10757 पेपर
यह शोध पत्र DefenseSplat को प्रस्तुत करता है, जो एक आवृत्ति-जागरूक (frequency-aware) रक्षा रणनीति है जो इनपुट छवियों से उच्च-आवृत्ति वाले शोर (high-frequency noise) को फ़िल्टर करके और निम्न-आवृत्ति वाले दृश्य विवरणों को संरक्षित करके 3D गॉसियन स्प्लेटिंग की मजबूती को बढ़ाता है, जिससे स्वच्छ डेटा पर प्रदर्शन से महत्वपूर्ण समझौता किए बिना सुरक्षा में सुधार होता है।
यह शोध पत्र मोमेंटम गाइडेंस (Momentum Guidance) को प्रस्तुत करता है, जो फ्लो-आधारित जनरेटिव मॉडल्स के लिए एक प्लग-एंड-प्ले विधि है जो वर्तमान वेगों (velocities) को पिछले वेगों के एक्सपोनेंशियल मूविंग एवरेज से दूर एक्सट्रपलेट करके नमूना गुणवत्ता और विविधता को बढ़ाता है, जिससे बिना किसी अतिरिक्त कंप्यूटेशनल लागत के ImageNet-256 जैसे बेंचमार्क और Stable Diffusion 3 जैसे बड़े मॉडल्स पर महत्वपूर्ण FID सुधार प्राप्त होता है।
TerraDiT एक नवीन पॉइंट-कंडीशनड डिफ्यूजन ट्रांसफॉर्मर है जो समय लेने वाले पिक्सेल-स्तरीय मानचित्रों को स्थानिक बिंदुओं और उनके संबंधित टेक्स्ट विवरणों द्वारा संचालित एक अनुकूलन योग्य स्थानीय अटेंशन मैकेनिज्म से बदलकर लचीले और अर्थपूर्ण उपग्रह चित्र संश्लेषण को सक्षम बनाता है।
OrthoTrack एक प्रशिक्षण-मुक्त, वास्तविक समय की प्रणाली है जो सार्वजनिक ऑर्थोफोटो के साथ कीफ्रेमों का मिलान करके और ऑप्टिकल फ्लो के माध्यम से पत्राचारों को प्रसारित करके, निरंतर, मेट्रिक रूप से स्केल किया गया 6-DoF UAV प्रक्षेपवक्र अनुमान प्राप्त करती है, जिससे ड्रिफ्ट और GPS निर्भरता समाप्त हो जाती है और नए पेश किए गए MovingDrone बेंचमार्क पर मौजूदा बेसलाइन से बेहतर प्रदर्शन करती है।
यह शोध पत्र FreeMEF को प्रस्तुत करता है, जो मल्टी-एक्सपोज़र फ्यूजन के लिए पहला फ्लेक्सिबल-फ्रेम ट्रांसफॉर्मर है जो बिना पुन: प्रशिक्षण के इनपुट एक्सपोज़र की परिवर्तनशील संख्या को निर्बाध रूप से संभालने के लिए एक रिकरेंट स्टेट स्पेस मॉड्यूल और एक ग्लोबल फीचर गाइडेड ब्लॉक का उपयोग करता है, और इमेज रिस्टोरेशन में अत्याधुनिक प्रदर्शन प्राप्त करता है।
PixelRAG एक नवीन रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क पेश करता है जो पूरी तरह से पिक्सेल स्पेस में संचालित होता है, जो पार्स किए गए टेक्स्ट के बजाय रॉ वेबसाइट स्क्रीनशॉट्स को रिट्रीव और प्रोसेस करता है, जिससे लेआउट लॉस समाप्त हो जाता है और पारंपरिक टेक्स्ट-आधारित RAG सिस्टम की तुलना में विविध बेंचमार्क पर बेहतर प्रदर्शन और दक्षता प्राप्त होती है।
यह शोध पत्र एक पूर्णतः अनसुपरवाइज्ड (unsupervised) मेमोरी-ऑगमेंटेड LSTM ऑटोएन्कोडर फ्रेमवर्क प्रस्तावित करता है जो वास्तविक दुनिया के परिदृश्यों में उच्च-सटीक गतिविधि पहचान प्राप्त करने के लिए मल्टी-सेंसर IMU डेटा से पदानुक्रमित स्थिर और टेम्पोरल विशेषताओं को संलयित करता है, जो DaLiAc और PAMAP2 डेटासेट पर सुपरवाइज्ड बेसलाइन और मौजूदा अनसुपरवाइज्ड विधियों दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र प्रदर्शित करता है कि बिना लेबल वाले ड्राइविंग डेटा पर प्रशिक्षित एक स्व-पर्यवेक्षित जॉइंट एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (JEPA), टेम्पोरल प्रेडिक्शन एरर को ज़ीरो-लेबल कॉम्प्लेक्सिटी स्कोर के रूप में उपयोग करके जटिल और सुरक्षा-महत्वपूर्ण परिदृश्यों की प्रभावी ढंग से पहचान कर सकता है, जो बिना किसी मानवीय एनोटेशन के विसंगति का पता लगाने (anomaly detection) में महत्वपूर्ण प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक पोस्ट-हॉक फ्रेमवर्क प्रस्तुत करता है जो इमेज ऑटोरेग्रेसिव मॉडल्स की जनरेशन प्रक्रिया में निहित विशिष्ट पैटर्नों का लाभ उठाकर, मॉडल्स या उनके आउटपुट में किसी भी संशोधन की आवश्यकता के बिना, एआई-जनरेटेड छवियों को मजबूती से ट्रैक और पहचानता है।
यह शोध पत्र सकरनेट (SoccerNet) 2026 चुनौती के लिए एक दो-चरणीय प्रणाली प्रस्तुत करता है जो एक ट्रैक-अवेयर एक्शन डिटेक्टर को स्पेसियल-फर्स्ट प्रति-खिलाड़ी अटेंशन (spatial-first per-player attention) वाले एक डिनोइजिंग सीक्वेंस ट्रांसडक्शन ट्रांसफॉर्मर और एक एग्रीमेंट-आधारित एनसेंबल के साथ जोड़ता है, जिससे 58.94 का मैक्रो-एफ1 (Macro-F1) स्कोर प्राप्त होता है।