11103 पेपर
यह शोध पत्र MuDuo का प्रस्ताव करता है, जो एक म्यूचुअल डिस्टिलेशन फ्रेमवर्क है जो केवल पांच लेबल किए गए मामलों का उपयोग करके अत्याधुनिक सेमी-सुपरवाइज्ड PET/CT अंग विभाजन के लिए एक लाइटवेट स्टूडेंट नेटवर्क को निर्देशित करने हेतु स्ट्रक्चरल (SAM-Med3D) और फंक्शनल (SegAnyPET) फाउंडेशन मॉडल्स का लाभ उठाता है।
यह शोध पत्र XPASS-Vis को प्रस्तुत करता है, जो कला, फैशन और परिदृश्य डोमेन में 129 एनोटेटरों द्वारा रेट किए गए 6,526 उद्दीपकों (stimuli) के साथ क्रॉस-डोमेन व्यक्तिगत छवि सौंदर्य मूल्यांकन के लिए डिज़ाइन किया गया पहला डेटासेट है, और उन बेसलाइन अनसुपरवाइज्ड डोमेन एडाप्टेशन मॉडलों को स्थापित करता है जो व्यक्तिगत सौंदर्य प्राथमिकताओं की आंशिक हस्तांतरणीयता को प्रदर्शित करते हैं, जबकि शेष प्रदर्शन अंतराल को पाटने के लिए आगे के अनुसंधान की आवश्यकता पर प्रकाश डालते हैं।
यह शोधपत्र विजन-लैंग्वेज मॉडल्स के लिए एक सेल्फ-क्वेश्चनिंग फ्रेमवर्क का प्रस्ताव करता है जो ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइजेशन (GRPO) का उपयोग करके मध्यवर्ती उप-प्रश्नों के निर्माण और अंतिम उत्तर की शुद्धता दोनों को पुरस्कृत करके स्वायत्त रूप से कंपोजिशनल विजुअल रीजनिंग रणनीतियों की खोज करता है, जिससे मानव-लिखित डिकम्पोजिशन उदाहरणों की आवश्यकता के बिना जटिल कार्यों पर प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एंडोस्कोपिक नेविगेशन में मोनोक्यूलर वीडियो डेप्थ एस्टीमेशन के लिए एक नवीन स्व-पर्यवेक्षित (self-supervised) ढांचे को प्रस्तुत करता है जो इस कार्य को एक अनकन्स्ट्रेंड मल्टी-व्यू 3D रिकंस्ट्रक्शन समस्या के रूप में पुनर्गठित करता है, जो अत्याधुनिक स्थानिक सटीकता और वैश्विक ज्यामितीय निरंतरता प्राप्त करने के लिए 3D फाउंडेशन मॉडल्स और एक तीन-प्रतिबंध अनुकूलन रणनीति का लाभ उठाता है।
यह शोध पत्र SCE, एक स्किल-कंपोजिशनल एक्सपर्ट्स फ्रेमवर्क का प्रस्ताव करता है जो कंपोजिशनल स्किल ग्राउंडिंग के माध्यम से कार्यों को पुन: प्रयोज्य कौशलों में विघटित करके और ड्यूल एक्जीक्यूशन-एंड-ट्रांजिशन एक्सपर्ट्स के माध्यम से उनके निष्पादन और संक्रमणों को समन्वित करके एम्बोडीड कॉन्टिनुअल लर्निंग में कैटास्ट्रोफिक फॉरगेटिंग को कम करता है।
यह शोध पत्र यह तर्क देता है कि दुर्लभ भावनाओं पर इन-द-वाइल्ड एक्सप्रेशन रिकग्निशन (in-the-wild expression recognition) की निरंतर विफलता क्लास इम्बैलेंस (class imbalance) के कारण नहीं, बल्कि रसेल के सर्कमप्लेक्स (Russell's circumplex) पर इन वर्गों की ज्यामितीय अपभ्रंशता (geometric degeneracy) के कारण है, जो यह प्रदर्शित करता है कि जबकि ज्यामितीय रूप से सूचित लॉस फंक्शन्स (loss functions) त्रुटि संरचनाओं को बदल सकते हैं, वे उन प्रतिनिधित्वों की मौलिक आवश्यकता को दूर नहीं कर सकते जो स्वाभाविक रूप से इन अपभ्रंशित युग्मों (degenerate pairs) को अलग करते हैं।
यह शोध पत्र कलर फंडस छवियों का उपयोग करके ग्लूकोमा की स्वचालित पहचान के लिए एक नवीन, एकीकृत पाइपलाइन प्रस्तावित करता है जो रेटिनल नर्व फाइबर लेयर का विश्लेषण करने के लिए एक एडेप्टिव एलिप्स-आधारित पोलर ट्रांसफॉर्मेशन को दो विशिष्ट ढांचों के साथ जोड़ता है: एक उच्च-परिशुद्धता वाला डीप लर्निंग फीचर फ्यूजन दृष्टिकोण जो 99.3% सटीकता प्राप्त करता है और एक संसाधन-कुशल बिट-प्लेन स्लाइसिंग एल्गोरिदम जो 92.31% सटीकता तक पहुँचता है, दोनों ही अल्पसेवित क्षेत्रों के लिए स्केलेबल नैदानिक समाधान प्रदान करने के लिए डिज़ाइन किए गए हैं।
यह शोध पत्र FACR को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो मल्टीमॉडल इमोशन रीजनिंग में काउंटरफैक्चुअल फेथफुलनेस (counterfactual faithfulness) को लागू करता है, जिसमें मॉडलों को अपने एक्शन यूनिट (AU) स्पष्टीकरणों को एक स्ट्रक्चरल कॉज़ल ग्राफ के साथ संरेखित करने के लिए प्रशिक्षित किया जाता है, जिससे यह सुनिश्चित होता है कि आह्वान किए गए AU भविष्यवाणियों के लिए कारणतः आवश्यक हैं और उत्पन्न टेक्स्ट में सत्यापन योग्य रूप से प्रतिबिंबित होते हैं।
यह शोध पत्र एक रिट्रीवल-ऑगमेंटेड रिलायबिलिटी-अवेयर इन्फरेंस फ्रेमवर्क प्रस्तावित करता है जो बाहरी विजुअल साक्ष्य का लाभ उठाकर भविष्यवाणी की विश्वसनीयता का अनुमान लगाने और चयनात्मक निर्णय गेटिंग को लागू करने के लिए, बिना मॉडल को पुन: प्रशिक्षित किए मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में सटीकता में उल्लेखनीय सुधार करता है और मतिभ्रम (hallucinations) को कम करता है।
यह शोध पत्र CPS4 का प्रस्ताव करता है, जो एक नवीन टेक्स्ट-गाइडेड सेमी-सुपरवाइज्ड स्पाइन सेगमेंटेशन फ्रेमवर्क है जो उच्च गुणवत्ता वाले सूडो लेबल्स उत्पन्न करने के लिए VLM प्रीट्रेनिंग के दौरान क्लास-विशिष्ट कंसिस्टेंसी कंस्ट्रेंट्स का लाभ उठाता है, और केवल 5% लेबल किए गए डेटा के साथ बेहतर प्रदर्शन प्राप्त करता है।