11020 पेपर
SPATIA एक नवीन मल्टीमॉडल जनरेटिव और प्रेडिक्टिव मॉडल है जो ऊतक-स्तरीय विश्लेषण (tissue-level analysis), फेनोटाइप जनरेशन और क्रॉस-मोडल प्रेडिक्शन में मौजूदा तरीकों से बेहतर प्रदर्शन करने के लिए सेल मॉर्फोलॉजी, जीन एक्सप्रेशन और स्पेशियल कॉन्टेक्स्ट को एकीकृत करता है, जिसे एक विशाल मल्टी-स्केल डेटासेट पर प्रशिक्षित कॉन्फिडेंस-अवेयर फ्लो मैचिंग फ्रेमवर्क के माध्यम से बनाया गया है।
यह शोध पत्र 4DSloMo प्रस्तुत करता है, जो एक उच्च-गति वाली 4D पुनर्निर्माण प्रणाली है जो एक एसिंक्रोनस कैप्चर स्कीम और विरल दृष्टिकोणों (sparse viewpoints) से उत्पन्न आर्टिफैक्ट्स को ठीक करने के लिए एक नवीन वीडियो-डिफ्यूजन-आधारित जनरेटिव मॉडल का उपयोग करके मानक 25 FPS कैमरों के माध्यम से 100–200 FPS की समतुल्य फ्रेम दर प्राप्त करती है।
यह शोध पत्र एआई-जनित छवियों और वीडियो का पता लगाने और उन्हें समझाने के लिए एक एकीकृत एमएलएलएम (MLLM), बस्टरएक्स++ (BusterX++), के साथ-साथ जेनबस्टर-बेंच++ (GenBuster-Bench++) बेंचमार्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि एक एकल-चरणीय शुद्ध सुदृढीकरण लर्निंग (reinforcement learning) रणनीति पारंपरिक एसएफटी+आरएल (SFT+RL) दृष्टिकोणों से बेहतर प्रदर्शन करती है क्योंकि यह स्वतःस्फूर्त क्रॉस-मोडल क्षमता हस्तांतरण को सक्षम करने के लिए पॉलिसी एंट्रॉपी (policy entropy) को संरक्षित करती है।
यह शोध पत्र यह प्रस्तावित करता है कि न्यूरल नेटवर्क में एडवरसेरियल भेद्यता (adversarial vulnerability) और ट्रांसफ़रेबिलिटी (transferability) "सुपरपोजिशन" से उत्पन्न होती है, जहाँ कुशल सूचना एनकोडिंग गैर-ऑर्थोगोनल (non-orthogonal) निरूपणों को मजबूर करती है जो विशेषताओं के बीच हस्तक्षेप का कारण बनती है, जिससे लक्षित गड़बड़ी (targeted perturbations) अनजाने में अन्य अवधारणाओं को प्रभावित करती है।
यह शोधपत्र एक पुनरुत्पादक पाइपलाइन प्रस्तुत करता है जो इन-सीटू (in-situ) कैमरों का उपयोग करके शहरी नदियों में तैरते मानवजनित मलबे की मजबूत, कम लागत वाली, स्वचालित निगरानी और मीट्रिक आकार अनुमान को सक्षम करने के लिए डीप लर्निंग और प्रक्षेपिक ज्यामिति (projective geometry) को संयोजित करता है।
यह शोध पत्र एक हल्का, CNN-आधारित फ्रेमवर्क प्रस्तावित करता है जो केवल एन्क्रिप्टेड पैकेट आकार डेटा का उपयोग करके BRISQUE और MOS जैसे वीडियो कॉन्फ्रेंसिंग गुणवत्ता के अनुभव (QoE) मेट्रिक्स की सटीक भविष्यवाणी करता है, जिससे ISPs को सामग्री तक पहुँच बनाए बिना प्रदर्शन का आकलन करने में सक्षम बनाया जा सके।
यह अध्ययन प्रदर्शित करता है कि सिंथेटिक डेटा द्वारा निर्देशित एक फीचर हस्तक्षेप मॉडल (feature intervention model) वृद्ध वयस्कों के लिए मानव गतिविधि पहचान की मजबूती और सटीकता में महत्वपूर्ण सुधार करता है, विशेष रूप से हिप फ्रैक्चर पुनर्वास के दौरान नैदानिक रूप से महत्वपूर्ण पोस्चरल ट्रांसफर्स (postural transfers) का पता लगाने को बढ़ाता है।
यह शोध पत्र m2sv को प्रस्तुत करता है, जो मैप-टू-स्ट्रीट-व्यू स्थानिक तर्क (spatial reasoning) के लिए एक स्केलेबल बेंचमार्क और संबद्ध फाइन-ट्यूनिंग डेटासेट है, जो यह प्रकट करता है कि अन्य कार्यों पर मजबूत प्रदर्शन के बावजूद, वर्तमान विजन-लैंग्वेज मॉडल मानव एनोटेटरों की तुलना में ज्यामितीय संरेखण (geometric alignment) और व्यूपॉइंट अनुमान (viewpoint inference) में संघर्ष करते हैं।
यह शोध पत्र PRISMamba प्रस्तुत करता है, जो एक रोटेशन-रोबस्ट विजन स्टेट स्पेस मॉडल है जो निश्चित रैखिक स्कैन क्रमों को संकेंद्रित वलय-आधारित ट्रैवर्सल और आंशिक चैनल फ़िल्टरिंग से बदलकर सटीकता, दक्षता और ज्यामितीय स्थिरता में सुधार करता है।
यह शोध पत्र RAIGen को प्रस्तुत करता है, जो Matryoshka Sparse Autoencoders और एक नवीन अल्पसंख्यक मीट्रिक (minority metric) का उपयोग करके टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल्स में दुर्लभ या कम प्रतिनिधित्व वाले सिमेंटिक गुणों की खोज के लिए पहला लेबल-मुक्त फ्रेमवर्क है, जो न्यूरॉन एक्टिवेशन फ्रीक्वेंसी को सिमेंटिक विशिष्टता के साथ जोड़ता है।