cs.CV

RefGlass-GS: A UAV-Enabled Fusion Framework for Photorealistic, Semantic and Interactive Digitization of Reflective Glass Facades via Gaussian Splatting

यह शोध पत्र RefGlass-GS प्रस्तुत करता है, जो एक UAV-सक्षम ढांचा है जो परावर्तक कांच के अग्रभागों (ग्लास फसाड्स) के फोटो-यथार्थवादी, सिमेंटिक और संवादात्मक 3D डिजिटलीकरण को प्राप्त करने के लिए उन्नत विभाजन (सेगमेंटेशन), अनुकूलित दृश्य बिंदु योजना (व्यूपॉइंट प्लानिंग) और उन्नत गॉसियन स्प्लेटिंग को एकीकृत करता है, जो ज्यामितीय सटीकता, रेंडरिंग गुणवत्ता और ऑब्जेक्ट-स्तरीय प्रबंधन में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।

HKVLM: Faithful Reasoning Grounding by Binding Language Queries to a Frozen Detector

HKVLM एक प्रशिक्षित संरेखण हुक (alignment hook) के माध्यम से स्थानीयकरण (localization) को भाषा निर्माण (language generation) से अलग करके विज़न-लैंग्वेज मॉडल्स में "बाइंडिंग विफलता" (binding failure) का समाधान करता है, जो एक फ्रोजन डिटेक्टर के प्रस्तावों (proposals) को एक फ्रोजन लैंग्वेज मॉडल के रीजनिंग क्वेरीज (reasoning queries) से जोड़ता है, जिससे ग्राउंडिंग सटीकता में उल्लेखनीय सुधार होता है और कम डेटा वाले परिवेश में मतिभ्रम (hallucinations) कम होता है।

On Test-Time Scaling for Vision-Language Models

यह शोध पत्र लार्ज विजन-लैंग्वेज मॉडल्स (LVLMs) के लिए टेस्ट-टाइम स्केलिंग पर पहला व्यापक अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि छोटे, उच्च-प्रदर्शन वाले मॉडल्स अतिरिक्त इन्फरेंस कंप्यूट से सबसे अधिक लाभान्वित होते हैं जबकि बड़े मॉडल्स के ध्यान केंद्रित खोने का जोखिम रहता है, और यह भी कि विजुअल जानकारी का उपयोग मुख्य रूप से रीजनिंग चेन के शुरुआती चरण में किया जाता है इससे पहले कि यह टेक्स्ट-प्रधान प्रोसेसिंग की ओर स्थानांतरित हो जाए।

Projection-based coupling of infrared thermography and stereocorrelation-based digital image correlation

यह शोध पत्र एक प्रोजेक्शन-आधारित कपलिंग विधि प्रस्तावित करता है जो पिनहोल कैमरा मॉडल और रेडियल बेसिस फंक्शन्स का उपयोग करके इन्फ्रारेड थर्मोग्राफी तापमान डेटा को स्टीरियोकोरिलेशन-आधारित डिजिटल इमेज कोरिलेशन से प्राप्त 3D सतह निर्देशांकों पर सटीक रूप से मैप करता है, जिससे घुमावदार सतहों पर विरूपण (deformation) और थर्मल ग्रेडिएंट्स का फुल-फील्ड विश्लेषण सक्षम होता है।

What Color is the Sky (for a non-human) ?

यह शोध पत्र विभिन्न गैर-मानव दृश्य प्रणालियों के लिए आकाश के प्रकाश के मोनोक्रोमैटिक मेटामर (प्रभावी तरंगदैर्ध्य) को निर्धारित करने के लिए एक गणनात्मक विधि प्रस्तावित करता है, जो यह प्रकट करता है कि हालांकि विविध प्रजातियों में मेटामर्स मौजूद हैं, फिर भी उनकी कथित "आकाश का रंग" अक्सर नीले रंग की मानवीय धारणा से काफी भिन्न होता है।

Character Recognition of Nepali Number Plate

यह शोध पत्र नेपाली लाइसेंस प्लेटों के लिए एक सुदृढ़ पाइपलाइन्ड ऑटोमैटिक नंबर प्लेट रिकग्निशन (ANPR) प्रणाली प्रस्तुत करता है जो 34 देवनागरी अक्षरों पर प्रशिक्षित YOLO-आधारित डिटेक्शन को एक CNN क्लासिफायर के साथ जोड़ता है, जो विविध वास्तविक दुनिया की स्थितियों में 93% तक सटीकता प्राप्त करता है।

Evidence-Based Text-Conditioned 3D CT Synthesis for Ovarian Cancer

यह शोध पत्र OvESyn को प्रस्तुत करता है, जो एक नवीन ढांचा है जो इमेजिंग डिस्क्रिप्टर्स और मेटाडेटा से मानकीकृत नैदानिक रिपोर्टों का निर्माण करके डिम्बग्रंथि कैंसर (ओवेरियन कैंसर) के लिए उच्च-निष्ठा वाले, टेक्स्ट-कंडीशन्ड 3D CT स्कैन उत्पन्न करता है, जिससे मूल रेडियोलॉजी रिपोर्ट की आवश्यकता के बिना एब्डोमिनो-पेल्विक ऑन्कोलॉजी में डेटा की कमी और गोपनीयता संबंधी बाधाओं को दूर किया जा सके।

SciFlow: Semantic Cross Interference for Self-Supervised Optical Flow Domain Generalization

SciFlow एक नेटवर्क-अज्ञेय (network-agnostic), स्व-पर्यवेक्षित (self-supervised) प्रशिक्षण दृष्टिकोण है जो सिंथेटिक से वास्तविक दुनिया के वातावरण में ऑप्टिकल फ्लो डोमेन सामान्यीकरण को बढ़ाने के लिए ज्यामितीय निरंतरता (geometric consistency) के माध्यम से वैधता सुनिश्चित करते हुए, सिंथेटिक डेटा पर ओपन-वर्ल्ड छवियों से सिमेंटिक क्रॉस-इंटरफेरेंस (semantic cross-interference) आरोपित करता है।

Efficient Spatio-Temporal Grounding with Multimodal Large Models via Second-Level Tracking and RL Verification

यह शोध पत्र लंबे वीडियो के लिए एक कुशल स्थानिक-कालिक ग्राउंडिंग (spatio-temporal grounding) ढांचे का प्रस्ताव करता है जो कम्प्यूटेशनल दक्षता और स्थानीयकरण सटीकता के बीच एक मजबूत संतुलन प्राप्त करने के लिए सेकंड-स्तरीय ट्रैकिंग को क्रॉस-सेकंड स्मूथिंग, चेन-ऑफ-थॉट ट्रजेक्टरी सिंथेसिस और सुदृढीकरण लर्निंग (reinforcement learning) सत्यापन के साथ जोड़ता है।

HorizonRelight: Relighting Long-horizon Videos Consistently via Diffusion Transformers