10560 पेपर
यह शोध पत्र उच्च-रिज़ॉल्यूशन वाली छवियों के लिए एक उच्च-क्षमता, सुदृढ़ वॉटरमार्किंग पद्धति प्रस्तावित करता है जो 1024×1024 छवियों में 4 KB डेटा को एम्बेड करने के लिए एक ब्लॉक-वाइज़ रणनीति और एक प्रतिवर्ती सममित एनकोडर-डिकोडर आर्किटेक्चर का उपयोग करता है, जबकि मजबूत दृश्य अदृश्यता और विभिन्न शोर हमलों के प्रति प्रतिरोध बनाए रखता है।
यह शोध पत्र AdvSerial को पेश करता है, जो एक गतिशील 2D-3D संयुक्त अनुकूलन ढांचा (framework) है जो निरंतर उच्च-कोण वाले भौतिक प्रतिकूल पैच (physical adversarial patches) उत्पन्न करता है ताकि बुनियादी ढांचे पर लगे डिटेक्टरों के विरुद्ध पैदल यात्रियों की सिमेंटिक विशेषताओं को प्रभावी ढंग से दबाया जा सके और मौजूदा सुरक्षा प्रणालियों से बचते हुए उच्च हमला सफलता दर प्राप्त की जा सके।
यह शोधपत्र ALLUDE को प्रस्तुत करता है, जो एक क्रॉस-प्लेटफ़ॉर्म, एकीकृत मूल्यांकन प्रणाली है जो विविध दृश्यों, मौसम की स्थितियों और कैमरा प्रक्षेप पथों के विरुद्ध विज़न मॉडल के विरुद्ध एडवरसैरियल हमलों का व्यापक रूप से आकलन और स्ट्रेस-टेस्ट करने के लिए डिफरेंशिएबल रेंडरिंग और लैटिन हाइपरक्यूब सैंपलिंग का लाभ उठाता है, जो पूर्ववर्ती कार्यों में महत्वपूर्ण प्रदर्शन अंतराल को प्रकट करता है।
यह शोध पत्र ParaCAD को प्रस्तुत करता है, जो एक ऑटोरेग्रेसिव फ्रेमवर्क है जो नेटिव पैरामीट्रिक सतहों को टोकनाइज़ और सिंथेसाइज करके पॉइंट क्लाउड्स से सीधे उच्च-निष्ठा (high-fidelity), वॉटरटाइट बाउंड्री रिप्रेजेंटेशन (B-Rep) मॉडल उत्पन्न करता है, जिससे मौजूदा पॉइंट- या ग्रिड-आधारित विधियों की ज्यामितीय निष्ठा और उपयोगिता संबंधी सीमाओं को दूर किया जा सके।
यह शोधपत्र प्रदर्शित करता है कि विभिन्न आर्किटेक्चर वाले डिनोइजिंग मॉडल मानव चमक भ्रम (brightness illusions) के आंतरिक "परसेप्चुअल फैंटम" (perceptual phantom) निरूपण विकसित करते हैं जो साइकोफिजिकल मॉडलों के साथ सह-संबंधित होते हैं और आंतरिक प्रसंस्करण को कारणपूर्ण रूप से प्रभावित करते हैं, फिर भी अंतिम आउटपुट में अदृश्य रहते हैं।
यह शोध पत्र STBridge प्रस्तुत करता है, जो एक साझा-लक्ष्य संरेखण (shared-target alignment) ढांचा है जो एक पर्यवेक्षित फाइन-ट्यूनिंग और सुदृढीकरण शिक्षण रणनीति के माध्यम से दोनों कार्यों को एक सामान्य लक्ष्य अवस्था के साथ संरेखित करके यूनिफाइड मल्टीमॉडल मॉडल्स में दृश्य समझ और पीढ़ी के बीच के अर्थ संबंधी अंतर को पाटता है, जिससे यह सुनिश्चित होता है कि उत्पन्न किए गए संपादन अपने वर्णनात्मक निर्देशों के साथ निरंतर मेल खाते हैं।
यह शोध पत्र VecFontLLM प्रस्तुत करता है, जो एक एंकर-निर्देशित मल्टीमॉडल लार्ज लैंग्वेज मॉडल है जो घटक लेआउट के लिए एक मोटे एंकर स्कैफोल्ड (anchor scaffold) की भविष्यवाणी करके और फिर बेज़ियर कंट्रोल पॉइंट्स (Bezier control points) को परिष्कृत करके जटिल चीनी वेक्टर फोंट के उच्च-गुणवत्ता वाले, प्रत्यक्ष फ्यू-शॉट संश्लेषण को प्राप्त करता है, जिससे मौजूदा अनुक्रम-आधारित और रास्टर-टू-वेक्टर विधियों की सीमाओं को दूर किया जा सके।
यह शोध पत्र PACE को पेश करता है, जो PairUAV सापेक्ष स्थानीयकरण (relative localization) के लिए एक ऐसी विधि है जो हेडिंग और रेंज अनुमान की विशिष्ट संरचनात्मक प्राथमिकताओं को बेहतर ढंग से पकड़ने के लिए अक्ष-विशिष्ट रीडआउट इंटरफेस (axis-specific readout interfaces) असाइन करके प्रदर्शन में सुधार करती है, और अंततः 0.001874 का अंतिम नियत चुनौती स्कोर (deterministic challenge score) प्राप्त करती है।
यह शोध पत्र रोबोटिक मैनिपुलेशन के लिए एक ओपन-वोकैबुलरी शेयर्ड ऑटोनॉमी फ्रेमवर्क प्रस्तुत करता है जो पहनने योग्य उपकरणों के बिना जेस्चर कंट्रोल, विजन-लैंग्वेज टारगेट ग्राउंडिंग, और जीपीयू-एक्सेलेरेटेड मॉडल-प्रेडिक्टिव कंट्रोल को जोड़ता है ताकि ऑपरेटरों को अव्यवस्थित औद्योगिक वातावरण में सटीक, टकराव-मुक्त ग्रैस्प प्राप्त करने में सहायता मिल सके।
यह शोध पत्र MIS-HCC का प्रस्ताव करता है, जो एक पदानुक्रमित चैनल क्लस्टरिंग विधि है जो पूर्व-प्रशिक्षित मेडिकल इमेज सेगमेंटेशन मॉडलों में समान चैनलों को फ्यूज करने के लिए वासरस्टीन दूरी (Wasserstein distance) का उपयोग करती है, जिससे संसाधन-सीमित प्लेटफार्मों पर तैनाती के लिए अत्याधुनिक तकनीकों की तुलना में बेहतर सटीकता और संपीड़न दक्षता प्राप्त होती है।