10882 पेपर
यह शोध पत्र उच्च गुणवत्ता वाले बेंचमार्क (PrivBench और PrivBench-H) और एक इंस्ट्रक्शन-ट्यूनिंग डेटासेट (PrivTune) को पेश करते हुए गोपनीयता-संवेदनशील सामग्री को संभालने में विजुअल लैंग्वेज मॉडल्स की सीमाओं को संबोधित करता है, और यह प्रदर्शित करता है कि न्यूनतम डेटा पर फाइन-ट्यूनिंग करने से समग्र प्रदर्शन को बनाए रखते हुए गोपनीयता जागरूकता में उल्लेखनीय वृद्धि होती है।
यह शोध पत्र मेलानोमा डिटेक्शन के लिए एक व्याख्यात्मक लेटेंट स्पेस उत्पन्न करने हेतु एक क्लास-अवेयर एडवरसेरियल वेरिएशनल ऑटोएन्कोडर और एक XGBoost क्लासिफायर को संयोजित करने वाले एक हाइब्रिड फ्रेमवर्क का प्रस्ताव करता है, जो न केवल मजबूत वर्गीकरण प्रदर्शन प्राप्त करता है बल्कि बायोप्सी-पुष्ट पूर्ववृत्तों के साथ संदिग्ध घावों की दृश्य तुलना सक्षम करके नैदानिक अनिश्चितता को पारदर्शी रूप से संप्रेषित करने के माध्यम से नैदानिक विश्वास को भी बढ़ाता है।
यह शोध पत्र ESMStereo का प्रस्ताव करता है, जो एक रियल-टाइम स्टीरियो मैचिंग मॉडल है जो डिस्पैरिटी अपसैंपलिंग प्रक्रिया में प्राथमिक विशेषताओं को एकीकृत करने के लिए एक एन्हांस्ड शफल मिक्सर (ESM) का उपयोग करता है, जिससे छोटे पैमाने के कॉस्ट वॉल्यूम्स और लाइटवेट एग्रीगेशन यूनिट्स के साथ उच्च सटीकता प्राप्त की जा सकती है।
यह शोध पत्र कॉन्ट्रास्टिव कंडीशनल-अनकंडीशनल अलाइनमेंट (CCUA) का प्रस्ताव करता है, जो एक ऐसा फ्रेमवर्क है जो हेड-क्लास की गुणवत्ता से समझौता किए बिना लॉन्ग-टेल्ड डिफ्यूजन मॉडल्स में टेल-क्लास छवियों की विविधता और निष्ठा को बढ़ाने के लिए अलाइनमेंट और अनसुपरवाइज्ड कॉन्ट्रास्टिव लॉस का उपयोग करता है।
यह शोध पत्र 3D गॉसियन स्प्लेटिंग फ्रेमवर्क में मल्टी-स्पेक्ट्रल इमेजरी को एकीकृत करने की रणनीतियों का प्रस्ताव और मूल्यांकन करता है, यह प्रदर्शित करते हुए कि एक समर्पित संयुक्त अनुकूलन दृष्टिकोण स्पेक्ट्रल बैंड्स के बीच ज्यामितीय विसंगतियों को प्रभावी ढंग से हल करता है और मल्टी-स्पेक्ट्रल एवं RGB पुनर्निर्माण गुणवत्ता दोनों को बढ़ाता है।
यह शोध पत्र BOFA का प्रस्ताव करता है, जो क्लास-इन्क्रीमेंटल लर्निंग के लिए एक पैरामीटर-एफिशिएंट फ्रेमवर्क है जो भूलने की प्रक्रिया को रोकने के लिए ऑर्थोगोनल लो-रैंक फ्यूजन के माध्यम से ब्रिज-लेयर तक अपडेट को सीमित करके CLIP मॉडल्स को अनुकूलित करता है और बिना किसी अतिरिक्त इन्फरेंस लागत के वर्गीकरण प्रदर्शन को बढ़ाने के लिए क्रॉस-मोडल हाइब्रिड प्रोटोटाइप्स का उपयोग करता है।
यह शोध पत्र MedGrounder को प्रस्तुत करता है, जो एक नवीन मॉडल है जो मेडिकल फ्रेज ग्राउंडिंग को एक सामान्यीकृत कार्य के रूप में पुनर्गठित करता है जो रिपोर्ट वाक्यों को शून्य, एक, या कई स्कोर किए गए क्षेत्रों से मैप करने में सक्षम है, जिससे यह जटिल निष्कर्षों पर पारंपरिक सिंगल-बॉक्स दृष्टिकोणों से बेहतर प्रदर्शन करता है और इसके लिए कम मानव एनोटेशन की आवश्यकता होती है।
यह शोध पत्र "काउंटरफीट आन्सर्स" (Counterfeit Answers) नामक एक नवीन प्रतिकूल हमले के परिदृश्य को प्रस्तुत करता है जो दस्तावेज़ की सामग्री को दृश्य रूप से अदृश्य तरीकों से गढ़ता है ताकि OCR-मुक्त डॉक्यूमेंट विजुअल क्वेश्चन अनस्वियरिंग मॉडल्स को विशिष्ट या गलत उत्तर उत्पन्न करने के लिए हेरफेर किया जा सके, जो Pix2Struct और Donut जैसे अत्याधुनिक सिस्टम की महत्वपूर्ण कमजोरियों को प्रदर्शित करता है।
SplatPainter एक स्टेट-अवेयर फीडफॉरवर्ड मॉडल है जो तीव्र, सटीक और पहचान-संरक्षित रिफाइनमेंट के लिए टेस्ट-टाइम ट्रेनिंग का लाभ उठाकर 2D उपयोगकर्ता इनपुट के माध्यम से 3D गॉसियन एसेट्स के इंटरैक्टिव, हाई-फिडेलिटी संपादन को सक्षम बनाता है।
यह शोध पत्र VENI का प्रस्ताव करता है, जो एक रोटेशन-इक्विवेरिएंट वेरिएशनल ऑटोएन्कोडर है जो 2D प्रोजेक्शन के बिना एक गोले पर प्राकृतिक प्रकाश व्यवस्था को मॉडल करने के लिए एक नवीन वेक्टर न्यूरॉन विजन ट्रांसफार्मर और एक कंडीशनल न्यूरल फील्ड का उपयोग करता है, जिससे मौजूदा विधियों की तुलना में अधिक सुचारू इंटरपोलेशन के साथ एक सुव्यवस्थित लेटेंट स्पेस प्राप्त होता है।