10757 पेपर
यह शोध पत्र ScaleErasure को प्रस्तुत करता है, जो एक इन्फरेंस-टाइम विधि है जो अत्यधिक संकुचित प्रारंभिक-स्केल (early-scale) निरूपणों से असुरक्षित अर्थों को अलग करने के लिए लॉजिट्स (logits) पर न्यूनतम, बहु-आयामी हस्तक्षेप करके, नेक्स्ट-स्केल ऑटोरेग्रेसिव इमेज जनरेशन में सटीक अवधारणा विलोपन (concept erasure) प्राप्त करता है।
SAFE-DiT एक प्रशिक्षण-मुक्त (training-free) फ्रेमवर्क है जो अनावश्यक अटेंशन मास्क को हटाने और प्रॉम्प्ट-कंडीशन्ड टोकन विभाजन के उपयोग के माध्यम से "मास्क-इंड्यूस्ड डिस्पैच टैक्स" को समाप्त करके हाई-रेज़ोल्यूशन डिफ्यूजन ट्रांसफॉर्मर इन्फरेंस को तेज़ करता है, जिससे विजुअल क्वालिटी से समझौता किए बिना 5.09× तक की गति वृद्धि और काफी कम मेमोरी उपयोग प्राप्त होता है।
यह शोधपत्र QuADA-GS का प्रस्ताव करता है, जो एक नवीन फीड-फॉरवर्ड फ्रेमवर्क है जो स्थानीय छवि जटिलता के आधार पर 2D गॉसियन प्रिमिटिव्स को अनुकूल रूप से आवंटित और सघन करने के लिए एक न्यूरल रूटिंग आर्किटेक्चर और पदानुक्रमित पॉइंटर कनवल्शन का लाभ उठाता है, जिससे उच्च दक्षता और कम विलंबता के साथ अत्याधुनिक произвоल-स्केल (arbitrary-scale) इमेज सुपर-रिज़ॉल्यूशन प्राप्त होता है।
यह शोध पत्र FiRe को प्रस्तुत करता है, जो एक विधि है जो आवधिक इम्पलिसिट न्यूरल रिप्रेजेंटेशन (Implicit Neural Representations) के अनुकूलन को एक लो-रैंक गेटिंग पाथ (low-rank gating path) के माध्यम से प्रति-न्यूरॉन आवृत्तियों को पुन: पैरामीटराइज़ करके त्वरित करती है, जो एक निहित प्रीकंडीशनर (implicit preconditioner) के रूप में कार्य करता है ताकि बेहतर इनिशियलाइजेशन कंडीशनिंग प्राप्त की जा सके और उच्च पुनर्निर्माण गुणवत्ता के साथ तेज़ अभिसरण (faster convergence) प्राप्त किया जा सके।
यह शोध पत्र VG-GUIBench प्रस्तुत करता है, जो वीडियो ट्यूटोरियल का पालन करने की MLLM-आधारित GUI एजेंटों की क्षमता का मूल्यांकन करने के लिए एक नया बेंचमार्क है, और TASKER का प्रस्ताव करता है, जो एक टास्क-ड्रिवन और सीन-अवेयर कीफ्रेम एक्सट्रैक्शन एल्गोरिदम है जो VideoQA और वीडियो-गाइडेड एजेंटिक कार्यों दोनों पर प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र मिती360 (Miti360) को प्रस्तुत करता है, जो केन्या के किएनी वन (Kieni Forest) से ग्राउंड ट्रुथ एनोटेशन के साथ उच्च-रिज़ॉल्यूशन वाली हवाई और स्थलीय छवियों का एक व्यापक डेटासेट है, जिसे अफ्रीकी वानिकी डेटा की कमी को दूर करने और उप-सहारा अफ्रीका में पुनर्वनीकरण निगरानी के लिए मशीन लर्निंग मॉडल में महत्वपूर्ण सुधार करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र रेजोनेंट ब्रेने स्प्लेटिंग (RBS) का परिचय देता है, जो एक फीड-फॉरवर्ड आर्बिट्रेरी-स्केल सुपर-रिज़ॉल्यूशन फ्रेमवर्क है जो मानक 2D गॉसियन्स को अभिव्यंजक "ब्रेन्स" (Branes) से बदल देता है जो एकल प्रिमिटिव्स के भीतर उच्च-आवृत्ति विवरणों को मॉडल करने में सक्षम हैं, जिससे रस्टरइज़ेशन ओवरलैप को कम करके और क्वांटम टर्निंग पॉइंट-आधारित कलिंग रणनीति का उपयोग करके बेहतर पुनर्निर्माण गुणवत्ता और गति प्राप्त की जाती है।
यह शोध पत्र कैलिब्रेटेड डीपफेक ट्रस्ट स्कोर (CDTS) फ्रेमवर्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि डीपफेक डिटेक्टर कैलिब्रेशन मौलिक रूप से डिस्क्रिमिनेटिव कॉम्पिटेंस (विभेदात्मक क्षमता) के साथ जुड़ा हुआ है, जिससे कॉम्पिटेंस को वास्तविक दुनिया के सत्यापन पाइपलाइनों में विश्वसनीयता, न्यायसंगत प्रदर्शन और प्रभावी रूटिंग सुनिश्चित करने के लिए एक महत्वपूर्ण, लेबल-मुक्त मीट्रिक के रूप में स्थापित किया गया है।
यह शोध पत्र RefineSplat प्रस्तुत करता है, जो एक नवीन ढांचा है जो चुनौतीपूर्ण परिदृश्यों में उच्च गुणवत्ता वाले, विचलित करने वाले तत्वों से मुक्त 3D गॉसियन स्प्लेटिंग के लिए अस्पष्ट डिस्ट्रैक्टर्स (distractors) को प्रभावी ढंग से पहचानने और हटाने के लिए एंट्रॉपी-अवेयर एडेप्टिव मास्किंग और डेंसिटी कंट्रोल का लाभ उठाता है, जिसे नए जारी किए गए 'एम्बिग्यूअस वाइल्ड' (Ambiguous Wild) डेटासेट द्वारा प्रमाणित किया गया है।
यह शोध पत्र एक पैच-आधारित स्पैटियोटेम्पोरल फ्रेमवर्क प्रस्तुत करता है जो कमजोर रूप से पर्यवेक्षित वीडियो विसंगति का पता लगाने के लिए एक प्रॉक्सिमिटी-अवेयर चयन रणनीति का उपयोग करते हुए विसंगतियों के स्थान और समय को संयुक्त रूप से सीखता है, और स्थानिक रूप से ग्राउंडेड अनुसंधान को आगे बढ़ाने के लिए नए बाउंडिंग-बॉक्स एनोटेशन और संसाधन जारी करते हुए अत्याधुनिक प्रदर्शन प्राप्त करता है।