11020 पेपर
यह शोध पत्र ICRA 2026 GOOSE 2D फाइन-ग्रेन्ड सिमेंटिक सेगमेंटेशन समाधान प्रस्तुत करता है, जिसने एक लाइटवेट डिकोडर के साथ SAM3 फाउंडेशन मॉडल को अनुकूलित करके और सेल्फ-डिस्टिलेशन स्कीम, इमेज-लेवल मल्टी-स्केल टेस्ट-टाइम ऑगमेंटेशन और आक्रामक फोटोमेट्रिक डिस्टॉर्शन के माध्यम से प्रदर्शन को बढ़ाकर 69.73% mIoU प्राप्त किया है।
HilDA एक स्व-पर्यवेक्षित प्री-ट्रेनिंग फ्रेमवर्क है जो LiDAR बैकबोन के लिए विजन फाउंडेशन मॉडल्स से पदानुक्रमित डिस्टिलेशन (hierarchical distillation) और एक टेम्पोरल ऑक्यूपेंसी डिफ्यूजन ऑब्जेक्टिव का लाभ उठाता है ताकि बेहतर सिमेंटिक और ज्यामितीय जानकारी को कैप्चर करके 3D ऑब्जेक्ट डिटेक्शन, सीन फ्लो और सिमेंटिक ऑक्यूपेंसी प्रेडिक्शन में अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र DeepForestVisionV2 प्रस्तुत करता है, जो मूल DeepForestVision टूल का एक पारिस्थितिकी-संचालित विस्तार है, जो अफ्रीकी उष्णकटिबंधीय वनों में ऊर्ध्वाधर स्तरीकरण (vertical stratification), दृश्य खुलेपन (scene openness) और मानवजनित इंटरफेस को बेहतर ढंग से संबोधित करने के लिए प्रेडिक्शन क्लासेज को 35 से बढ़ाकर 64 करता है, जिससे विविध कैमरा-ट्रैप परिनियोजन परिदृश्यों में पहचान सटीकता और टैक्सोनोमिक विविधता में महत्वपूर्ण सुधार होता है और साथ ही मजबूत ऑफलाइन वर्कफ़्लो क्षमताओं को बनाए रखा जाता है।
यह शोध पत्र BAFIS को प्रस्तुत करता है, जो 21,140 बहुभाषी छवियों और मानवीय प्राथमिकता फीडबैक से बना एक डेटासेट और ढांचा है, जो पांच प्रमुख टेक्स्ट-टू-इमेज मॉडलों में व्यवस्थित व्यावसायिक पूर्वाग्रहों का मूल्यांकन और प्रकटीकरण करता है, जो निष्पक्ष एआई सिस्टम विकसित करने के लिए स्थापित मेट्रिक्स के साथ मानवीय निर्णय को शामिल करने की महत्वपूर्ण आवश्यकता को प्रदर्शित करता है।
यह शोध पत्र सिंगल-स्टेज हायरार्किकल रेक्टिफिकेशन (SSHR) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो पारंपरिक मल्टी-स्टेज वीकली सुपरवाइज्ड सेगमेंटेशन की कम्प्यूटेशनल लागत और त्रुटि प्रसार को एक 'हायरार्किकल फीचर रेक्टिफिकेशन मॉड्यूल' के माध्यम से मध्यवर्ती विशेषताओं को सक्रिय रूप से शुद्ध करके और एकल प्रशिक्षण लूप में उच्च-सटीक एक्टिवेशन मैप्स उत्पन्न करके समाप्त करता है, जिससे हिस्टोपैथोलॉजी डेटासेट पर बेहतर प्रदर्शन और काफी तेज़ प्रशिक्षण प्राप्त होता है।
यह शोध पत्र अत्याधुनिक चुनौतियों का विश्लेषण करके और कुशल लिंक्ड प्रशिक्षण डेटा पीढ़ी के माध्यम से सिंथेटिक सिमुलेशन और वास्तविक दुनिया के अनुप्रयोगों के बीच डोमेन अंतराल को पाटने के लिए चल रहे कार्य को प्रस्तुत करके संज्ञानात्मक रोबोटिक्स में वर्तमान एआई विजन मॉडलों की सीमाओं को संबोधित करता है।
यह शोधपत्र UMamba प्रस्तुत करता है, जो सालिएंट ऑब्जेक्ट डिटेक्शन (salient object detection) के लिए एक नवीन टू-लेवल नेस्टेड U-स्ट्रक्चर्ड नेटवर्क है, जो लंबी दूरी की संदर्भात्मक जानकारी (long-range contextual information) को प्रभावी ढंग से कैप्चर करने और अत्याधुनिक प्रदर्शन प्राप्त करने के लिए मल्टीस्केल माम्बा U-ब्लॉक्स और एक पदानुक्रमित प्रशिक्षण पर्यवेक्षण पद्धति (hierarchical training supervision method) का लाभ उठाता है।
यह शोध पत्र वाइब्रेंटफॉरेस्ट्स (VibrantForests) फ्रेमवर्क प्रस्तुत करता है, जो कंप्यूटर विज़न का उपयोग करके राष्ट्रीय वन सूची, हवाई लिडार (airborne lidar) और उपग्रह इमेजरी को एकीकृत करता है ताकि पूरे महाद्वीपीय संयुक्त राज्य अमेरिका में प्रमुख वन संरचना गुणों के सुसंगत, वार्षिक, 10-मीटर रिज़ॉल्यूशन वाले वॉल-टू-वॉल मानचित्र उत्पन्न किए जा सकें, जो बड़े पैमाने पर वन प्रबंधन और वनाग्नि नियोजन में सिग्नल संतृप्ति (signal saturation) और रिग्रेशन-टू-मीन (regression-to-mean) पूर्वाग्रहों जैसी सामान्य सीमाओं को प्रभावी ढंग से दूर करता है।
यह शोध पत्र सैद्धांतिक विश्लेषण और अनुभवजन्य प्रयोगों के माध्यम से यह प्रदर्शित करके कि U-Net और डिफ्यूजन ट्रांसफॉर्मर आर्किटेक्चर दूषित इनपुट से शोर के स्तर (noise scales) को स्पष्ट रूप से अनुमानित कर सकते हैं और टेम्पोरल कंडीशनिंग के बिना प्रतिस्पर्धी या बेहतर प्रदर्शन प्राप्त कर सकते हैं, डिफ्यूजन मॉडल में स्पष्ट टाइमस्टेप एम्बेडिंग्स की आवश्यकता को चुनौती देता है।
यह शोध पत्र QK प्रोडक्ट स्टीयरिंग (QK Product Steering) को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) और डेटा-मुक्त (data-free) विधि है जो क्वेरी-की (query-key) उत्पादों में प्रमुख सिंगुलर मोड्स (singular modes) को दबाकर और क्वेरी वेट्स (query weights) पर एक क्लोज्ड-फॉर्म अपडेट लागू करके विजन-लैंग्वेज मॉडल्स (Vision-Language Models) में ऑब्जेक्ट हैलुसिनेशन (object hallucinations) को कम करती है, जिससे बिना किसी अतिरिक्त इन्फरेंस ओवरहेड के महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।