10804 पेपर
यह शोध पत्र एक हल्का, वास्तविक समय वाला अंतर्जलीय छवि संवर्धन ढांचा प्रस्तावित करता है जो न्यूनतम कम्प्यूटेशनल लागत और उच्च अनुमान गति के साथ अत्याधुनिक प्रदर्शन प्राप्त करने के लिए फिक्स्ड डीटीसी (DCT) प्रायों के साथ फ्रीक्वेंसी-गाइडेड डुअल-पाथ अटेंशन और रीपैरामीटेराइज़ेबल कनवल्शन को एकीकृत करता है।
यह अध्ययन प्रदर्शित करता है कि प्रीप्रोसेसिंग चरणों और संपीड़न कॉन्फ़िगरेशन को अनुकूलित करना, विशेष रूप से नए मानकीकृत JPEG AI प्रारूप का उपयोग करके, चेहरे की पहचान के उच्च प्रदर्शन को बनाए रखते हुए मशीन-पठनीय यात्रा दस्तावेजों के लिए एक सख्त 1024-बाइट सीमा के भीतर चेहरे की छवियों को संग्रहीत करने में सक्षम बनाता है।
UniGP एक एकीकृत ढांचा है जो MMDiT पर निर्मित है जो एक सरल प्रशिक्षण रणनीति के माध्यम से नियंत्रणीय छवि निर्माण और सघन भविष्यवाणी (dense prediction) को संयुक्त रूप से सीखता है, प्रभावी रूप से छवि-ज्यामिति वितरण को कैप्चर करता है ताकि विशिष्ट तरीकों के तुलनीय प्रदर्शन प्राप्त किया जा सके और साथ ही दोनों जनरेटिव और संवेदी क्षमताओं को बढ़ाया जा सके।
यह शोध पत्र मॉडल मर्जिंग के विरुद्ध पैरामीटर-स्तरीय सुरक्षा उपायों में एक महत्वपूर्ण भेद्यता को उजागर करता है, जहाँ संरक्षित टास्क वेक्टर्स प्रीट्रेन्ड मॉडल को छिपाने के लिए बहुत छोटे हैं, जिससे एक नया एंकर-गाइडेड अटैक (AGA) मौजूदा सुरक्षा उपायों को दरकिनार करने में सक्षम होता है, जबकि एक प्रभावी प्रतिउपाय के रूप में एंकर-रिपल्सिव फाइन-ट्यूनिंग (ARF) का प्रस्ताव भी दिया गया है।
FlowAWR एक निरंतर जनरेटिव फ्लो मॉडल्स के लिए एक ऑनलाइन एडेप्टिव रिइन्फोर्समेंट लर्निंग फ्रेमवर्क पेश करता है जो पॉलिसी ऑप्टिमाइज़ेशन को एक एडवांटेज-वेटेड वेलोसिटी फील्ड की ओर सुपरवाइज्ड रिग्रेशन के रूप में पुनर्गठित करता है, जिससे अप्राप्य ट्रेजेक्टरी लाइकलीहुड्स, स्टोकेस्टिक SDE सैंपलर और क्लासिफायर-फ्री गाइडेंस की आवश्यकता समाप्त हो जाती है और मौजूदा तरीकों की तुलना में तेज़ अभिसरण और बेहतर अलाइनमेंट प्रदर्शन प्राप्त होता है।
यह शोध पत्र SADL को प्रस्तुत करता है, जो विषय-जागरूक विचलित करने वाले तत्वों के स्थानीयकरण (subject-aware distractor localization) के लिए पहला वास्तविक-विश्व बेंचमार्क है, जो रचनात्मक रूप से आवश्यक वस्तुओं को संरक्षित करते हुए दृश्य विकर्षणों की पहचान करने और उन्हें फ़िल्टर करने पर विज़न-लैंग्वेज मॉडल्स का मूल्यांकन करता है, जिससे यह पता चलता है कि हालांकि ये मॉडल विचलित करने वाले तत्वों का पता लगा सकते हैं, वे व्यवस्थित रूप से अपवर्जन नियमों (exclusion rules) को अत्यधिक लागू करते हैं।
यह शोध पत्र एक वास्तविक दुनिया के UR5e रोबोट पर विजन-लैंग्वेज-एक्शन मॉडल्स के हस्तांतरण की जांच करता है, जो यह प्रकट करता है कि सफल तैनाती मॉडल क्षमता पर कम और ऑफलाइन संकेतकों तथा भौतिक स्थिरता के बीच के अंतर को दूर करने के लिए संपूर्ण डेटा-मॉडल-कंट्रोल पाइपलाइन के सटीक एकीकरण पर अधिक निर्भर करती है।
यह शोधपत्र क्रॉस-रेज़ोल्यूशन सिमेंटिक ट्रांसफर (CRST) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो रेज़ोल्यूशन-कंडीशन्ड रीजनिंग, टेक्स्ट-गाइडेड रिफाइनमेंट और क्रॉस-रेज़ोल्यूशन रैंकिंग डिस्ट्रीब्यूशन अलाइनमेंट को एकीकृत करके लो-रेज़ोल्यूशन टेक्स्ट-टू-इमेज पर्सन री-आइडेंटिफिकेशन में एविडेंस रिलायबिलिटी कोलैप्स और रैंकिंग डिस्ट्रीब्यूशन ड्रिफ्ट की समस्याओं को संबोधित करता है ताकि निगरानी परिदृश्यों में रिट्रीवल प्रदर्शन को महत्वपूर्ण रूप से बढ़ाया जा सके।
यह शोध पत्र प्रकट करता है कि पोस्ट-हॉक कॉन्सेप्ट बॉटलनेक मॉडल कोवैरिएट शिफ्ट और लेबल नॉइज़ के कारण अर्थहीन कॉन्सेप्ट प्रोजेक्शन सीखते हुए भी उच्च भविष्य कहनेवाला सटीकता प्राप्त कर सकते हैं, और टास्क परफॉर्मेंस से स्वतंत्र रूप से कॉन्सेप्ट फेथफुलनेस को डिकपल और मूल्यांकन करने के लिए नवीन मेट्रिक्स का प्रस्ताव करता है।
यह शोध पत्र एक एकीकृत बाढ़ मानचित्रण ढांचे को प्रस्तुत करता है जो एक नए उच्च-रिज़ॉल्यूशन सेंटिनल-1 और सेंटिनल-2 डेटासेट, सेंसर मिसअलाइनमेंट को संभालने के लिए एक शिफ्ट-इनवेरिएंट लॉस फंक्शन, और ऑप्टिकल एवं SAR इमेजिंग आर्टिफैक्ट्स के बावजूद मजबूत, उच्च-सटीक बाढ़ विस्तार का पता लगाने के लिए जनरेटिव डेस्पेकलिंग हेतु एक कंडीशनल वेरिएशनल ऑटोएन्कोडर का लाभ उठाता है।