💻 computer science

GeoFace: Consistent Multi-View Face Generation with Geometry-Constrained Diffusion

GeoFace एक ज्यामिति-प्रतिबंधित (geometry-constrained) ड्यूल-स्ट्रीम डिफ्यूजन फ्रेमवर्क है जो एक साझा अटेंशन मैकेनिज्म के माध्यम से RGB और 3D ज्यामिति को संयुक्त रूप से सिंथेसाइज करके और एक ज्यामिति-संरेखण हानि (geometry-alignment loss) द्वारा निर्देशित होकर सुसंगत बहु-दृष्टिकोण चेहरे की छवियां उत्पन्न करता है, जिससे मौजूदा विधियों में प्रचलित क्रॉस-व्यू विसंगति संबंधी समस्याओं पर विजय प्राप्त होती है।

Yeji Choi, Jinhyeok Choi, Jaewon Min, Minkyung Kwon, Jin Hyeon Kim, Seungryong Kim2026-06-29
💻 computer science

Multi-Modal Conditioned High-Resolution Transformer for Urban Electromagnetic Field Map Prediction Download PDF

यह शोध पत्र एक मल्टी-मोडल कंडिशन्ड हाई-रिज़ॉल्यूशन ट्रांसफार्मर फ्रेमवर्क प्रस्तावित करता है जो उच्च-रिज़ॉल्यूशन वाले शहरी इलेक्ट्रोमैग्नेटिक फील्ड मैप्स की कुशलतापूर्वक भविष्यवाणी करने के लिए बिल्डिंग लेआउट और एंटीना कॉन्फ़िगरेशन को एकीकृत करता है, जो नवीन कंडिशनिंग मैकेनिज्म, कोऑर्डिनेट-कंसिस्टेंट टेस्ट-टाइम ऑगमेंटेशन और एक कंपोजिट लॉस फंक्शन के माध्यम से स्टेट-ऑफ-द-आर्ट सटीकता प्राप्त करता है।

Do-Eon Kim, Dongryul Park, Seungyoung Ahn, Namwoo Kang, Seong-heum Kim, Seongsin Kim2026-06-29
💻 computer science

Two-Stage Cross-Domain Cervical Abnormality Screening with Cytopathological Image Synthesis and Knowledge Distillation

यह शोध पत्र एक दो-चरणीय क्रॉस-डोमेन सर्वाइकल असामान्यता स्क्रीनिंग फ्रेमवर्क प्रस्तावित करता है जो वितरण बदलावों (डिस्ट्रीब्यूशन शिफ्ट्स) को कम करने के लिए मध्यवर्ती डोमेन को संश्लेषित करने हेतु स्पेशियली-कंटीन्यूअस अनपेयर्ड न्यूरल श्रोडिंगर ब्रिज (SC-UNSB) को और बेहतर मॉडल सामान्यीकरण के लिए फीचर्स को संरेखित करने हेतु एक ड्यूल-लेवल नॉलेज डिस्टिलेशन रणनीति को जोड़ता है।

Jincheng Li, Yuzhi He, Yihui Zhan, Xinmei Zhang, Yifei Sun, Zelin Liu, Lichi Zhang, Minye Shao, Lili Zhao2026-06-29
💻 computer science

ZooClaw-FashionSigLIP2: Distilled Fine-tuning for Robust Fashion Retrieval

यह शोध पत्र ZooClaw-FashionSigLIP2 को प्रस्तुत करता है, जो एक फैशन-विशेषज्ञ मॉडल है जो नॉलेज डिस्टिलेशन (knowledge distillation) और वेट इंटरपोलेशन (weight interpolation) के साथ फुल फाइन-ट्यूनिंग के माध्यम से कार्य-विशिष्ट प्रदर्शन और सामान्यीकरण (generalization) के बीच के समझौते को हल करता है, और साथ ही एक नया उच्च-गुणवत्ता वाला बेंचमार्क जारी करता है और मौजूदा मूल्यांकन डेटासेट में पूर्वाग्रहों को सुधारता है।

Siqiao Xue, Chunxue Xu2026-06-29
💻 computer science

Scene and Human in One World: Reconstruction in a Feedforward Pass

यह शोध पत्र SHOW को प्रस्तुत करता है, जो एक एकीकृत फीडफॉरवर्ड फ्रेमवर्क है जो सीन स्केलिंग के लिए पैरामीट्रिक ह्यूमन प्रायर्स और ह्यूमन एलाइनमेंट के लिए सीन ज्योमेट्री का पारस्परिक रूप से लाभ उठाते हुए, मोनोकुलर वीडियो से मेट्रिक-स्केल 3D सीन्स और ह्यूमन मेष्स को संयुक्त रूप से पुनर्गठित करता है, जबकि ऑक्लूजन और क्लटर को संभालने के लिए एक प्रॉम्प्टेबल मास्किंग मैकेनिज्म का उपयोग करता है।

Boao Shi, Qiao Feng, Yiming Huang, Lingjie Liu2026-06-29
💻 computer science

PixelU: A U-Shaped Transformer for Efficient End-to-End Pixel Diffusion

PixelU एक न्यूनतम, सिंगल-स्टेज U-आकार के डिफ्यूजन ट्रांसफॉर्मर को पेश करता है जो ज़ीरो-कॉस्ट स्किप कनेक्शन और कॉन्स्टेंट-चैनल डाउन-सैंपलिंग का लाभ उठाकर अनावश्यक डिकोडर्स को समाप्त करता है ताकि हाई-फ्रीक्वेंसी विवरणों को लो-फ्रीक्वेंसी सिमेंटिक्स से अलग किया जा सके, जिससे काफी कम कम्प्यूटेशनल लागत के साथ स्टेट-ऑफ-द-आर्ट पिक्सेल-स्पेस डिफ्यूजन प्रदर्शन प्राप्त होता है।

Zipeng Guo, Lichen Ma, Yu He, Xiaolong Fu, Jingling Fu, Junshi Huang, Yan Li2026-06-29
🤖 machine learning

NormGuard: Reward-Preserving Norm Constraints in Flow-Matching Reinforcement Learning

यह शोधपत्र NormGuard को प्रस्तुत करता है, जो एक प्रशिक्षण-समय हिंज पेनल्टी (training-time hinge penalty) है जो फ्लो-मैचिंग सुदृढीकरण शिक्षण (flow-matching reinforcement learning) में वेलोसिटी नॉर्म इन्फ्लेशन (velocity norm inflation) को नियंत्रित करने के लिए वेग सीमा निर्धारित करता है ताकि रिवॉर्ड अलाइनमेंट को बनाए रखते हुए धारणात्मक गुणवत्ता में गिरावट को रोका जा सके, जो अप्रभावी इन्फरेंस-टाइम रीस्केलिंग की सीमाओं को संबोधित करता है।

Tianlin Pan, Lianyu Pang, Cheng Da, Huan Yang, Changqian Yu, Kun Gai, Wenhan Luo2026-06-29
💻 computer science

MindFlow: Harmonizing Cognitive Semantics and Acoustic Dynamics for Facial Animation Generation in Dyadic Conversations

माइंडफ्लो (MindFlow) तंत्रिका विज्ञान से प्रेरित एक दोहरी-पथवे जनरेटिव फ्रेमवर्क है जो जीवंत द्वैत चेहरे के एनीमेशन के लिए उच्च-स्तरीय संज्ञानात्मक इरादे और निम्न-स्तरीय मोटर रिफ्लेक्सों को सामंजस्यपूर्ण बनाता है, जिसमें विकसित होते भावनात्मक संदर्भ के लिए एक चंक-स्टेट (Chunk-State) दृष्टिकोण और सटीक, सुदृढ़ गति नियंत्रण के लिए चयनात्मक ध्वनिक गेटिंग (acoustic gating) के साथ एक कंडीशनल ऑटोरेग्रेसिव फ्लो मैचिंग नेटवर्क का उपयोग किया गया है।

Hejia Chen, Haoxian Zhang, Xu He, Xiaoqiang Liu, Pengfei Wan, Shoulong Zhang, Shuai Li2026-06-29
🤖 AI

Improving Adversarial Robustness via Activation Amplification and Attenuation

यह शोध पत्र एक्टिवेशन एम्प्लीफिकेशन एंड एटेनुएशन (A3) को प्रस्तुत करता है, जो एक हल्का प्लग-इन मॉड्यूल है जो सीखने योग्य मापदंडों के माध्यम से न्यूरल नेटवर्क एक्टिवेशन्स को गतिशील रूप से रीस्केल करता है ताकि एम्प्लीफिकेशन मोड में भविष्यवाणियों को कमज़ोर करने और एटेनुएशन मोड में एडवरसैरियल रोबस्टनेस को बढ़ाने के कार्य को एक साथ पूरा किया जा सके, जिससे विभिन्न बैकबोन और डेटासेट्स पर नगण्य कम्प्यूटेशनल ओवरहेड के साथ निरंतर प्रदर्शन सुधार प्राप्त होता है।

Taïga Gonçalves, Yongsong Huang, Tomo Miyazaki, Shinichiro Omachi2026-06-29
💻 computer science

CSD: Content-aware Speculative Decoding for Efficient Image Generation

यह शोध पत्र CSD का प्रस्ताव करता है, जो एक कंटेंट-अवेयर स्पेक्युलेटिव डिकोडिंग एल्गोरिदम है जो वितरण संरेखण (डिस्ट्रीब्यूशन अलाइनमेंट) के माध्यम से उच्च आउटपुट गुणवत्ता बनाए रखते हुए ऑटो-रिग्रेसिव इमेज जनरेशन को महत्वपूर्ण रूप से तेज करने के लिए एंट्रॉपी-आधारित प्रायिकता विश्राम (प्रोबेबिलिटी रिलैक्सेशन) को एक इष्टतम रीसैंपलिंग रणनीति के साथ जोड़ता है।

Mingcheng Wang, Junbo Qiao, Yunchen Li, Lingfu Jiang, Wei Li, Jie Hu, Jiao Xie, Zhou Yu, Xinghao Chen, Guixu Zhang, Shao (…)2026-06-29