10804 पेपर
यह शोध पत्र MF-UAVPose6D प्रस्तावित करता है, जो एक मॉडल-मुक्त मोनोक्यूलर फ्रेमवर्क है जो हीटमैप-गाइडेड लोकलाइजेशन, एक पर्सपेक्टिव-अवेयर मॉड्यूल और डायनेमिक टोपोलॉजिकल सैंपलिंग का लाभ उठाकर केवल RGB छवियों और कैमरा इंट्रिंसिक्स का उपयोग करके गैर-सहकारी फिक्स्ड-विंग UAVs के 6-DoF पोज़ का अनुमान लगाता है, जिसे एक नए निर्मित सिंथेटिक डेटासेट पर सत्यापित किया गया है।
यह शोध पत्र प्रदर्शित करता है कि OpenVLA के आंतरिक फीडफॉरवर्ड एक्टिवेशन्स (feedforward activations) पर प्रशिक्षित हल्के प्रोब्स (lightweight probes), बिना मूल पॉलिसी में किसी बदलाव के, ऑक्लूजन (occlusion) जैसे विजुअल डिस्ट्रीब्यूशन शिफ्ट के कारण होने वाली निकट-अवधि की कार्य विफलताओं की प्रभावी ढंग से भविष्यवाणी कर सकते हैं और उच्च सटीकता प्राप्त कर सकते हैं।
GUICrafter एक वीकली-सुपरवाइज्ड (weakly-supervised) GUI एजेंट है जो विशाल अनएनोटेटेड स्क्रीनशॉट्स और उच्च गुणवत्ता वाले डेटा की एक छोटी मात्रा पर प्रशिक्षित होने के लिए एक टू-स्टेज करिकुलम लर्निंग फ्रेमवर्क का लाभ उठाता है, जिससे यह UI-TARS जैसे उन्नत सिस्टम द्वारा उपयोग किए गए एनोटेटेड डेटा के केवल 0.1% की आवश्यकता के साथ बेहतर प्रदर्शन और क्रॉस-डिवाइस सामान्यीकरण प्राप्त करता है।
यह शोध पत्र एरियलमेट्रिक (AerialMetric) को प्रस्तुत करता है, जो 68,000 वास्तविक और सिंथेटिक इमेज-डेप्थ पेयर्स के एक व्यापक बेंचमार्क डेटासेट को शामिल करता है जिसमें मेट्रिक ग्राउंड ट्रुथ है, ताकि मौजूदा मॉडलों का व्यवस्थित रूप से मूल्यांकन करके और फाइन-ट्यूनिंग के माध्यम से अत्याधुनिक प्रदर्शन स्थापित करके UAV मोनोकुलर मेट्रिक डेप्थ एस्टीमेशन में डोमेन गैप को संबोधित किया जा सके।
यह शोध पत्र HTC-SGA Former का प्रस्ताव करता है, जो एक हल्का हाइब्रिड ट्रांसफॉर्मर-सीएनएन नेटवर्क है जिसमें सेल्फ-गाइडेड अटेंशन और एक नवीन बाउंड्री-वेटेड एडेप्टिव लॉस शामिल है, जो वैश्विक संदर्भ, कमजोर वाहिका रिकवरी और सीमा सटीकता को प्रभावी ढंग से संतुलित करके चुनौतीपूर्ण कोरोनरी DSA वाहिकाओं को सटीक रूप से सेगमेंट करने में मौजूदा अत्याधुनिक विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र MR-IQA प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो "क्वालिटी मार्जिन" को उनके साझा सैद्धांतिक आधार के रूप में पहचानकर और सुपीरियर प्रदर्शन प्राप्त करने के लिए सुदृढीकरण लर्निंग (रिनफोर्समेंट लर्निंग) के माध्यम से पेयरवाइज मार्जिन एरर्स को अनुकूलित करके ब्लाइंड इमेज क्वालिटी असेसमेंट में रिग्रेशन और रैंकिंग प्रतिमानों के बीच के अंतर को पाटता है।
यह शोध पत्र TopoAgent प्रस्तुत करता है, जो एक LLM-आधारित एजेंटिक फ्रेमवर्क है जो धारणा-तर्क-क्रिया-चिंतन (perception-reasoning-action-reflection) लूप और 26 डेटासेट्स में 15 डिस्क्रिप्टर्स के मूल्यांकन से संचित अनुभव का लाभ उठाकर मेडिकल इमेज विश्लेषण के लिए इष्टतम टोपोलॉजिकल डिस्क्रिप्टर्स के चयन और कॉन्फ़िगरेशन को स्वचालित करता है।
FalconTrack एक एकीकृत ढांचा है जो एक मल्टी-हेड परसेप्शन और फिजिक्स-अवेयर ट्रैकिंग सिस्टम को प्रशिक्षित करने के लिए फोटोरियलिस्टिक लेबल वाले डेटा के तीव्र, स्वचालित उत्पादन हेतु गाऊसी स्प्लेटिंग सिम्युलेटर का उपयोग करता है, जिससे वास्तविक हार्डवेयर पर जीपीएस-रहित (GPS-denied) हवाई ट्रैकिंग में मजबूत ज़ीरो-शॉट सिम-टू-रियल ट्रांसफर और उच्च सफलता दर प्राप्त होती है।
यह शोध पत्र संरचनात्मक मॉडल बेमेलता के कारण होने वाले अपरिहार्य ज्यामितीय विरूपणों का सैद्धांतिक विश्लेषण करके और सत्यापन से पहले ऐसी जालसाजी की पहचान करने के लिए एक योजना-अज्ञेय (scheme-agnostic) पहचान विधि प्रस्तावित करके, लेटेंट डिफ्यूजन मॉडल्स में सिमेंटिक वॉटरमार्क्स की ब्लैक-बॉक्स फोर्जरी हमलों के प्रति संवेदनशीलता को संबोधित करता है।
नेमेट्रॉन-लैब्स-डिफ्यूजन-इमेज (Nemotron-Labs-Diffusion-Image) एक अत्याधुनिक मास्कड डिस्क्रीट डिफ्यूजन मॉडल है जो डायनेमिक इन्फरेंस करेक्शन के लिए टोकन-एडिटिंग मैकेनिज्म और बड़े-वोकैबुलरी सेटिंग्स में सिग्नल स्पर्सिटी (signal sparsity) से निपटने के लिए एक कस्टम फ्यूज्ड ऑपरेटर के साथ ग्रुपड क्रॉस-एन्ट्रॉपी ऑब्जेक्टिव को पेश करके उच्च-रिज़ॉल्यूशन टेक्स्ट-टू-इमेज सिंथेसिस को बढ़ाता है, जिससे GenEval, DPG, और HPSv3 बेंचमार्क पर बेहतर प्रदर्शन प्राप्त होता है।