👁️ Category

cs.CV

10757 पेपर

💻 computer science

RTE-FM-Dehazer: Radiative Transfer Equation Inspired Flow Matching for Real-World Image Dehazing

यह शोध पत्र RTE-FM-Dehazer का परिचय देता है, जो एक नवीन डिहेज़िंग फ्रेमवर्क है जो रेडिएटिव ट्रांसफर इक्वेशन (Radiative Transfer Equation) का लाभ उठाकर एक फ्लो मैचिंग मॉडल को निर्देशित करता है और पारंपरिक वायुमंडलीय प्रकीर्णन धारणाओं की सीमाओं को दूर करने तथा वास्तविक दुनिया की धुंधली छवियों पर बेहतर प्रदर्शन प्राप्त करने के लिए विजन-लैंग्वेज मॉडल्स द्वारा निर्मित एक बड़े पैमाने के सिंथेटिक डेटासेट (P-HAZE) का उपयोग करता है।

Chenfeng Wei, Chun Wang, Boyang Zhao, Si Zuo, Shenhong Wang, Chenguang Yang2026-07-03
💻 computer science

DL-VINS-Factory: A Modular Framework for Learned Visual Front-Ends in Visual-Inertial SLAM

यह शोध पत्र DL-VINS-Factory को प्रस्तुत करता है, जो एक मॉड्यूलर ओपन-सोर्स फ्रेमवर्क है जो विभिन्न सीखे गए फीचर एक्सट्रैक्टर्स (learned feature extractors) को ऑप्टिकल फ्लो या डिस्क्रिप्टर मैचिंग के साथ एक एकीकृत विजुअल-इनर्शियल SLAM सिस्टम में एकीकृत करता है, और विविध डेटासेट्स पर व्यापक बेंचमार्क के माध्यम से यह प्रदर्शित करता है कि सीखे गए फ्रंट-एंड्स विशिष्ट चुनौतीपूर्ण स्थितियों में क्लासिकल बेसलाइन्स की तुलना में महत्वपूर्ण सटीकता सुधार प्रदान करते हुए एम्बेडेड हार्डवेयर पर रियल-टाइम प्रदर्शन प्राप्त कर सकते हैं।

Shoon Kit Lim, Melissa Jia Ying Chong, Ting Yang Ling2026-07-03
💻 computer science

JointHOI: Jointly Generating Contact Maps Enhances Hand Object Interaction Generation

JointHOI एक सिंगल-स्टेज डिफ्यूजन फ्रेमवर्क है जो टेक्स्ट विवरणों से 3D हैंड-ऑब्जेक्ट मोशन और डायनेमिक कॉन्टैक्ट मैप्स को संयुक्त रूप से उत्पन्न करता है, जो उत्पन्न किए गए कॉन्टैक्ट क्यूज़ और मोशन ज्योमेट्री के बीच निरंतरता को लागू करके भौतिक सुसंगतता (physical plausibility) और टेम्पोरल स्थिरता में महत्वपूर्ण सुधार करता है।

Mingyeong Song, Jungbin Cho, Jisoo Kim, Ananya Bal, Kartik Sharma, Youngjae Yu, Laszlo A. Jeni, Junhyug Noh2026-07-03
🤖 AI

MMBench-Live: A Continuously Evolving Benchmark for Multimodal Models

यह शोध पत्र MMBench-Live को प्रस्तुत करता है, जो एक निरंतर विकसित होने वाला मल्टीमॉडल बेंचमार्क है, जिसे एक मल्टी-एजेंट स्वचालित पाइपलाइन द्वारा संचालित किया जाता है जो वितरण निरंतरता (distribution consistency) को बनाए रखते हुए और डेटा संदूषण (data contamination) को कम करते हुए लागत प्रभावी, उच्च गुणवत्ता वाले मूल्यांकन उदाहरण उत्पन्न करता है।

Yuanzhi Liu, Shousheng Zhao, Bo Zhou, Kongming Liang, Zhanyu Ma2026-07-03
💻 computer science

Geometric Foundation Model Distillation for Efficient Lunar 3D Reconstruction

यह शोध पत्र प्रदर्शित करता है कि नॉलेज डिस्टिलेशन (knowledge distillation), जिसे एक नवीन SVD-आधारित वेट इनिशियलाइजेशन (weight initialization) द्वारा उन्नत किया गया है, बड़े MASt3R 3D फाउंडेशन मॉडल को हल्के वेरिएंट में प्रभावी ढंग से संकुचित कर सकता है जो उच्च चंद्र पुनर्निर्माण सटीकता बनाए रखते हुए 7 गुना तक आकार में कमी प्राप्त करते हैं, जिससे संसाधन-बाधित चंद्र अन्वेषण में ज्यामितीय मॉडलों को तैनात करने के लिए महत्वपूर्ण दिशा-निर्देश प्राप्त होते हैं।

Clémentine Grethen, Florient Chouteau, Géraldine Morin, Simone Gasparini2026-07-03
🤖 AI

SAB-LVLM: Significance-Aware Binarization for Large Vision-Language Models

यह शोध पत्र SAB-LVLM को प्रस्तुत करता है, जो लार्ज विजन-लैंग्वेज मॉडल्स के लिए एक नवीन बाइनराइजेशन फ्रेमवर्क है जो हेसियन-आधारित स्थानिक महत्व मानचित्रों (Hessian-based spatial significance maps) और एक मोडैलिटी-गाइडेड इंटीग्रेशन रणनीति का उपयोग करता है ताकि बाइनराइजेशन त्रुटियों को गतिशील रूप से पुनर्रweight किया जा सके, जिससे मौजूदा विधियों की तुलना में संसाधन-बाधित उपकरणों पर संपीड़न प्रदर्शन में महत्वपूर्ण सुधार होता है।

Qi Lyu, Jiahua Dong, Baichen Liu, Xudong Wang, Mingfei Han, Yulun Zhang, Fahad Shahbaz Khan, Salman Khan, Lianqing Liu (…)2026-07-03
💻 computer science

Diversity-aware View Partitioning for Scalable VGGT

यह शोध पत्र एक प्रशिक्षण-मुक्त (training-free), प्लग-एंड-प्ले फ्रेमवर्क प्रस्तावित करता है जो कॉम्बिनेटोरियल ग्राफ पार्टीशनिंग के माध्यम से दृश्यों (views) को विविधता-जागरूक, संतुलित चंक्स में विभाजित करके VGGT की स्केलेबिलिटी को बढ़ाता है, जिससे गणनात्मक लागत कम होती है और रेडंडेंट दृश्यों से होने वाले प्रदर्शन ह्रास को कम करते हुए 3D पुनर्निर्माण की गुणवत्ता में सुधार होता है।

Jinsoo Park, Donggyu Choi, Ahyun Seo, Minsu cho, Jeany Son2026-07-03
🤖 machine learning

Population-Based Multi-Objective Training of Discriminators for Semi-Supervised GANs

यह शोध पत्र सेमी-सुपरवाइज्ड GANs के लिए एक जनसंख्या-आधारित बहु-उद्देश्यीय विकासवादी प्रशिक्षण रणनीति प्रस्तावित करता है जो वर्गीकरण सटीकता और वास्तविक/नकली भेदभाव के बीच संतुलन तलाशने के लिए पारेटो डोमिनेंस द्वारा रैंक किए गए डिस्क्रिमिनेटर्स की एक जनसंख्या को बनाए रखता है, जिससे प्रशिक्षण की मजबूती में सुधार होता है और अत्याधुनिक बेसलाइनों की तुलना में बेहतर वर्गीकरण प्रदर्शन प्राप्त होता है।

Francisco Sedeño, Francisco Chicano, Jamal Toutouh2026-07-03
💻 computer science

LiZAD: A Lightweight Zero-Shot Anomaly Detection Framework for Industrial Manufacturing

LiZAD एक हल्का, ज़ीरो-शॉट विसंगति पहचान (anomaly detection) ढांचा है जो DINOv3 और MobileCLIP2 को जोड़ता है ताकि संसाधन-सीमित एज उपकरणों पर कुशल, वास्तविक समय में दोषों का पता लगाने में सक्षम बनाया जा सके, जिससे कई औद्योगिक डेटासेट्स में प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए मेमोरी और विलंबता (latency) में महत्वपूर्ण कमी आती है।

Uzair Khan, Luigi Capogrosso, Muhammad Aqeel, Francesco Setti, Michele Magno, Marco Cristani2026-07-03
🤖 machine learning

Assessing VLM Reliability for Medical Image Quality Evaluation Under Corruption and Bias

यह शोध पत्र MediMeta-C डेटासेट का उपयोग करके मेडिकल इमेज क्वालिटी असेसमेंट पर 16 विजन-लैंग्वेज मॉडल्स का बेंचमार्किंग करता है, जिससे यह पता चलता है कि हालांकि वे पिक्सेलेशन जैसे इमेज करप्शन के प्रति संवेदनशील हैं और टेक्स्टुअल मेटाडेटा से महत्वपूर्ण पूर्वाग्रह प्रदर्शित करते हैं, लेकिन गोपनीयता-विश्वसनीयता ट्रेड-ऑफ और वस्तुनिष्ठता के संबंध में उनकी वर्तमान सीमाएं तत्काल नैदानिक तैनाती में बाधा डालती हैं।

Sofiane Ouaari, Kevin Vorwalder, Nico Pfeifer2026-07-03