10757 पेपर
FedProIn एक प्रोटोटाइप-आधारित फेडरेटेड लर्निंग फ्रेमवर्क है जो फीचर और प्रोटोटाइप डाइवर्जेंस लॉस के साथ-साथ एक नॉर्मलाइज्ड इन्फ्लुएंस एग्रीगेशन रणनीति का उपयोग करके मेडिकल इमेजिंग में क्लाइंट ड्रिफ्ट को कम करता है, जिससे विषम डेटासेट्स पर मौजूदा बेसलाइन्स की तुलना में बेहतर प्रदर्शन प्राप्त होता है।
MambaRefine-CD एक रिमोट सेंसिंग चेंज डिटेक्शन फ्रेमवर्क है जो एक साझा MambaVision एनकोडर और एक नवीन D-RBI मॉड्यूल का लाभ उठाता है ताकि टेम्पोरल एविडेंस को रीजन और बाउंड्री स्ट्रीम्स में अलग किया जा सके, जिससे एडेप्टिव फीचर एन्हांसमेंट और बाउंडेड रेसिडुअल रिफाइनमेंट के माध्यम से सटीक लोकलाइजेशन और बाउंड्री डेलिनिएशन प्राप्त किया जा सके।
MiraGe एक नवीन विधि है जो 2D छवियों को 3D स्पेस में फ्लैट-कंट्रोल्डेड गॉसियन्स के रूप में निरूपित करके उन्हें उच्च-गुणवत्तापूर्ण, यथार्थवादी और भौतिकी-आधारित संपादन योग्य बनाती है, जो पिछले गॉसियन-आधारित छवि निरूपणों की अपरिवर्तनीयता की सीमाओं को दूर करती है।
यह शोध पत्र 3DGSim का प्रस्ताव करता है, जो एक एंड-टू-एंड सीखा गया 3D सिम्युलेटर है जो मल्टी-व्यू RGB डेटा से यथार्थवादी नोवेल व्यू वीडियो उत्पन्न करने और भौतिक अंतःक्रियाओं को सीधे कैप्चर करने के लिए 3D पुनर्निर्माण, पार्टिकल डायनेमिक्स प्रेडिक्शन और टेम्पोरल एग्रीगेशन को एकीकृत करता है, जिसमें बिना किसी विशेषाधिकार प्राप्त 3D ग्राउंड ट्रुथ की आवश्यकता नहीं होती है।
यह शोध पत्र DETRPose को प्रस्तुत करता है, जो मल्टी-पर्सन पोज़ एस्टीमेशन के लिए वास्तविक समय (रियल-टाइम), एंड-टू-एंड ट्रांसफार्मर मॉडल्स का पहला परिवार है, जो एक संशोधित डिकोडर, एक नवीन डिनोइज़िंग कीपॉइंट तकनीक और एक विस्तारित वैरीफोकल लॉस का लाभ उठाकर काफी कम पैरामीटर्स और तेज़ इन्फरेंस स्पीड के साथ अत्याधुनिक सटीकता प्राप्त करता है।
Hi-DREAM एक मस्तिष्क-प्रेरित पदानुक्रमित डिफ्यूजन फ्रेमवर्क है जो ROI (रुचि के क्षेत्र) स्ट्रीम्स के मल्टी-स्केल कॉर्टिकल पिरामिड का लाभ उठाकर fMRI डेटा से प्राकृतिक छवियों को पुनर्गठित करता है ताकि एक U-Net में एनाटॉमी-अवेयर प्रायर्स (anatomy-aware priors) को इंजेक्ट किया जा सके, जिससे बेहतर सिमेंटिक फिडेलिटी और विभिन्न विजुअल क्षेत्रों के व्याख्यात्मक योगदान के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र स्पैनिंग ट्री ऑटोरेग्रेसिव (STAR) मॉडलिंग का परिचय देता है, जो एक विजुअल जनरेशन दृष्टिकोण है जो उच्च सैंपलिंग प्रदर्शन को लचीले अनुक्रम क्रम के साथ संतुलित करने के लिए यूनिफॉर्म स्पैनिंग ट्री के ट्रैवर्सल ऑर्डर्स का लाभ उठाता है, जिससे बिना किसी महत्वपूर्ण आर्किटेक्चरल बदलाव के मूल इमेज एडिटिंग क्षमताओं को सक्षम बनाया जा सके।
यह शोध पत्र SCLARO पेश करता है, जो विविध परिदृश्यों में ग्राउंडेड ऑब्जेक्ट, रिलेशन और एक्शन जानकारी के साथ एनोटेट की गई 615,805 छवियों वाला एक बड़े पैमाने का डेटासेट है, और ScenarioCLIP का प्रस्ताव करता है, जो एक त्रि-स्तरीय बेंचमार्किंग मॉडल है और जो संयुक्त दृश्य समझ (joint scene understanding) और आउट-ऑफ-डोमेन सामान्यीकरण (out-of-domain generalization) में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र सीमित कैमरा दृश्यों से गतिशील 3D अग्नि के पुनर्निर्माण के लिए एक नवीन विधि प्रस्तुत करता है, जो स्थिर पृष्ठभूमि पृथक्करण को मोनोकुलर डेप्थ प्रायर्स के साथ जोड़ती है, अग्नि को एक 3D फ्लो फील्ड के रूप में आरंभ करती है, और किफायती, सिंक्रोनाइज़्ड हार्डवेयर का उपयोग करके सुदृढ़ परिणाम प्राप्त करने के लिए लाइफटाइम और वेलोसिटी एट्रिब्यूट्स के साथ 3D गॉसियंस के माध्यम से उच्च-आवृत्ति विशेषताओं को एनकोड करती है।
TabletopGen एक प्रशिक्षण-मुक्त, स्वचालित इंजन है जो टेक्स्ट या एकल छवियों से भौतिक रूप से प्रशंसनीय और संवादात्मक टेबलटॉप दृश्यों को उत्पन्न करता है ताकि बड़े पैमाने पर, उच्च-निष्ठा वाले रोबोटिक हेरफेर डेटा संश्लेषण और ज़ीरो-शॉट वास्तविक दुनिया के नीति हस्तांतरण को सक्षम बनाया जा सके।