10933 पेपर
यह शोध पत्र एक नवीन डेटासेट डिस्टिलेशन फ्रेमवर्क प्रस्तावित करता है जो प्रेडिक्टेड नॉइज़ लॉस और इंट्रा-क्लास क्लस्टरिंग के आधार पर विशिष्ट इमेज पैचेस चुनने के लिए प्री-ट्रेन्ड डिफ्यूजन मॉडल्स का लाभ उठाता है, जो एक सुव्यवस्थित वन-स्टेप प्रक्रिया को सक्षम बनाता है जो बड़े पैमाने के डेटासेट्स पर मौजूदा जनरेशन-आधारित विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र TF-TI2I को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त विधि है जो 'रेफरेंस कॉन्टेक्स्टुअल मास्किंग' और एक 'विनर-टेक्स-ऑल' मॉड्यूल के माध्यम से MM-DiT आर्किटेक्चर के भीतर निहित संदर्भ शिक्षण (इम्प्लिसिट कॉन्टेक्स्ट लर्निंग) का लाभ उठाकर टेक्स्ट-एंड-इमेज-टू-इमेज जनरेशन को बेहतर बनाता है, साथ ही मूल्यांकन अंतराल को संबोधित करने के लिए FG-TI2I बेंच का प्रस्ताव भी देता है।
यह शोध पत्र सर्कुलर क्वासी-कॉन्फॉर्मल डिटर्बुलेंस (CQCD) का प्रस्ताव करता है, जो एक अनसुपरवाइज्ड फ्रेमवर्क है जो फॉरवर्ड और बैकवर्ड ट्रांसफॉर्मेशन को संयुक्त रूप से अनुमानित करने के लिए एक सर्कुलर आर्किटेक्चर के भीतर क्वासी-कॉन्फॉर्मल ज्योमेट्री और टाइट-फ्रेम ब्लॉक्स का लाभ उठाता है, जिससे बिना किसी स्वच्छ युग्मित डेटा (clean paired data) की आवश्यकता के, कई टर्बुलेंट फ्रेम्स से उत्कृष्ट इमेज रेस्टोरेशन और डेफॉर्मेशन फील्ड एस्टीमेशन प्राप्त होता है।
यह शोध पत्र TLG का प्रस्ताव करता है, जो एक नवीन वीकली-सुपरवाइज्ड फ्यू-शॉट सेगमेंटेशन फ्रेमवर्क है जो सिमेंटिक होमोजेनाइजेशन (semantic homogenization) को दूर करने के लिए विशिष्ट एग्रीगेशन, ट्रांसफर और CLIP मॉड्यूल के साथ एक होमोलोगस लेकिन हेटेरोजेनियस नेटवर्क का उपयोग करता है, जिससे काफी कम मापदंडों (parameters) के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है और यह पूरी तरह से सुपरवाइज्ड मॉडलों से भी बेहतर प्रदर्शन करता है।
TinySR एक कॉम्पैक्ट, रियल-टाइम डिफ्यूजन मॉडल है जो वास्तविक दुनिया के इमेज सुपर-रिज़ॉल्यूशन के लिए है, जो नवीन डेप्थ प्रूनिंग रणनीतियों, VAE कंप्रेशन और टाइम- एवं प्रॉम्प्ट-संबंधित मॉड्यूल्स को हटाने के माध्यम से उच्च धारणात्मक गुणवत्ता बनाए रखते हुए महत्वपूर्ण गति और पैरामीटर में कमी प्राप्त करता है।
यह शोध पत्र विजयवाड़ा में भारतीय धान के खेतों का एक बड़े पैमाने पर, उच्च-रिज़ॉल्यूशन वाला यूएवी-आधारित (UAV-based) आरजीबी (RGB) और मल्टीस्पेक्ट्रल डेटासेट प्रस्तुत करता है, जो नर्सरी से लेकर कटाई तक के सभी विकास चरणों को समृद्ध मेटाडेटा और सत्यापित वनस्पति सूचकांकों के साथ कवर करता है ताकि लक्षित छिड़काव, रोग विश्लेषण और उपज अनुमान के अनुप्रयोगों का समर्थन किया जा सके।
यह शोध पत्र लैंग्वेज-ड्रिवन सीक्वेंस-लेवल मोडल-इनवेरिएंट रिप्रेजेंटेशन लर्निंग (LSMRL) पद्धति का प्रस्ताव करता है, जो मौजूदा वीडियो-आधारित विज़िबल-इन्फ्रारेड पर्सन री-आइडेंटिफिकेशन दृष्टिकोणों की सीमाओं को प्रभावी ढंग से संबोधित करने और अत्याधुनिक प्रदर्शन प्राप्त करने के लिए भाषा संकेतों द्वारा निर्देशित स्थानिक-कालिक फीचर लर्निंग, सिमेंटिक डिफ्यूजन और क्रॉस-मोडल इंटरेक्शन मॉड्यूल को एकीकृत करता है।
यह शोध पत्र प्राइवेसीबेंच (PrivacyBench) का परिचय देता है, जो एक व्यवस्थित बेंचमार्किंग फ्रेमवर्क है जो हाइब्रिड प्राइवेसी-प्रिजर्विंग विजन सिस्टम्स में महत्वपूर्ण गैर-योगात्मक विफलताओं (non-additive failures) को उजागर करता है, विशेष रूप से यह प्रदर्शित करता है कि फेडरेटेड लर्निंग को डिफरेंशियल प्राइवेसी के साथ मिलाने से सटीकता में भारी गिरावट और संसाधन ओवरहेड होता है, जबकि फेडरेटेड लर्निंग को सिक्योर मल्टी-पार्टी कंप्यूटेशन के साथ मिलाने से बेसलाइन प्रदर्शन के करीब बना रहता है।
यह शोधपत्र OmniRobotHome को प्रस्तुत करता है, जो एक मल्टी-कैमरा होम प्लेटफॉर्म है जो यह प्रदर्शित करता है कि धारणा की गुणवत्ता—विशेष रूप से रीयल-टाइम प्रोसेसिंग, सूक्ष्मता और पूर्वानुमान जैसे कारक—मानव-रोबोट प्रणालियों में सुरक्षा, सहायता और सामाजिक अंतःक्रियाओं की प्रभावशीलता को सीधे तौर पर निर्धारित करती है।
यह शोध पत्र Qwen-Image-Bench को प्रस्तुत करता है, जो पेशेवर कलाकारों के साथ सह-डिज़ाइन किया गया एक निर्माता-केंद्रित बेंचमार्क है, जो वास्तविक दुनिया की निष्ठा (fidelity) और रचनात्मक सृजन के माध्यम से 56 सत्यापन योग्य रूब्रिक्स के एक पदानुक्रमित वर्गीकरण के जरिए टेक्स्ट-टू-इमेज मॉडलों का मूल्यांकन करता है, और एक विशिष्ट जज मॉडल का उपयोग करता है जो मौजूदा बेंचमार्क की तुलना में अत्याधुनिक प्रदर्शन को बेहतर ढंग से अलग करने के लिए सूक्ष्म निदान (fine-grained diagnostics) प्रदान करता है।