👁️ Category

cs.CV

10757 पेपर

🤖 AI

MEPA: Multi-Scale Representation Alignment for Visual Autoregressive Modeling with Mixture of Experts

यह शोध पत्र MEPA को प्रस्तुत करता है, जो एक नवीन विजुअल ऑटोरेग्रेसिव मॉडलिंग फ्रेमवर्क है जो स्केल-अवेयर टोकन-रूटेड मिक्सचर ऑफ एक्सपर्ट्स आर्किटेक्चर और एक विशेष रूप से तैयार किए गए रेसिडुअल फीचर एग्रीगेशन स्कीम का उपयोग करता है ताकि मल्टी-स्केल रिप्रेजेंटेशन लर्निंग को डीकपल किया जा सके और अर्ली सिमेंटिक मॉडलिंग को बढ़ाया जा सके, जिससे ImageNet जैसे बेंचमार्क पर इमेज जनरेशन की गुणवत्ता और प्रशिक्षण दक्षता में महत्वपूर्ण सुधार होता है।

Nuoyan Zhou, Zhijun Tu, Lei Yu, Kun Cheng, Jie Hu, Nannan Wang, Xinghao Chen2026-07-02
🧬 biology

Radial Interaction Tomography: Recognizing Non-Transitive Evolutionary Games from One Range-Expansion Image

यह शोध पत्र रेडियल इंटरैक्शन टोमोग्राफी (Radial Interaction Tomography) को प्रस्तुत करता है, जो एक कंप्यूटर-विज़न फ्रेमवर्क है जो सूक्ष्मजीव सीमा विस्तार (microbial range expansion) के एकल एंडपॉइंट इमेज से युग्मवार विकासवादी अंतःक्रिया प्रवाह (pairwise evolutionary interaction flows) को पुनर्गठित करता है और गैर-संक्रामक चक्रीय गतिकी (non-transitive cyclic dynamics) का पता लगाता है, जिससे टाइम-सीरीज़ डेटा की आवश्यकता के बिना सुदृढ़ यांत्रिक अनुमान और सक्रिय नियंत्रण डिजाइन सक्षम होता है।

Faruk Alpay, Baris Basaran2026-07-02
💻 computer science

Vitality-Aware Compression for Efficient Image-to-Shape Diffusion Transformers

यह शोध पत्र विटैलिटी-अवेयर कम्प्रेशन (Vitality-Aware Compression) को प्रस्तुत करता है, जो इमेज-टू-शेप डिफ्यूजन ट्रांसफॉर्मर के लिए पहला ज्योमेट्री-अवेयर फ्रेमवर्क है, जो ज्यामितीय निष्ठा (geometric fidelity) को बनाए रखते हुए मॉडल के आकार में 66% तक की कमी लाने के लिए स्ट्रक्चर्ड प्रूनिंग, एडेप्टिव क्वांटाइजेशन और लक्षित फाइन-ट्यूनिंग को जोड़ता है।

Jaeah Lee, Hyunjin Kim, Jaewoong Cho, Gihyun Kwon2026-07-02
⚡ electrical engineering

MalariAI: A Label-Resilient Decoupled Framework for Universal Cell Segmentation and Explainable Stage Classification in Dense Malaria Blood Smears

मलेरियाआई (MalariAI) एक नवीन दो-चरणीय पृथक ढांचा (two-stage decoupled framework) है जो घने स्मीयर्स में मजबूत सेल सेगमेंटेशन के लिए एक एनोटेशन-अज्ञेय वाटरशेड एल्गोरिदम और दुर्लभ परजीवी रूपों के लिए उच्च-सटीक, व्याख्या योग्य चरण वर्गीकरण प्राप्त करने के लिए एक फाइन-ट्यून्ड एफिशिएंटनेट-बी0 (EfficientNet-B0) क्लासिफायर के साथ ग्रेड-कैम++ (Grad-CAM++) का उपयोग करके स्वचालित मलेरिया निदान में प्रमुख सीमाओं को दूर करता है।

Kaysarul Anas Apurba, Md Hasibul Hasan, Mohammed Ali, Tanzilur Rahman2026-07-02
💻 computer science

MedCAGD: Context-Aware Gated Decoder for Efficient Medical Image Segmentation

यह शोध पत्र MedCAGD प्रस्तुत करता है, जो एक संदर्भ-जागरूक गेटेड डिकोडर है जो 11 बेंचमार्क में कम्प्यूटेशनल दक्षता बनाए रखते हुए क्रॉस-स्केल संरेखण और बाउंड्री संरक्षण को बेहतर बनाने के लिए मल्टी-स्केल चैनल रीकैलिब्रेशन, गेटेड स्किप फ्यूजन और ग्लोबल कॉन्टेक्स्ट एग्रीगेशन को एकीकृत करके मेडिकल इमेज सेगमेंटेशन को बढ़ाता है।

Saad Wazir, Patrick Dominique Vibild, Dinh Phu Tran, Seongah Kim, Daeyoung Kim2026-07-02
🤖 machine learning

Information-Regularized Attention for Visual-Centric Reasoning

यह शोधपत्र इन्फॉर्मेशन-रेग्युलेटेड अटेंशन (IRA) को प्रस्तुत करता है, जो एक स्टोकेस्टिक अटेंशन मैकेनिज्म है जो विजन-लैंग्वेज मॉडल्स में विजुअल इंफॉर्मेशन फ्लो को स्पष्ट रूप से नियंत्रित करने के लिए रिप्रेजेंटेशन अनसर्टेन्टी को इंडिपेंडेंट लोकल नॉइज़ में रूपांतरित करता है, जिससे विजुअल ग्राउंडिंग और ट्रेनिंग स्टेबिलिटी को बढ़ाकर मतिभ्रम (hallucinations) और अस्थिरता को कम किया जा सके।

Guohao Sun, Xiaofang Wang, Yash Patel, Mengchen Liu, Zhiqiang Tao, Praveen Krishnan2026-07-02
💻 computer science

Multimodal Continuous Reasoning via Asymmetric Mutual Variational Learning

यह शोध पत्र एसिमेट्रिक म्यूचुअल वेरिएशनल लर्निंग (AMVL) का प्रस्ताव करता है, जो एक ड्यूल-केएल (dual-KL) उद्देश्य का उपयोग करके मल्टीमॉडल निरंतर तर्क (multimodal continuous reasoning) में प्रशिक्षण-अनुमान बेमेल (train-inference mismatch) को हल करता है ताकि उत्तर के रिसाव (answer leakage) को रोका जा सके, जिससे यह जटिल दृश्य तर्क बेंचमार्क पर मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करता है।

Shijie Li, Yilin Gao, Siyuan Yang, Tieyuan Chen, Chaofan Gan, Zhihao He, Zicheng Zhao, Yuyu Guo, Weiyao Lin, Hang Yu2026-07-02
💻 computer science

GenSP: Consistent Spherical Parameterization via Learning Shape Generative Models

GenSP एक डेटा-संचालित ढांचा है जो यूनिट स्फीयर से निरंतर मैपिंग का अनुमान लगाकर जेनस-0 आकृतियों के लिए सुसंगत गोलाकार पैरामीट्राइजेशन उत्पन्न करने हेतु एक न्यूरल जेनरेटिव मॉडल सीखता है, जिससे मौजूदा विधियों की तुलना में ज्यामितीय विरूपण कम होता है और क्रॉस-शेप पत्राचार में सुधार होता है।

Sai Karthikey Pentapati, Shashank Gupta, Rajesh Sureddi, Yuezhi Yang, Alan C. Bovik, Qixing Huang2026-07-02
💻 computer science

ECoSim: Data Efficient Fine-Tuning for Controllable Traffic Simulation

ECoSim एक हल्का, डेटा-कुशल ढांचा पेश करता है जो आइडेंटिटी-इनिशियलाइज्ड FiLM परतों के माध्यम से प्रीट्रेन ट्रैफिक सिमुलेशन मॉडल्स के लिए मल्टी-मोडल नियंत्रणीयता (स्केच, लेटेंट कोड्स और टेक्स्ट के माध्यम से) को सक्षम बनाता है, जो बेस मॉडल के जेनेरेटिव प्रायर को सुरक्षित रखते हुए युग्मित नियंत्रण डेटा के 1% से भी कम का उपयोग करके मजबूत परिदृश्य जनरेशन प्राप्त करता है।

Yu-Hsiang Chen, Wei-Jer Chang, Yi-Ting Chen, Masayoshi Tomizuka2026-07-02
🤖 AI

EgoGapBench: Benchmarking Egocentric Action Selection in Multi-Agent Scenes

यह शोध पत्र EgoGapBench को प्रस्तुत करता है, जो एक नैदानिक बेंचमार्क (diagnostic benchmark) है जो यह प्रकट करता है कि वर्तमान मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (multimodal large language models), मल्टी-एजेंट दृश्यों में 'एगोसेंट्रिक एक्शन सिलेक्शन' (Egocentric Action Selection) के दौरान दूसरों के कार्यों को गलत तरीके से अपनाकर संघर्ष करते हैं, एक ऐसा अंतराल जो मौजूदा फर्स्ट-पर्सन डेटा पर फाइन-ट्यूनिंग के बाद भी बना रहता है।

Jihyeok Jung (KAIST AI), Jeewu Lee (Sogang University), Sanghyeop Kim (Sogang University), Chanhee Han (Ministry of Scie (…)2026-07-02