👁️ Category

cs.CV

11020 पेपर

🤖 machine learning

Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models

Qwen-RobotManip एक सामान्यीकरण योग्य विजन-लैंग्वेज-एक्शन फाउंडेशन मॉडल है जो प्रतिनिधित्व, गति और व्यवहार संबंधी आयामों में एक एकीकृत संरेखण ढांचे का लाभ उठाता है ताकि लगभग 38,100 घंटों के ओपन-सोर्स कॉर्पस पर बड़े पैमाने पर प्रशिक्षण सक्षम किया जा सके, जिससे विविध रोबोटिक प्लेटफॉर्म और आउट-ऑफ-डिस्ट्रीब्यूशन बेंचमार्क में अत्याधुनिक प्रदर्शन और उभरती हुई सामान्यीकरण क्षमताएं प्राप्त होती हैं।

Haoqi Yuan, Zhixuan Liang, Anzhe Chen, Ye Wang, Haoyang Li, Pei Lin, Yiyang Huang, Zixing Lei, Tong Zhang, Jiazhao Zhang (…)2026-06-17
🤖 AI

A Quantitative Analysis of Multimodal Biomarkers in Alzheimer's Disease

यह शोध पत्र 789 ADNI विषयों के डेटा का उपयोग करते हुए मल्टीमॉडल अल्जाइमर रोग बायोमार्कर का एक मात्रात्मक विश्लेषण प्रस्तुत करता है ताकि क्रॉस-मोडल संबंधों को व्यवस्थित रूप से अभिलक्षणित किया जा सके, अनावश्यक मूल्यांकनों की पहचान की जा सके, और एक प्रमुख न्यूरोडीजेनेरेटिव प्रक्षेपवक्र को रेखांकित किया जा सके जो संज्ञानात्मक गिरावट के अनुरूप हो।

Antonio Scardace, Daniele Ravì2026-06-17
💻 computer science

MoonSplat: Monocular Online Gaussian Splatting with Sim(3) Global Optimization

MoonSplat एक सुदृढ़ और कुशल ऑनलाइन मोनोकुलर 3D गॉसियन स्प्लेटिंग फ्रेमवर्क है जो वैश्विक Sim(3) अनुकूलन और कलर रेसिडुअल लर्निंग को एकीकृत करता है ताकि स्टेट-ऑफ-द-आर्ट कैमरा पोज़ सटीकता और रेंडरिंग गुणवत्ता वास्तविक समय में प्राप्त की जा सके, जैसा कि बेंचमार्क डेटासेट और एक वास्तविक दुनिया के UAV परिनियोजन द्वारा प्रमाणित किया गया है।

Guo Pu, Yixuan Han, Haofeng Li, Yao Zhang, Hui Zhou, Zhouhui Lian2026-06-17
💻 computer science

MLLMs Get It Right, Then Get It Wrong: Tracing and Correcting Late-Layer Textual Bias

यह शोध पत्र मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में एक "लेट-लेयर टेक्स्टुअल ओवरराइड" (late-layer textual override) घटना की पहचान करता है जहाँ अंतिम परतों में टेक्स्ट बायस (text bias) द्वारा सही विजुअल भविष्यवाणियों को दबा दिया जाता है, और CALRD का प्रस्ताव करता है, जो एक ट्रेनिंग-फ्री विधि है जो इन ओवरराइड की गई विजुअल अंतर्दृष्टियों का पता लगाती है और उन्हें पुनर्स्थापित करती है ताकि कॉन्फ्लिक्ट बेंचमार्क्स पर प्रदर्शन में उल्लेखनीय सुधार किया जा सके।

Xingming Li, Ao Cheng, Qiyao Sun, Xixiang He, Xuanyu Ji, Runke Huang, Qingyong Hu2026-06-17
💻 computer science

PhaseWin: An Efficient Search Algorithm for Faithful Visual Attribution

PhaseWin एक कुशल सबसेट-सर्च एल्गोरिदम है जो निष्ठावान विजुअल एट्रिब्यूशन (faithful visual attribution) के लिए ग्रीडी सिलेक्शन को एक फेज़्ड विंडो-सर्च प्रक्रिया में पुनर्गठित करता है ताकि विभिन्न विजन कार्यों में उच्च निष्ठा बनाए रखते हुए कम्प्यूटेशनल जटिलता को द्विघात O(n2)O(n^2) से घटाकर रैखिक O(n)O(n) किया जा सके।

Zihan Gu, Ruoyu Chen, Junchi Zhang, Li Liu, Xiaochun Cao, Hua Zhang2026-06-17
💻 computer science

Blended Chart Surfaces: A Seamless Explicit Representation for Smooth Surface Fitting

यह शोध पत्र ब्लेंडेड चार्ट सर्फेस (Blended Chart Surfaces) को प्रस्तुत करता है, जो एक संक्षिप्त, नेटवर्क-मुक्त और स्पष्ट प्रतिनिधित्व है जो एक मोटे प्रॉक्सी मेश (proxy mesh) पर स्थानीय बहुपद मानचित्रों (local polynomial maps) को अनुकूलित करके और उन्हें एक सुचारू सम्मिश्रण योजना के माध्यम से संलयित करके वैश्विक रूप से सुचारू सतह फिटिंग प्राप्त करता है, जिससे यह मौजूदा न्यूरल रिप्रजेंटेशन का एक निर्बाध विकल्प प्रदान करता है जो अक्सर टोपोलॉजी बाधाओं या सीम आर्टिफैक्ट्स (seam artifacts) के साथ संघर्ष करते हैं।

Romy Williamson, Niloy Mitra2026-06-17
💻 computer science

Qwen-RobotNav Technical Report: A Scalable Navigation Model Designed for an Agentic Navigation System

Qwen-RobotNav एक स्केलेबल, पैरामीट्रिक नेविगेशन मॉडल है जिसे 15.6M नमूनों पर प्रशिक्षित किया गया है जो एजेंटिक सिस्टम को बिना किसी आर्किटेक्चरल बदलाव के इन्फरेंस के समय गतिशील रूप से अवलोकन रणनीतियों और कार्य मोड को पुनर्गठित करने में सक्षम बनाता है, जिससे विविध बेंचमार्क और वास्तविक दुनिया के रोबोट्स में अत्याधुनिक प्रदर्शन और मजबूत ज़ीरो-शॉट सामान्यीकरण प्राप्त होता है।

Jiazhao Zhang, Gengze Zhou, Hale Yin, Yiyang Huang, Zixing Lei, Qihang Peng, Haoqi Yuan, Jie Zhang, Xudong Guo, Xiaoyue (…)2026-06-17
💻 computer science

Neural Tree Reconstruction for the Open Forest Observatory

यह शोध पत्र क्लासिकल स्ट्रक्चर-फ्रॉम-मोशन तकनीकों की सीमाओं को दूर करने के लिए ओपन फॉरेस्ट ऑब्जर्वेटरी के वर्कफ़्लो में न्यूरल रेडिएंस फील्ड्स (NeRFs) को एकीकृत करने का प्रस्ताव करता है, जिससे उच्च गुणवत्ता वाले 3D वृक्ष पुनर्निर्माण उत्पन्न किए जा सकें जो वाइल्डफायर सिमुलेशन और कार्बन मॉनिटरिंग जैसे सटीक जलवायु अनुप्रयोगों के लिए आवश्यक हैं।

Marissa Ramirez de Chanlatte, Arjun Rewari, Trevor Darrell, Derek J. N. Young2026-06-17
💻 computer science

EgoCS-400K: An Egocentric Gameplay Dataset for World Models

यह शोध पत्र EgoCS-400K को प्रस्तुत करता है, जो 400,000 से अधिक प्रथम-व्यक्ति (first-person) काउंटर-स्ट्राइक गेमप्ले वीडियो का एक बड़े पैमाने का डेटासेट है जिसमें समय के साथ संरेखित क्रियाएं, अवस्थाएं और घटनाएं शामिल हैं, जिसे इंटरैक्टिव वर्ल्ड मॉडल्स को प्रशिक्षित करने के लिए निष्क्रिय वेब वीडियो और नियंत्रणीय सिमुलेशन के बीच के अंतर को पाटने के लिए डिज़ाइन किया गया है।

Rongjin Guo, Dong Liang, Yuhao Liu, Fang Liu, Tianyu Huang, Gerhard P. Hancke, Rynson W. H. Lau2026-06-17
💬 NLP

Looped World Models

यह शोध पत्र लूप्ड वर्ल्ड मॉडल्स (LoopWM) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो एक पैरामीटर-साझा ट्रांसफार्मर के माध्यम से लेटेंट स्टेट्स को पुनरावृत्ति से परिष्कृत करके, निष्ठावान लॉन्ग-होरिज़न सिमुलेशन और कम्प्यूटेशनल लागत के बीच के तनाव को हल करता है, जिससे 100 गुना तक पैरामीटर दक्षता प्राप्त होती है और इटरेटिव लेटेंट डेप्थ को वर्ल्ड मॉडलिंग के लिए एक नए स्केलिंग एक्सिस के रूप में स्थापित करता है।

Hongyuan Adam Lu, Z. L. Victor Wei, Qun Zhang, Jinrui Zeng, Bowen Cao, Lingwei Meng, Mocheng Li, Zezhong Wang, Haonan Yi (…)2026-06-17