👁️ Category

cs.CV

11020 पेपर

💻 computer science

VGGHeads: 3D Multi Head Alignment with a Large-Scale Synthetic Dataset

यह शोध पत्र VGGHeads को प्रस्तुत करता है, जो डिफ्यूजन मॉडल्स द्वारा निर्मित विस्तृत 3D एनोटेशन वाली दस लाख से अधिक उच्च-रिज़ॉल्यूशन वाली छवियों का एक बड़े पैमाने का सिंथेटिक डेटासेट है, जो एक एकीकृत मॉडल के प्रशिक्षण को सक्षम बनाता है जो गोपनीयता और पूर्वाग्रह संबंधी चिंताओं को संबोधित करते हुए वास्तविक दुनिया के परिदृश्यों में प्रभावी ढंग से सामान्यीकरण करने के लिए एक साथ हेड डिटेक्शन और 3D मेश पुनर्निर्माण करता है।

Orest Kupyn, Eugene Khvedchenia, Christian Rupprecht2026-06-19
💻 computer science

Recognizing and Reconstructing a Multi-Unit Floor Plan

यह शोध पत्र एक नवीन पाइपलाइन प्रस्तावित करता है जो उन्नत MDA-Unet और MACU-Net सेगमेंटेशन आर्किटेक्चर को एक वेक्टर-आधारित पुनर्रचना मॉड्यूल के साथ जोड़ता है ताकि 2D वास्तुशिल्प फ्लोर प्लान से स्वचालित रूप से 3D डिजिटल ट्विन मॉडल को संश्लेषित किया जा सके, जिससे CubiCasa बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

Lukas Kratochvila, Gijs de Jong, Monique Arkesteijn, Simon Bilik, Tomas Zemcik, Karel Horak, Jan S. Rellermeyer2026-06-19
🤖 machine learning

Adversarial Dependence Minimization

यह शोध पत्र एडवर्सरियल डिपेंडेंस मिनिमाइजेशन (ADM) को प्रस्तुत करता है, जो एक डिफरेंशिएबल एल्गोरिदम है जो फीचर आयामों के बीच पारस्परिक स्वतंत्रता प्राप्त करने के लिए एक एनकोडर और ऑक्सिलरी नेटवर्क के बीच एक एडवर्सरियल गेम का उपयोग करता है, जिससे लीनियर कोवेरिएंस-आधारित विधियों की सीमाओं को दूर किया जा सके और नॉनलीनियर डिकोरिलेशन, इमेज क्लासिफिकेशन और सेल्फ-सुपरवाइज्ड लर्निंग जैसे कार्यों में रिप्रेजेंटेशन रोबस्टनेस को बढ़ाया जा सके।

Pierre-François De Plaen, Tinne Tuytelaars, Marc Proesmans, Luc Van Gool2026-06-19
⚡ electrical engineering

OncoReg: Medical Image Registration for Oncological Challenges

OncoReg चैलेंज ऑन्कोलॉजी में मेडिकल इमेज रजिस्ट्रेशन विधियों को विकसित करने और मान्य करने के लिए एक गोपनीयता-संरक्षित, दो-चरणीय ढांचे को पेश करता है, जिससे यह पता चलता है कि डीप लर्निंग और शास्त्रीय दृष्टिकोणों को जोड़ना, विशेष रूप से प्रभावी फीचर एक्सट्रैक्शन के माध्यम से, रेडियोथेरेपी में इंटरवेंशनल कोन-बीम सीटी को प्लानिंग फैन-बीम सीटी के साथ संरेखित करने के लिए सबसे मजबूत परिणाम देता है।

Wiebke Heyer, Yannic Elser, Lennart Berkel, Xinrui Song, Xuanang Xu, Pingkun Yan, Xi Jia, Jinming Duan, Zi Li, Tony C. W (…)2026-06-19
💻 computer science

RUB: Evaluating Residual Knowledge in Unlearned Models

यह शोध पत्र RUB, एक एकीकृत बेंचमार्क और अनलर्निंग मैपिंग अटैक (UMA) को पेश करता है ताकि मशीन अनलर्निंग की मजबूती का मूल्यांकन किया जा सके जो प्रतिकूल रिकवरी प्रयासों के विरुद्ध हो, जिससे यह पता चलता है कि वर्तमान अत्याधुनिक विधियाँ मानक सत्यापन मेट्रिक्स पास करने के बावजूद असुरक्षित बनी हुई हैं।

Hao Xuan, Xingyu Li2026-06-19
💻 computer science

Revisiting Active Speaker Detection: An In-the-Wild Benchmark for Generalization and Robustness

यह शोधपत्र UniTalk को प्रस्तुत करता है, जो एक नवीन इन-द-वाइल्ड बेंचमार्क डेटासेट है जिसे AVA जैसे मौजूदा बेंचमार्क के डोमेन गैप को संबोधित करने के लिए विविध, चुनौतीपूर्ण वास्तविक दुनिया के परिदृश्यों को कवर करके डिज़ाइन किया गया है, जिससे वर्तमान अत्याधुनिक मॉडलों की सीमाओं का पता चलता है और मजबूत सक्रिय वक्ता पहचान (एक्टिव स्पीकर डिटेक्शन) प्रणालियों को विकसित करने के लिए एक नया मानक स्थापित होता है।

Le Thien Phuc Nguyen, Zhuoran Yu, Khoa Quang Nhat Cao, Yuwei Guo, Tu Ho Manh Pham, Tuan Tai Nguyen, Toan Ngo Duc Vo, Luc (…)2026-06-19
💻 computer science

LaTtE-Flow: Layerwise Timestep-Expert Flow-based Transformer

यह शोध पत्र LaTtE-Flow को प्रस्तुत करता है, जो एक कुशल मल्टीमॉडल ट्रांसफॉर्मर आर्किटेक्चर है जो प्रीट्रेंड VLMs और एक नवीन लेयरवाइज टाइमस्टेप-एक्सपर्ट फ्लो-मैचिंग तंत्र का लाभ उठाकर इमेज अंडरस्टैंडिंग और जनरेशन को एकीकृत करता है ताकि काफी तेज़ इन्फरेंस स्पीड के साथ प्रतिस्पर्धी जनरेशन क्वालिटी प्राप्त की जा सके।

Ying Shen, Zhiyang Xu, Jiuhai Chen, Shizhe Diao, Jiaxin Zhang, Yuguang Yao, Joy Rimchala, Ismini Lourentzou, Lifu Huang2026-06-19
💻 computer science

Grids Often Outperform Implicit Neural Representations at Compressing Dense Signals

यह शोध पत्र यह प्रदर्शित करता है कि घने संकेतों (dense signals) को कंप्रेस करने के लिए, इंटरपोलेशन के साथ सरल नियमित ग्रिड अक्सर प्रशिक्षण गति और गुणवत्ता दोनों में इम्प्लिसिट न्यूरल रिप्रेजेंटेशन्स (INRs) से बेहतर प्रदर्शन करते हैं, जबकि बाइनरी शेप फिटिंग जैसे विशिष्ट क्षेत्रों की पहचान भी करते हैं जहाँ INRs अभी भी फायदेमंद बने हुए हैं।

Namhoon Kim, Sara Fridovich-Keil2026-06-19
💻 computer science

Beyond the Linear Separability Ceiling: Aligning Representations in VLMs

यह शोध पत्र लीनियर सेपरेबिलिटी सीलिंग (LSC) पर केंद्रित एक नैदानिक ढांचे को प्रस्तुत करता है जो यह प्रकट करता है कि विजुअल-लैंग्वेज मॉडल्स की अमूर्त तर्क (abstract reasoning) में विफलताएं अक्सर तर्क संबंधी दोषों के बजाय उप-इष्टतम विजुअल एलाइनमेंट के कारण होती हैं, और विजुअल रिप्रजेंटेशन्स को अधिक लीनिएली सेपरेबल ज्योमेट्री में पुनर्गठित करने के लिए एक कंट्रास्टिव ट्रेनिंग पद्धति का प्रस्ताव करता है, जिससे मॉडल इस प्रदर्शन सीमा को महत्वपूर्ण रूप से पार करने में सक्षम होते हैं।

Enrico Vompa, Tanel Tammet, Mohit Vaishnav2026-06-19
💻 computer science

An Angular-Temporal Interaction Network for Light Field Object Tracking in Low-Light Scenes

यह शोध पत्र ATINet को प्रस्तुत करता है, जो एक नवीन स्व-पर्यवेक्षित कोणीय-कालिक अंतःक्रिया नेटवर्क (self-supervised angular-temporal interaction network) है, जो चुनौतीपूर्ण कम रोशनी वाले दृश्यों में सिंगल और मल्टीपल ऑब्जेक्ट ट्रैकिंग दोनों में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए एक नए लाइट फील्ड एपिपोलर-प्लेन स्ट्रक्चर इमेज प्रतिनिधित्व का लाभ उठाता है।

Mianzhao Wang, Fan Shi, Xu Cheng, Feifei Zhang, Shengyong Chen2026-06-19