10757 पेपर
यह शोध पत्र DisciplineGen-1M का परिचय देता है, जो एक मिलियन-स्केल बहुविषयक डेटासेट और एक संगत रीजनिंग-जनरेशन मॉडल है जो सौंदर्यपूर्ण संभाव्यता और सत्यापन योग्य, अवधारणा-आधारित आरेख निर्माण के बीच के अंतर को पाटकर ज्ञान-गहन दृश्य निर्माण और संपादन की सटीकता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र ड्यूल-सिलेक्टिव इंक्रीमेंटल नेटवर्क (DSINet) का प्रस्ताव करता है, जो एक एकीकृत ढांचा है जो स्थिर स्थानिक निरूपणों को संरक्षित करने और लंबी डोमेन अनुक्रमों में ज्ञान क्षरण को रोकने के लिए माम्बा (Mamba) के चयनात्मक तंत्र और एकाग्रता-संतुलित आसवन (concentration-balanced distillation) का लाभ उठाकर डोमेन-इंक्रीमेंटल परिवर्तन का पता लगाने को प्रभावी ढंग से संबोधित करता है।
यह शोध पत्र ISU-Test प्रस्तुत करता है, जो एक स्वचालित, खोज-आधारित परीक्षण ढांचा है जो इन-कार दृश्य समझ के लिए विजन लैंग्वेज मॉडल्स का कुशलतापूर्वक मूल्यांकन करने हेतु रेंडरिंग-आधारित दृश्य पीढ़ी को अनुकूलन तकनीकों के साथ जोड़ता है, जो यादृच्छिक बेसलाइन की तुलना में काफी उच्च विफलता पहचान और कवरेज प्रदर्शित करता है।
InvSplat एक फीड-फॉरवर्ड मल्टी-व्यू रिकंस्ट्रक्शन फ्रेमवर्क है जो सीधे अंतर्निहित सामग्री गुणों (intrinsic material attributes) के साथ एक संरचित 3D गॉसियन प्रतिनिधित्व का पूर्वानुमान लगाता है, जो एकल फॉरवर्ड पास में भौतिक रूप से आधारित इनवर्स रेंडरिंग, सटीक सामग्री रिकवरी और स्थिर नवीन दृश्य संश्लेषण (novel view synthesis) को सक्षम बनाता है।
यह शोध पत्र NEvo को प्रस्तुत करता है, जो एक न्यूरल-गाइडेड इवोल्यूशनरी फ्रेमवर्क है जो विशिष्ट दृश्य क्षेत्रों में अनुमानित मस्तिष्क गतिविधि को अधिकतम करने के लिए अनुकूलित गतिशील वीडियो उद्दीपनों (dynamic video stimuli) को संश्लेषित करता है, जिससे जटिल टेम्पोरल चयनात्मकता (temporal selectivities) का अनावरण होता है और स्थिर छवियों की सीमाओं से परे गतिशील दृश्य प्रसंस्करण के इन सिलिको (in silico) अन्वेषण को आगे बढ़ाया जाता है।
यह शोध पत्र इम्प्रूव्ड रिप्रेजेंटेशन डिस्ट्रीब्यूशन मैचिंग (iRDM) को प्रस्तुत करता है, जो एक वन-स्टेप विजुअल जनरेशन प्रतिमान है जो ImageNet पर अत्याधुनिक प्रदर्शन प्राप्त करता है और बड़े बैच साइज के साथ डिस्ट्रीब्यूशन मैचिंग को अनुकूलित करके तथा गेमिंग को रोकने के लिए एक मजबूत, मल्टी-एनकोडर मूल्यांकन मीट्रिक के माध्यम से FLUX.2 जैसे मल्टी-स्टेप मॉडल्स को बेहतर बनाता है।
यह शोध पत्र ट्रांसफॉर्मर ज्योमेट्री ऑब्जर्वेटरी-II (TGO-II) फ्रेमवर्क को प्रस्तुत करता है जो यह प्रकट करता है कि विजन ट्रांसफॉर्मर्स प्रशिक्षण के दौरान मजबूत टोकन इंटरेक्शन संरचनाओं को बनाए रखते हुए प्रगतिशील मैनिफोल्ड विस्तार और समृद्ध रूपांतरणों के माध्यम से प्रतिनिधित्व संबंधी जटिलता और परत विशेषज्ञता विकसित करते हैं।
यह शोध पत्र वेवलेट-गाइडेड सिमेंटिक सिग्नल कंपनसेशन (Wavelet-Guided Semantic Signal Compensation) का प्रस्ताव करता है, जो एक इनवर्जन-मुक्त, फ्रीक्वेंसी-अवेयर रणनीति है जो बैकग्राउंड की शुद्धता को बनाए रखते हुए टेक्स्ट-गाइडेड इमेज एडिटिंग में ग्लोबल एट्रिब्यूट एडिटिंग को बेहतर बनाने के लिए शुरुआती चरण के सिमेंटिक सिग्नल की शक्ति को बढ़ाती है।
यह शोध पत्र MARVEL का प्रस्ताव करता है, जो एक नवीन ढांचा है जो नॉनलीनर वॉन मिसेस-फिशर क्लासिफायर, क्लास इम्बैलेंस (वर्ग असंतुलन) को संभालने के लिए एक मल्टी-एक्सपर्ट आर्किटेक्चर, और एक समर्पित आउटलियर एक्सपर्ट को जोड़ता है ताकि लॉन्ग-टेल्ड मेडिकल इमेजिंग डेटासेट्स में रोबस्ट आउट-ऑफ-डिस्ट्रीब्यूशन डिटेक्शन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र एंट्रॉपी-अवेयर डेंस प्रूनिंग (EADP) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो सांख्यिकीय एंट्रॉपी के माध्यम से पाठ्य शोर (textual noise) को फ़िल्टर करके और सघन निर्देशों के तहत सूक्ष्म संकेतों को संरक्षित करने के लिए सबमॉड्यूलर मैक्सिमाइज़ेशन के माध्यम से विजुअल टोकन चयन को अनुकूलित करके विजुअल लैंग्वेज मॉडल की दक्षता को बढ़ाता है।