👁️ Category

cs.CV

10933 पेपर

💻 computer science

World Action Models Enable Continual Imitation Learning with Recurrent Generative Replays

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।

Manish Kumar Govind, Dominick Reilly, Smit Patel, Hieu Le, Srijan Das2026-06-26
⚡ electrical engineering

SparseGS: Sparse View Synthesis using 3D Gaussian Splatting

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।

Haolin Xiong, Sairisheek Muttukuru, Hanyuan Xiao, Rishi Upadhyay, Pradyumna Chari, Yajie Zhao, Achuta Kadambi2026-06-25
🤖 AI

Transfer Learning With Densenet201 Architecture Model For Potato Leaf Disease Classification

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।

Rifqi Alfinnur Charisma, Faisal Dharma Adhinata2026-06-25
💬 NLP

Privacy-Aware Visual Language Models

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।

Laurens Samson, Nimrod Barazani, Sennay Ghebreab, Yuki M. Asano2026-06-25
🤖 AI

Latent Space Analysis for Interpretable Uncertainty in Melanoma Classification

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।

Ciro Listone, Aniello Murano2026-06-25
💻 computer science

ESMStereo: Enhanced ShuffleMixer Disparity Upsampling for Real-Time and Accurate Stereo Matching

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।

Mahmoud Tahmasebi, Saif Huq, Kevin Meehan, Marion McAfee2026-06-25
🤖 machine learning

Contrastive Conditional-Unconditional Alignment for Long-tailed Diffusion Model

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।

Fang Chen, Alex Villa, Gongbo Liang, Fuxing Li, Xiaoyi Lu, Meng Tang2026-06-25
💻 computer science

Towards Integrating Multi-Spectral Imaging with Gaussian Splatting

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।

Josef Grün, Lukas Meyer, Maximilian Weiherer, Bernhard Egger, Marc Stamminger, Linus Franke2026-06-25
🤖 machine learning

BOFA: Bridge-Layer Orthogonal Low-Rank Fusion for CLIP-Based Class-Incremental Learning

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।

Lan Li, Tao Hu, Da-Wei Zhou, Jia-Qi Yang, Han-Jia Ye, De-Chuan Zhan2026-06-25
💬 NLP

Generalised Medical Phrase Grounding

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।

Wenjun Zhang, Shekhar S. Chandra, Aaron Nicolson2026-06-25