10757 पेपर
यह शोध पत्र LongEgoRefer प्रस्तुत करता है, जो Long-form Ego4D वीडियो से निर्मित एक चुनौतीपूर्ण नया बेंचमार्क है, जो अत्यधिक लक्ष्य विरलता (target sparsity) और जटिल अंतःक्रियाओं को प्रदर्शित करके मौजूदा लघु-क्लिप डेटासेट की सीमाओं को संबोधित करता है, और यह प्रकट करता है कि वर्तमान अत्याधुनिक मॉडल लॉन्ग-फॉर्म एगोसेंट्रिक स्पैटियो-टेम्पोरल ग्राउंडिंग के साथ काफी संघर्ष करते हैं।
X-Splat एक नवीन Gaussian Splatting फ्रेमवर्क है जो अधिग्रहण ज्यामिति (acquisition geometry) और सीखने योग्य अनिसोट्रोपिक प्रिमिटिव्स (learnable anisotropic primitives) का लाभ उठाकर एकल पैनोरमिक रेडियोग्राफ से उच्च-सटीक 3D डेंटल CBCT वॉल्यूम उत्पन्न करता है ताकि समस्या की अनिर्धारित प्रकृति (underdetermined nature) पर विजय प्राप्त की जा सके, जो मैन्डिबुलर कैनाल जैसी तीक्ष्ण शारीरिक संरचनाओं के पुनर्निर्माण में मौजूदा NeRF और GAN विधियों से बेहतर प्रदर्शन करता है।
यह अध्ययन DIXON MRI में संपूर्ण-लिंग ऊतक (whole-penis tissue) के स्वचालित, प्रेक्षक-स्तर (observer-level) की सटीक सेग्मेंटेशन को प्राप्त करने के लिए एक 3D nnU-Net आर्किटेक्चर का उपयोग करते हुए एक डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है, जो पुनरुत्पादक पुरुष प्रजनन स्वास्थ्य फेनोटाइपिंग के लिए 34,412 UK बायोबैंक प्रतिभागियों में आंतरिक और बाहरी लिंग शरीर रचना विज्ञान (anatomy) को मापने के लिए इस पद्धति को सफलतापूर्वक स्केल करता है।
यह शोधपत्र AbsoluteDegradation को प्रस्तुत करता है, जो एक भौतिकी-प्रेरित सिंथेटिक पाइपलाइन और एक बड़े पैमाने का वास्तविक-विश्व बेंचमार्क है जिसे आर्काइवल फिल्म बहाली (archival film restoration) में युग्मित प्रशिक्षण डेटा (paired training data) और मानकीकृत मूल्यांकन की कमी को दूर करने के लिए डिज़ाइन किया गया है, जो यह प्रदर्शित करता है कि इस दृष्टिकोण के साथ प्रशिक्षित मॉडल वास्तविक फुटेज के प्रति बेहतर सामान्यीकरण प्राप्त करते हैं।
SAMoR एक नवीन स्केलेटन-अवेयर मोशन रिप्रेजेंटेशन पेश करता है जो फंक्शनल जॉइंट ग्रुप्स का उपयोग करके किसी भी टोपोलॉजी वाले आर्टिकुलेटेड ऑब्जेक्ट्स को एक साझा, डिस्क्रीट पार्ट-लेवल कोडबुक में एनकोड करता है, जिससे फिक्स्ड स्केलेटन स्ट्रक्चर पर निर्भर किए बिना सटीक मोशन रिकंस्ट्रक्शन, क्रॉस-टोपोलॉजी ट्रांसफर और टेक्स्ट-कंडीशन्ड जनरेशन सक्षम होता है।
यह शोध पत्र एक एकल फुल-बॉडी सीटी स्कैन से रोगी-विशिष्ट आर्टिकुलेटेड डिजिटल ट्विन्स उत्पन्न करने के लिए एक प्रूफ-ऑफ-कॉन्सेप्ट पद्धति प्रस्तुत करता है, जो पोज़-कंट्रोलेबल एनाटॉमिकल सिमुलेशन और रेडियोग्राफिक रेंडरिंग को सक्षम करने के लिए एक पैरामेट्रिक ह्यूमन बॉडी मॉडल को फिट करके एक काइनेमैटिक स्कैफोल्ड बनाता है।
यह शोध पत्र संसाधन-सीमित उपभोक्ता जीपीयू (GPU) पर विविध विजन और विजन-लैंग्वेज मॉडलों पर पांच पैरामीटर-कुशल फाइन-ट्यूनिंग विधियों और तीन ग्रेडिएंट-चेकपॉइंटिंग रणनीतियों का मूल्यांकन करता है, जिससे यह पता चलता है कि QLoRA और BitFit न्यूनतम सटीकता हानि के साथ महत्वपूर्ण ऊर्जा बचत प्रदान करते हैं, जबकि एक एडेप्टिव चेकपॉइंटिंग एल्गोरिदम पीक मेमोरी उपयोग को नाटकीय रूप से कम कर देता है और DINOv2 विशिष्ट बेंचमार्क पर फाइन-ट्यून किए गए मॉडलों की तुलना में ऊर्जा दक्षता में बेहतर प्रदर्शन करता है।
यह शोध पत्र जर्मनी में स्वचालित अपशिष्ट छंटनी के लिए 'वन-वर्सेस-ऑल' और 'वन-वर्सेस-रेस्ट' वर्गीकरण रणनीतियों का मूल्यांकन करता है, जो नगर पालिका-विशिष्ट छंटनी योजनाओं को समायोजित करते हुए, गलत वर्गीकरण में कमी और मानव एनोटेशन प्रयास के बीच संतुलन बनाने के लिए एक कॉन्फिडेंस-गाइडेड ह्यूमन-इन-द-लूप दृष्टिकोण का उपयोग करता है।
यह शोध पत्र AGVBench प्रस्तुत करता है, जो पांच वेन (vein) डेटासेट और सात आर्किटेक्चर के माध्यम से 30 डेटा ऑग्मेंटेशन रणनीतियों का मूल्यांकन करने वाला एक व्यापक बेंचमार्क है, जो यह प्रकट करता है कि जबकि मल्टी-इमेज मिक्सिंग विधियां सटीकता को बढ़ाती हैं, वे अक्सर कैलिब्रेशन और एडवरसेरियल रोबस्टनेस (adversarial robustness) से समझौता करती हैं, जिससे वेन रिकग्निशन में विश्वसनीयता-उन्मुख मूल्यांकन की आवश्यकता पर बल मिलता है।
FlowCIR एक गणनात्मक रूप से कुशल ज़ीरो-शॉट कंपोज़्ड इमेज रिट्रीवल फ्रेमवर्क पेश करता है जो टेक्स्टुअल इनवर्जन के बिना संदर्भ और लक्ष्य एम्बेडिंग्स के बीच सिमेंटिक ट्रांसपोर्ट करने के लिए कंडीशनल फ्लो मैचिंग का लाभ उठाता है, जबकि साथ ही नकारात्मकता-प्रधान (negation-heavy) क्वेरीज़ को मजबूती से संभालने के लिए एक मल्टी-नेगेटिव स्टीयरिंग रणनीति का उपयोग भी करता है।