10560 पेपर
यह शोध पत्र OrientSAM को प्रस्तुत करता है, जो एक ओरिएंटेशन-अवेयर (अभिविन्यास-जागरूक) स्थानिक संरेखण ढांचा है जो स्पष्ट ओरिएंटेशन जानकारी को इंजेक्ट करके और मजबूत एलोसेंट्रिक (विषय-केंद्रित) स्थानिक तर्क को सक्षम करने के लिए करिकुलम लर्निंग का उपयोग करके मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में कैमरा-केंद्रित शॉर्टकट्स को कम करता है।
RayOcc एक कैमरा-ओनली 3D सिमेंटिक ऑक्यूपेंसी प्रेडिक्शन फ्रेमवर्क है जो गॉसियन मिक्स्चर इंटेंसिटीज और पॉइसन इवेंट फॉर्मुलेशन का उपयोग करके किरणों को मल्टी-लेबल अस्तित्व समस्याओं के रूप में मॉडल करके गहराई की अस्पष्टता और अवरोध (occlusion) को संबोधित करता है, जिससे कई ऑक्यूपाइड परिकल्पनाओं का सह-अस्तित्व संभव होता है और nuScenes बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह अध्ययन एक दो-चरणीय इमेज एन्हांसमेंट पाइपलाइन का प्रस्ताव और सत्यापन करता है जो रेटिनल फंडस छवियों के लिए मानक HE और AHE विधियों की तुलना में कंट्रास्ट और संरचनात्मक निष्ठा (structural fidelity) में बेहतर मात्रात्मक प्रदर्शन प्रदर्शित करते हुए, वैल्यू चैनल पर लागू CLAHE के साथ HSV-आधारित ल्यूमिनोसिटी सुधार को जोड़ता है, जबकि नैदानिक प्रसंस्करण गति को बनाए रखता है।
यह अध्ययन ट्रांसमिशन इलेक्ट्रॉन माइक्रोस्कोपी छवियों में एडेनोवायरस का पता लगाने के लिए सबसे प्रभावी कॉन्फ़िगरेशन की पहचान करने हेतु YOLO26 मॉडल वेरिएंट्स के माध्यम से विभिन्न डेटा ऑग्मेंटेशन सेटअप (NAS, GAS, GMAS, और DAS) का व्यवस्थित रूप से बेंचमार्किंग करता है।
यह शोध पत्र PRiSM को प्रस्तुत करता है, जो एक नवीन मल्टी-टर्म लॉस और कुशल मेजराइज-मिनिमाइज ऑप्टिमाइज़र के साथ एक ट्रेनिंग-फ्री प्रोटोटाइप रेगुलराइजेशन विधि है, जो क्लास इम्बैलेंस (वर्ग असंतुलन) और वर्गों की परिवर्तनशील संख्या जैसी वास्तविक चुनौतियों के विरुद्ध फ्यू-शॉट विजन-लैंग्वेज मॉडल्स की मजबूती में महत्वपूर्ण सुधार करता है जहाँ वर्तमान अत्याधुनिक विधियाँ विफल हो जाती हैं।
यह शोध पत्र कंसिस्टेंट फीचर ट्रांसपोर्ट (CFT) को प्रस्तुत करता है, जो रेक्टिफाइड फ्लो पर आधारित एक प्रशिक्षण सिद्धांत है जो इमेज रिलाइटिंग को इल्यूमिनेशन फीचर ट्रांसपोर्ट समस्या के रूप में पुनर्गठित करता है ताकि स्रोत और लक्ष्य छवियों के बीच सुसंगत फीचर ट्रांसफॉर्मेशन को स्पष्ट रूप से लागू किया जा सके, जिससे मौजूदा डिफ्यूजन-आधारित विधियों की तुलना में बेहतर इल्यूमिनेशन कंट्रोल और कंटेंट प्रिजर्वेशन प्राप्त किया जा सके।
यह शोध पत्र NegScale प्रस्तुत करता है, जो एक नवीन ढांचा है जो 'स्ट्रक्चर्ड नेगेटिव ऑर्थोगोनैलिटी पेनल्टी' और 'डिसिमिलैरिटी-कैलिब्रेटेड सिमिलैरिटी एडजस्टमेंट' के माध्यम से नाजुक समानताओं से विश्वसनीय असमानताओं की ओर ध्यान केंद्रित करके, 'डिसिमिलैरिटी इनवेरिएंस' की स्थिर घटना का लाभ उठाकर शोर वाले लेबल (noisy labels) से मजबूती से सीखने के लिए उपयोग करता है।
यह शोध पत्र ग्रेडिएंट बायस (gradient bias) के कारण 3D गॉसियन स्प्लेटिंग अनुकूलन (optimization) में एक मौलिक "ब्लर ट्रैप" (Blur Trap) की पहचान करता है, इसे फार-साइड (far-side) और नियर-साइड (near-side) उपप्रकारों में वर्गीकृत करता है, और इन स्थानीय उप-इष्टतम समाधानों से प्रभावी ढंग से बाहर निकलने और उच्च-गुणवत्ता वाले रेंडरिंग प्राप्त करने के लिए सरल स्पष्ट अन्वेषण रणनीतियों (रैंडम सीडिंग और रैंडम स्प्लिटिंग) का प्रस्ताव करता है।
यह शोध पत्र एक सेल्फ-गाइडेड स्पार्स 3D रिफाइनमेंट (SSR) विधि प्रस्तावित करके मोनोक्यूलर ज्योमेट्री एस्टीमेशन में 2D फीचर मिक्सिंग के कारण होने वाले सूक्ष्म 3D विवरणों के विरूपण को संबोधित करता है, जो मोटे अनुमानों को वास्तविक स्थानिक स्थानीयता (spatial locality) के आधार पर फीचर्स को एकत्रित करने के लिए एक स्पार्स 3D वोक्सेल स्पेस में ऊपर उठाता है, जिससे उच्च-निष्ठा वाला मेट्रिक-स्केल पॉइंट मैप प्राप्त होता है।
यह शोध पत्र एक प्रशिक्षण-मुक्त, तीन-चरणीय पाइपलाइन ढांचे का प्रस्ताव करता है जो टर्मिनल अवस्थाओं के लिए प्रॉम्प्ट को फिर से लिखकर, संदर्भ पहचान और पूर्ववर्ती फ्रेमों पर संयुक्त अनुकूलन के माध्यम से कीफ्रेम उत्पन्न करके, और मल्टी-रेफरेंस मार्गदर्शन एवं पहचान-संचालित शोर खोज (noise searching) के साथ मध्यवर्ती खंडों को बढ़ाकर, अनुक्रमिक-क्रिया वीडियो निर्माण में विषय की पहचान को सुरक्षित रखता है।