11087 पेपर
यह शोध पत्र PPDM को प्रस्तुत करता है, जो एक मेमोरी- और स्पीड-कुशल 3D मेडिकल इमेज ट्रांसलेशन फ्रेमवर्क है, जो उच्च-सटीकता वाले परिणाम प्राप्त करने के लिए एक रिवर्सिबल पिक्सेल पज़ल-अनपज़ल ऑपरेटर और एक डायरेक्ट ब्रिज डिफ्यूजन फॉर्मूलेशन का उपयोग करता है, जिससे मौजूदा विधियों की तुलना में गणनात्मक लागत में काफी कमी आती है।
Dyna-Pruner एक एंड-टू-एंड फ्रेमवर्क है जो इनपुट-डिपेंडेंट महत्व के आधार पर अनावश्यक इनपुट क्षेत्रों और संबंधित मॉडल संरचनाओं को गतिशील रूप से सह-प्रून (co-prune) करता है, जिससे स्पैटियो-टेम्पोरल मीडिया प्रेडिक्शन कार्यों के लिए नगण्य सटीकता हानि के साथ एज डिवाइसेस पर 70% तक FLOPs की कमी और 2.5× इन्फरेंस स्पीडअप प्राप्त होता है।
यह शोध पत्र हालिया एल्गोरिदम संबंधी प्रगति को अनिश्चितता प्रबंधन, विलंबता बाधाओं और शासन जैसे महत्वपूर्ण सिस्टम-इंजीनियरिंग आवश्यकताओं के साथ संश्लेषित करके, रोबस्टर, इंटरऑपरेबल और जवाबदेह परिनियोजन के लिए एक रोडमैप स्थापित करने हेतु फेशियल अफेक्ट एनालिसिस (चेहरे के भावों का विश्लेषण) को सर्विस-ओरिएंटेड सॉफ्टवेयर इकोसिस्टम्स के भीतर एक पुन: प्रयोज्य, विश्वसनीय सेवा घटक के रूप में पुनर्गठित करता है।
यह शोध पत्र कंटीन्यूअस ओक्लाब फॉलबैक (COFb) प्रस्तुत करता है, जो एक डिफरेंशिएबल, वन-पैरामीटर क्रोमा-गेटिंग विधि है जो डिस्क्रीट थ्रेशोल्ड स्विच पर निर्भर हुए बिना, इंटर-ह्यू डिटूर और ऑफ-लाइन बोज़ दोनों को समाप्त करने के लिए OKLCH और लीनियर ओक्लाब इंटरपोलेशन पाथ्स को निर्बाध रूप से मिश्रित करता है।
यह शोध पत्र एक टिकाऊ, एज-डिप्लॉय करने योग्य फेस रिकग्निशन फ्रेमवर्क प्रस्तावित करता है जो कॉम्पैक्ट, सिमेंटिकली रिच लेटेंट रिप्रेजेंटेशन उत्पन्न करने के लिए वेक्टर-क्वांटाइज्ड वेरिएशनल ऑटोएनकोडर (VQ-VAE) और नॉलेज डिस्टिलेशन का उपयोग करता है, जिससे कम शक्ति वाले उपकरणों पर मेमोरी, कंप्यूटेशन और ऊर्जा लागत को काफी कम करते हुए अत्याधुनिक सटीकता प्राप्त होती है।
यह शोध पत्र nnU-Net फ्रेमवर्क के भीतर एनिसोट्रोपिक (anisotropic) मेडिकल इमेज सेगमेंटेशन के लिए MNet आर्किटेक्चर की पुनरुत्पादकता (reproducibility) को मान्य करता है और दो हल्के विस्तारों—एक लर्नड फ्यूजन गेटिंग (learned Fusion Gating) मैकेनिज्म और एक VMamba स्टेट-स्पेस मॉड्यूल—को प्रस्तुत करता है, जो परिवर्तनशील वोक्सेल स्पेसिंग (voxel spacing) के बीच सेगमेंटेशन सटीकता और निरंतरता को और अधिक बढ़ाते हैं।
यह शोध पत्र एक नवीन नॉन-यूनिफॉर्म (गैर-समान) टाइमस्टेप शेड्यूलर प्रस्तुत करता है जो इमेज रिकंस्ट्रक्शन और एडिटिंग के लिए डिफ्यूजन इन्वर्जन की सटीकता को बिना किसी अतिरिक्त पैरामीटर या ओवरहेड के महत्वपूर्ण रूप से बढ़ाने के लिए, टाइमस्टेप आकार और इन्वर्जन एरर के बीच परवलयिक (पैराबोलिक) संबंध का लाभ उठाते हुए कम्प्यूटेशनल प्रयास को रणनीतिक रूप से आवंटित करता है।
यह शोध पत्र एगोसेंट्रिक एक्शन रिकग्निशन (egocentric action recognition) के लिए एक नवीन ढांचे का प्रस्ताव करता है जो वीडियो को टेम्पोरल एक्शन ग्राफ्स (Temporal Action Graphs) में परिवर्तित करके विजुअल परसेप्शन को सिम्बोलिक रीजनिंग से अलग करता है, और यह प्रदर्शित करता है कि स्ट्रक्चर्ड ग्राफ रिप्रेजेंटेशन पर इन-कॉन्टेक्स्ट लर्निंग के माध्यम से विजन-लैंग्वेज मॉडल्स को सिम्बोलिक रीज़नर के रूप में उपयोग करना विविध मॉडल परिवारों में प्रत्यक्ष पिक्सेल-आधारित अनुमान की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र Lesion-DDPM का प्रस्ताव करता है, जो एक लीजन-एन्हांस्ड (lesion-enhanced) 3D कंडीशनल डिफ्यूजन फ्रेमवर्क है जो उच्च लीजन फिडेलिटी (lesion fidelity) के साथ MS MRI स्कैन को प्रभावी ढंग से सिंथेसाइज करता है, और मौजूदा जनरेटिव मॉडल्स की तुलना में पुनर्निर्माण सटीकता (reconstruction accuracy) और डाउनस्ट्रीम लीजन सेगमेंटेशन प्रदर्शन दोनों में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक नवीन ज़ीरो-शॉट सेगमेंटेशन पद्धति प्रस्तावित करता है जो उच्च-रिज़ॉल्यूशन वाले अटेंशन मैप्स को U-Net एनकोडर फीचर्स के साथ संलयित करके और एक अनुकूली टाइमस्टेप चयन तंत्र पेश करके प्रदर्शन को बढ़ाता है जो डिफ्यूजन मॉडल्स के भीतर पार्ट-लेवल से ऑब्जेक्ट-लेवल एब्स्ट्रैक्शंस तक की पदानुक्रमित सिमेंटिक प्रगति का लाभ उठाता है।