10964 पेपर
यह शोध पत्र R पैकेज `autovi` और इसके Shiny एप्लिकेशन `autovi.web` को प्रस्तुत करता है, जो विजुअल सिग्नल स्ट्रेंथ (दृश्य संकेत की शक्ति) की भविष्यवाणी करके रेसिडुअल प्लॉट्स के मूल्यांकन को स्वचालित करने के लिए एक कंप्यूटर विजन मॉडल का उपयोग करते हैं, जिससे लीनियर मॉडलिंग में मैनुअल विजुअल डायग्नोसिस की स्केलेबिलिटी और निरंतरता संबंधी सीमाओं को संबोधित किया जा सके।
यह शोध पत्र "सोलो-टू-सोशल" (Solo-to-Social) ढांचे का प्रस्ताव करता है, जो एक प्लानर-एक्सेक्यूटर प्रतिमान (planner-executor paradigm) को नियोजित करके टेक्स्ट-संचालित 3D मानव-मानव अंतःक्रिया निर्माण की चुनौतियों का समाधान करता है, जहाँ एक LLM अंतर्निहित सामाजिक संरचना (चरणों और भूमिकाओं) का अनुमान लगाता है और एक मोशन एक्सेक्यूटर इस संरचना को भौतिक रूप से प्रशंसनीय, समन्वित दो-व्यक्ति गतियों में स्थापित करता है।
यह शोधपत्र टेलर-बेंच (Tailor-Bench) का परिचय देता है, जो एक ऐसा बेंचमार्क है जिसे क्रमिक रूप से चुनौतीपूर्ण परिदृश्यों के माध्यम से अनियमित भौतिक अंतःक्रियाओं का अनुकरण करने की विज़ुअल वर्ल्ड मॉडल्स (visual world models) की क्षमता का परीक्षण करके उनकी लॉन्ग-टेल जनरलाइजेशन (long-tail generalization) का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि वर्तमान मॉडल सतही दृश्य संकेतों (superficial visual cues) पर निर्भरता के कारण सामान्य पैटर्न से परे संघर्ष करते हैं।
यह शोध पत्र AVOC का प्रस्ताव करता है, जो एक रिट्रीवल-प्रेरित (retrieval-inspired) टोकन कंप्रेशन फ्रेमवर्क है जो प्रासंगिकता, महत्व और विविधता के आधार पर टोकन चयन को एक टॉप- रिट्रीवल समस्या के रूप में पुनर्गठित करके ओम्नी-मोडल LLMs में घंटे-स्तर की ऑडियो-वीडियो समझ को बढ़ाता है, जिससे लंबे समय के बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है और घंटे-लंबे संदर्भों में मजबूती बनाए रखी जाती है।
यह शोधपत्र एक व्यवस्थित एब्लेशन अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि कैसे विशिष्ट फाइन-ट्यूनिंग रणनीतियाँ, जिनमें लेयर फ्रीजिंग और कंट्रास्ट नॉर्मलाइजेशन शामिल हैं, मध्यकालीन पांडुलिपियों पर TrOCR के प्रदर्शन को प्रभावित करती हैं, जिससे यह पता चलता है कि विशिष्ट डिकोडर परतों को फ्रीज़ करने और प्रीप्रोसेसिंग को छोड़ने से प्रतिस्पर्धी सटीकता प्राप्त की जा सकती है, साथ ही क्रॉस-डेटासेट सत्यापन और त्रुटि विश्लेषण भी प्रदान किया जा सकता है।
यह शोधपत्र 'मेट्रिक वीक्यूए' (Metric VQA) का परिचय देता है, जो एक इल-पोज़्ड (ill-posed) वस्तु-आकार अनुमान बेंचमार्क है, यह प्रकट करने के लिए कि बड़े विजन-लैंग्वेज मॉडल भी मेट्रिक रीजनिंग के लिए दृश्य ज्यामिति (scene geometry) का प्रभावी ढंग से लाभ उठाने में विफल रहते हैं और वे सुदृढ़ साक्ष्य एकीकरण के बजाय लक्ष्य की पहचान पर अत्यधिक निर्भर रहते हैं, एक ऐसी सीमा जो काउंटरफैक्चुअल विश्लेषण और फाइन-ट्यूनिंग के बावजूद बनी रहती है।
यह शोध पत्र OVBEVSeg को प्रस्तुत करता है, जो एक ज्यामिति-जागरूक (geometry-aware) ओपन-वोकैबुलरी BEV सेगमेंटेशन फ्रेमवर्क है, जो अनदेखी श्रेणियों पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए विजन-लैंग्वेज मॉडल और प्रगतिशील 3D ज्यामितीय बाधाओं का लाभ उठाता है, जबकि वास्तविक समय की दक्षता और कम मेमोरी खपत को बनाए रखता है।
फीमेल-RHINO (Female-RHINO) एक रियल-टाइम, स्कैनर-एकीकृत AI फ्रेमवर्क है जो गर्भाशय के MRI के मात्रात्मक विश्लेषण और संरचित रिपोर्टिंग को स्वचालित करता है, जो शारीरिक संरचनाओं को सेगमेंट करने, फाइब्रॉइड जैसी विकृतियों का पता लगाने और 70 सेकंड के भीतर बायोमार्कर निकालने के लिए डीप लर्निंग का लाभ उठाता है, जिससे पेल्विक इमेजिंग में मानकीकरण और वर्कफ़्लो दक्षता में वृद्धि होती है।
यह शोध पत्र इस बात का मूल्यांकन करता है कि शास्त्रीय इमेज ट्रांसफॉर्मेशन हिस्टोपैथोलॉजी एनकोडर नेटवर्क के लेटेंट स्पेस एम्बेडिंग्स को कैसे प्रभावित करते हैं, यह पाते हुए कि हालांकि एम्बेडिंग्स अपने मूल समकक्षों की तुलना में यादृच्छिक (रैंडम) एम्बेडिंग्स की तुलना में अधिक निकट रहते हैं, फिर भी वे पूरी तरह से इनवेरिएंट (अपरिवर्तनीय) नहीं हैं, जो ट्रांसफॉर्मेशन-आधारित डेटा ऑग्मेंटेशन के प्रदर्शन लाभों की व्याख्या करता है और सामान्य एवं पैथोलॉजी-विशिष्ट मॉडलों के बीच महत्वपूर्ण अंतरों को उजागर करता है।
SENTRY एक प्रशिक्षण-मुक्त (training-free), प्लग-एंड-प्ले मॉड्यूल है जो आत्मविश्वास-संचालित मेमोरी अपडेट को पड़ोसी-जागरूक, चक्र-सुसंगत सत्यापन (neighbor-aware, cycle-consistent validation) से बदलकर SAM2-आधारित विज़ुअल ट्रैकर्स को बेहतर बनाता है ताकि ड्रिफ्ट को रोका जा सके और बिना पुन: प्रशिक्षण के कई बेंचमार्क पर नया स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त किया जा सके।