10842 पेपर
यह शोध पत्र CORTEX को प्रस्तुत करता है, जो 3D चेस्ट सीटी मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स के लिए एक संरचित तर्क बेंचमार्क है, जो एक चार-चरणीय वर्कफ़्लो के माध्यम से लुप्त नैदानिक निशानों को पुनर्स्थापित करता है और विश्वसनीय, व्याख्या योग्य मेडिकल एआई के विकास को सक्षम करने के लिए एक चिकित्सक-डिज़ाइन किए गए मूल्यांकन प्रोटोकॉल के माध्यम से उन्हें मान्य करता है।
यह शोध पत्र पदानुक्रमित सामान्यीकरण (Hierarchical Normalization) को प्रस्तुत करता है, जो एक नियत (deterministic) विधि है जो फीचर वेक्टर्स को प्रमुख और गौण घटकों में विभाजित करके कुशल ब्रांच-एंड-बाउंड प्रूनिंग को सक्षम बनाने के लिए डिज़ाइन की गई है, जिससे ब्रूट-फोर्स सर्च की तुलना में महत्वपूर्ण गति प्राप्त होती है और साथ ही पूर्ण-वेक्टर मूल्यांकन के समान परिणाम बनाए रखती है, जिससे यह सिद्ध रूप से सटीक निकटतम-पड़ोसी पैच डिस्क्रिप्टर पुनर्प्राप्ति (nearest-neighbor patch descriptor retrieval) प्राप्त करता है। HN-Desc, 96.9% डिस्क्रिप्टर ऊर्जा को 8 आयामों तक सीमित करने के लिए पदानुक्रमित सामान्यीकरण पेश करता है, जो अनुमानित इंडेक्स के बिना सिद्ध सटीक निकटतम-पड़ोसी पुनर्प्राप्ति को सक्षम बनाता है, और गैर-समान आयामी महत्व (non-uniform dimensional importance) की अवधारणा का संबंध 2020 [पेटेंट 11,797,603] से है, जो कि मैट्रोशका प्रतिनिधित्व लर्निंग (Matryoshka Representation Learning, 2022) से पूर्व का है जो सामान्य-उद्देश्य के प्रतिनिधित्व के लिए नेस्टेड इलास्टिक एम्बेडिंग्स पर केंद्रित है।
यह शोध पत्र एक पूर्व-प्रशिक्षित 3D-सचेत फेस GAN (EG3D) को सीधे न्यूरल रेडिएंस फील्ड डेंसिटी मानों पर मानव फीडबैक से सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करके फाइन-ट्यून करने की एक विधि प्रस्तुत करता है, जो स्पष्ट मेश पर्यवेक्षण या आकार पूर्वग्रहों (shape priors) की आवश्यकता के बिना उपयोगकर्ता-पसंद 3D चेहरे की ज्यामिति उत्पन्न करने में सक्षम बनाता है।
यह शोध पत्र स्मेलनेट-वी (SmellNet-V) प्रस्तुत करता है, जो एक स्केलेबल विज़ुओ-ऑल्फैक्टरी (visuo-olfactory) डेटासेट है जिसे गंध के नमूनों को अर्थपूर्ण रूप से संरेखित छवियों के साथ सिंथेटिक रूप से जोड़कर बनाया गया है, और "सी एंड स्निफ़" (See & Sniff) स्वयं-पर्यवेक्षित ढांचे का प्रस्ताव करता है जो संयुक्त प्रतिनिधित्व सीखने में सक्षम बनाता है जो गंध वर्गीकरण, स्थानिक स्थानीयकरण और क्रॉस-मोडल रिट्रीवल को सक्षम बनाता है।
यह शोध पत्र OctoSense प्रस्तुत करता है, जो एक ओपन-सोर्स मल्टीमॉडल सेंसर प्लेटफॉर्म और संबंधित डेटासेट है जो एक तेज़, सुदृढ़, लेट-फ्यूजन मास्क ऑटोएनकोडर को सक्षम बनाता है ताकि विभिन्न धारणा कार्यों (perception tasks) में, विशेष रूप से रात के समय या सेंसर विफलता जैसी खराब स्थितियों के तहत, मौजूदा इमेज-ओनली फाउंडेशन मॉडल्स से बेहतर प्रदर्शन किया जा सके।
RoPEMover एक गहराई-जागरूक (depth-aware) ऑब्जेक्ट रिलोकेशन विधि पेश करता है जो डिफ्यूजन ट्रांसफॉर्मर्स के भीतर रोटरी पोजीशनल एम्बेडिंग्स (rotary positional embeddings) में हेरफेर करके ज्यामिति-संगत स्थानिक पुनर्व्यवस्था प्राप्त करता है, जिसमें यथार्थवादी ऑक्लूजन हैंडलिंग और शैडो अपडेट शामिल हैं, जो न्यूनतम वास्तविक दुनिया के पर्यवेक्षण के बावजूद अत्याधुनिक प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र डिनाइजिंग अटेंशन (DnA) प्रस्तुत करता है, जो एक नवीन तंत्र है जो सकारात्मक और नकारात्मक क्वेरीज़ का उपयोग करके इंटरैक्शन को विशिष्ट सबस्पेस में प्रोजेक्ट करता है, जिससे विजुअल कार्यों में शोर वाले अटेंशन पैटर्न को कम किया जा सके, और इस प्रकार इमेज और वीडियो अंडरस्टैंडिंग बेंचमार्क में प्रदर्शन लाभ प्राप्त किया जा सके।
यह शोध पत्र रिकरेंट जेनरेटिव रिप्ले (REGEN) का परिचय देता है, जो एक निरंतर इमिटेशन लर्निंग फ्रेमवर्क है जो पिछले कार्यों के निर्देशों से छद्म-रिप्ले प्रक्षेप पथ (pseudo-replay trajectories) को संश्लेषित करने के लिए वर्ल्ड एक्शन मॉडल्स का लाभ उठाता है, जिससे मूल मानवीय प्रदर्शनों को संग्रहीत करने की आवश्यकता के बिना रोबोटों में कैटास्ट्रोफिक फॉरगेटिंग को महत्वपूर्ण रूप से कम किया जा सकता है।
SparseGS एक कुशल प्रशिक्षण पाइपलाइन है जो डेप्थ प्रायर (depth priors), नवीन रेंडरिंग तकनीकों और रेगुलराइजेशन मॉड्यूल को एकीकृत करके स्पार्स व्यू सिंथेसिस (sparse view synthesis) के लिए 3D गॉसियन स्प्लेटिंग को उन्नत करती है ताकि फ्लोटर्स (floaters) और बैकग्राउंड कोलैप्स (background collapse) जैसे आर्टिफैक्ट्स को कम किया जा सके, जिससे केवल 3 से 12 इनपुट छवियों के साथ उच्च-गुणवत्ता वाला रियल-टाइम पुनर्निर्माण सक्षम होता है।
यह अध्ययन प्रदर्शित करता है कि 0.1 ड्रॉपआउट दर और एडम ऑप्टिमाइज़र के साथ डेंसनेट201 (DenseNet201) आर्किटेक्चर का उपयोग करने वाला एक ट्रांसफर लर्निंग दृष्टिकोण 40 छवियों के टेस्ट सेट पर 92.5% की उच्च सटीकता के साथ आलू के पत्तों की बीमारियों को प्रभावी ढंग से वर्गीकृत करता है, जो पारंपरिक तरीकों से बेहतर प्रदर्शन करता है।