💻 computer science

STBridge: Shared-Target Alignment for Bridging Understanding and Generation in UMMs

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।

Ye Wang, Hongjun Wang, Hao Fang, Tongyuan Bai, Zuwei Long, Peixian Chen, Wei Liu, Weibo Gu, Xing Sun, Rui Ma2026-07-21
💻 computer science

VecFontLLM: Anchor-Guided Direct Synthesis of Chinese Vector Fonts

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।

Hao Yuan, Yuxuan Luo, Xing Chen, Zhouhui Lian2026-07-21
💻 computer science

PACE: Polar Axis-Conditioned Estimation for PairUAV Relative Localization

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।

Ze Rong2026-07-21
⚡ electrical engineering

From Perception to Assistance: Open-Vocabulary Shared Autonomy for Robotic Manipulation

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।

Murilo Vinicius da Silva, Ricardo V. Godoy, Juliano Negri, Gustavo J. G. Lahr, Ranulfo Bezerra, Marcelo Becker2026-07-21
💻 computer science

MIS-HCC: Hierarchical Channel Clustering for Efficient Medical Image Segmentation

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।

Bo Zhao, Haoran Yu, Lifei Liu, Zongcheng Chu, Yining Liu, Chang Liu, Szu-Yu Chen, Zequn Xie2026-07-21
💻 computer science

Orthogonal Knowledge Refreshing for Domain-Incremental Object Detection

यह शोध पत्र ऑर्थोगोनल नॉलेज रिफ्रेशिंग (OKR) का प्रस्ताव करता है, जो डोमेन-इन्क्रीमेंटल ऑब्जेक्ट डिटेक्शन के लिए एक पैरामीटर-एफिशिएंट फ्रेमवर्क है, जो डोमेन-विशिष्ट सबस्पेस के लो-रैंक उपयोग, ग्रेडिएंट-आधारित ऑर्थोगोनल प्रोजेक्शन और टोपोलॉजी-अवेयर कंसिस्टेंसी का उपयोग करता है ताकि कैटास्ट्रोफिक फॉरगेटिंग को प्रभावी ढंग से रोकते हुए विभिन्न डोमेनों में निरंतर अनुकूलन सक्षम किया जा सके।

Aoting Zhang, Dongbao Yang, Chang Liu, Xiaopeng Hong, Can Ma, Yu Zhou2026-07-21
💻 computer science

Automating Visual Recognition of Leprosy in Wild Chimpanzees

यह शोध पत्र जंगली चिंपांजी में कुष्ठ रोग (लेप्रोसी) का पता लगाने को स्वचालित करने के लिए पहले डीप लर्निंग पाइपलाइन और पैनलेप300 (PanLep300) डेटासेट को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि स्थानिक क्रॉप-स्तरीय भविष्यवाणियों का सरल एकत्रीकरण जटिल टेम्पोरल मॉडलों से बेहतर प्रदर्शन करता है क्योंकि इस बीमारी की दृश्य प्रस्तुति स्थिर होती है।

Katie I. Murray, Anna C. Bowland, Marina Ramon, Elena Bersacola, Aissa Regalla, Manmohan D. Sharma, Markus Mueller, Maji (…)2026-07-21
💻 computer science

The PanAf-SBR Dataset: Social Behaviour Recognition for Wild Great Apes

यह शोध पत्र PanAf-SBR को प्रस्तुत करता है, जो जंगली महान वानरों (ग्रेट एप्स) के लिए सूक्ष्म सामाजिक व्यवहारों के साथ एनोटेट किया गया पहला कैमरा ट्रैप डेटासेट है, और स्वचालित पहचान के लिए प्रारंभिक बेंचमार्क स्थापित करते हुए क्रॉस-डेटासेट ट्रांसफर लर्निंग के लाभों और बैकग्राउंड कॉन्टेक्स्ट के प्रभाव को प्रदर्शित करता है।

Maciej Braszczok, Otto Brookes, Xiaoxuan Ma, Federico Rossano, Yixin Zhu, Mimi Arandjelovic, Hjalmar Kühl, Majid Mirmehd (…)2026-07-21
💻 computer science

TimeLens2: Generalist Video Temporal Grounding with Multimodal LLMs

TimeLens2 एक सामान्यवादी वीडियो टेम्पोरल ग्राउंडिंग फ्रेमवर्क पेश करता है जो विविध बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए एक नवीन मल्टी-स्पैन सुपरविजन रणनीति और एक टेम्पोरल वासरस्टीन रिवॉर्ड का लाभ उठाते हुए मल्टीमॉडल एलएलएम (LLMs) का उपयोग करता है, जो समान आकार के बेसलाइन और बहुत बड़े ओपन-सोर्स मॉडलों दोनों से काफी बेहतर प्रदर्शन करता है।

Yuhan Zhu, Changlian Ma, Xiangyu Zeng, Xinhao Li, Zhiqiu Zhang, Songze Li, Jun Zhang, Tianxiang Jiang, Yuandong Yang, Zi (…)2026-07-21
🤖 machine learning

DA-MergeLoRA: Hypernetwork-Based LoRA Merging for Few-Shot Test-Time Domain Adaptation

यह शोध पत्र DA-MergeLoRA प्रस्तुत करता है, जो एक फ्यू-शॉट टेस्ट-टाइम डोमेन एडेप्टेशन फ्रेमवर्क है जो एक मेटा-लर्नड हाइपरनेटवर्क का लाभ उठाता है ताकि नए टार्गेट डोमेन के लिए सोर्स-डोमेन-विशिष्ट LoRA मॉड्यूल्स को एक एकल एडेप्टेड रिप्रेजेंटेशन में गतिशील रूप से मर्ज किया जा सके, जिससे सोर्स ट्रेनिंग के दौरान टार्गेट डेटा की आवश्यकता के बिना स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त होता है।

Siobhan Reid, Zhixiang Chi, Li Gu, Omid Reza Heidari, Ziqiang Wang, Yang Wang2026-07-21