्टेड QSM MRI और मल्टीबैंड मल्टीइको fMRI विशेषताओं को एकीकृत करने वाले व्याख्यात्मक मशीन लर्निंग मॉडल पार्किंसंस रोग की मोटर गंभीरता की प्रभावी ढंग से भविष्यवाणी कर सकते हैं, जिसमें संयुक्त संरचनात्मक और नैदानिक चर सबसे सटीक और नैदानिक रूप से प्रासंगिक भविष्यवाणियां प्रदान करते हैं।
यह शोध पत्र स्पार्स-व्यू न्यूरल रिकंस्ट्रक्शन के लिए मोनोक्यूलर डेप्थ सुपरविजन के चयनात्मक अनुप्रयोग की जांच करता है, यह प्रदर्शित करते हुए कि जबकि यह KITTI पर Splatfacto जैसे कम-प्रतिबंधित परिदृश्यों में मेट्रिक ज्योमेट्री और रेंडरिंग गुणवत्ता में महत्वपूर्ण सुधार करता है, Mip-NeRF-360 के लिए इसके लाभ नगण्य हैं और जब मल्टी-व्यू कवरेज पहले से ही मजबूत हो तो यह RGB रेंडरिंग को खराब कर सकता है।
यह अध्ययन प्रदर्शित करता है कि जबकि डायबिटिक फुट अल्सर सेगमेंटेशन के लिए डीप लर्निंग मॉडल इन-डोमेन (in-domain) प्रदर्शन करते समय अच्छा प्रदर्शन करते हैं, उनकी क्रॉस-डेटासेट सामान्यीकरण क्षमता (cross-dataset generalization) कनवल्शनल मॉडलों की तुलना में SegFormer-B2 जैसे ट्रांसफार्मर आर्किटेक्चर के साथ काफी बेहतर है, जो यह संकेत देता है कि विभिन्न नैदानिक स्रोतों में मजबूती का प्राथमिक चालक आर्किटेक्चर परिवार है, न कि मॉडल की जटिलता।
यह शोध पत्र एक निर्णय ढांचा प्रस्तुत करता है जो यह प्रदर्शित करता है कि एक फ्रोजन फाउंडेशन मॉडल (DINOv2) को एक सरल लीनियर क्लासिफायर के साथ जोड़ने और प्रति प्रजाति केवल 10-20 छवियों को एनोटेट करने से विश्वसनीय, स्केलेबल क्रॉस-हैबिटेट समुद्री प्रजातियों की पहचान सक्षम होती है, जो पारंपरिक फाइन-ट्यूनिंग दृष्टिकोणों की तुलना में आवश्यक लेबलिंग प्रयास को काफी कम कर देती है।
यह अध्ययन एक दो-चरणीय यू-नेट (U-Net) ढांचे का प्रस्ताव करता है जो एक बेसलाइन पैच-आधारित प्रेडिक्टर को एक पुनरावृत्ति इनपेंटिंग रिफाइनमेंट मॉडल के साथ जोड़ता है ताकि विविध शहरी रूपात्मकताओं (morphologies) में निर्बाध, उच्च-रिज़ॉल्यूशन वाले पैदल यात्री-स्तर के पवन गति पूर्वानुमानों को कुशलतापूर्वक उत्पन्न किया जा सके, जो सीमा विच्छिन्नता (boundary discontinuities) को प्रभावी ढंग से कम करते हुए कम्प्यूटेशनल दक्षता बनाए रखता है।
यह शोध पत्र MAGE का प्रस्ताव करता है, जो व्यू-गाइडेड पॉइंट क्लाउड कम्प्लीशन के लिए एक एकीकृत ज्यामिति-जागरूक (geometry-aware) फ्रेमवर्क है, जो साझा सेल्फ-अटेंशन और क्रॉस-मोडैलिटी सुपरविजन के माध्यम से कुशल मोडैलिटी संरेखण (modality alignment) को, साथ ही सेल्फ-अटेंशन और एंकर रिफाइनमेंट मॉड्यूल के माध्यम से अनुकूलन योग्य ज्यामिति संवर्धन (geometry enhancement) को एकीकृत करके उत्कृष्ट प्रदर्शन प्राप्त करता है।
यह शोध पत्र ड्यूल-अडैप्टिव SAM3 (DA-SAM3) का प्रस्ताव करता है, जो एक पैरामीटर-कुशल ढांचा है जो मेडिकल इमेज सेगमेंटेशन के लिए एक टास्क-अवेयर डायनेमिक एक्सपर्ट राउटर को डीकंपोज्ड लो-रैंक एक्सपर्ट्स के साथ जोड़ता है ताकि पूरी तरह से फाइन-ट्यून किए गए या मानक मिक्स्चर-ऑफ-एक्सपर्ट्स मॉडल्स की तुलना में कंप्यूटेशनल ओवरहेड को काफी कम करते हुए अत्याधुनिक सटीकता प्राप्त की जा सके।
यह शोध पत्र एडिटिव कॉज़ल कंस्ट्रक्शन (ACC) फ्रेमवर्क और इसके लर्नबल इंस्टेंशिएशन, ACC-CRL को प्रस्तावित करता है ताकि अनिश्चितता परिमाणीकरण (uncertainty quantification) के माध्यम से हस्तांतरणीय कॉज़ल एंकर्स और पुनर्गठित फ्यूजन पथ स्थापित करके मल्टी-सोर्स इमेज फ्यूजन में क्रॉस-सिस्टम विसंगति और एंटैंगलमेंट को संबोधित किया जा सके, जिससे मेडिकल इमेजिंग जैसे कार्यों में आउट-ऑफ-डिस्ट्रीब्यूशन सामान्यीकरण में महत्वपूर्ण सुधार हो सके।
यह शोध पत्र एक ज्ञान-प्रतिबंधित न्यूरल फ्रेमवर्क का प्रस्ताव करता है जो विरल इनपुट से इस्लामी ज्यामितीय पैटर्न को पूरा करने में औपचारिक घूर्णी समरूपता नियमों को समाहित करता है, जो सटीक N-फोल्ड समरूपता और वैधता की गारंटी देता है और उन असंरचित मॉडलों से बेहतर प्रदर्शन करता है जो केवल सांख्यिकीय शिक्षण पर निर्भर करते हैं।
यह अध्ययन BAV-Classroom डेटासेट प्रस्तुत करता है और प्रदर्शित करता है कि YOLOv11 मॉडल उच्च शिक्षा में कक्षा के व्यवहार की निगरानी को प्रभावी ढंग से स्वचालित करता है, जिससे व्याख्यानों के अंतिम हिस्सों के दौरान छात्रों की एकाग्रता में महत्वपूर्ण गिरावट का पता चलता है।