10491 पेपर
यह शोध पत्र CV-SSMNet का प्रस्ताव करता है, जो एक भौतिकी-जागरूक कॉम्प्लेक्स-वैल्यूड स्टेट-स्पेस नेटवर्क है जो स्कैटरिंग प्रायर्स को FiLM-शैली के मॉड्यूलेशन के माध्यम से एकीकृत करता है ताकि लंबी दूरी की स्थानिक निर्भरताओं को प्रभावी ढंग से कैप्चर किया जा सके और बेहतर PolSAR इमेज वर्गीकरण के लिए पोलारिमेट्रिक एम्प्लीट्यूड-फेज कपलिंग को संरक्षित किया जा सके।
यह शोध पत्र MoAKE को प्रस्तुत करता है, जो एक नवीन 'मिक्सचर ऑफ एक्शन नॉलेज एक्सपर्ट्स' फ्रेमवर्क है जो सेगमेंट-अवेयर एक्सपर्ट नॉलेज को गतिशील रूप से एकत्रित करके और मल्टी-ग्रैनुलैरिटी टेम्पोरल डायनेमिक्स को मॉडल करके विविध प्रकार के कार्यों के लिए 'एक्शन क्वालिटी असेसमेंट' को एक ही मॉडल के भीतर एकीकृत करता है, जिससे पारंपरिक वन-बाय-वन प्रतिमानों की सीमाओं को दूर किया जा सके और ऑल-इन-वन, ज़ीरो-शॉट और फ्यू-शॉट परिदृश्यों में बेहतर प्रदर्शन प्राप्त किया जा सके।
यह शोधपत्र **DroneEyes** को प्रस्तुत करता है, जो सूक्ष्म हवाई लक्ष्यों (tiny aerial targets) के लिए पहला पिक्सेल-स्तरीय ओपन-वोकैबुलरी डेटासेट है, और **SkyAnchor** को, जो एक मेमोरी-ऑगमेंटेड मल्टीमॉडल लार्ज लैंग्वेज मॉडल है जिसमें स्ट्रीमिंग हवाई वीडियो में छोटे ऑब्जेक्ट्स की वास्तविक समय में, संसाधन-कुशल समझ को सक्षम करने के लिए एक सिमेंटिक्स-अवेयर टोकन राउटर और पदानुक्रमित मेमोरी बैंक है।
यह शोध पत्र CIS-Fuse का प्रस्ताव करता है, जो एक ऊर्जा-कुशल स्पाइकिंग न्यूरल नेटवर्क है जो एक नवीन करंट इंजेक्शन ऑपरेटर के माध्यम से मेम्ब्रेन-पोटेंशियल स्तर पर क्रॉस-मोडल एकीकरण करके इन्फ्रारेड और विज़िबल इमेज फ्यूजन में बाइनरी स्पाइक्स के कारण होने वाली सूचना की हानि को संबोधित करता है, जिससे तुलनीय ANN-आधारित विधियों की तुलना में काफी कम अनुमान ऊर्जा (inference energy) के साथ अत्याधुनिक फ्यूजन गुणवत्ता प्राप्त होती है।
OSVE एक नवीन फ्रेमवर्क है जो सिंगल-पास इनवर्जन के लिए एक लर्नबल एनकोडर के माध्यम से वन-स्टेप डिफ्यूजन मॉडल्स को अनुकूलित करके, ज्यामितीय संरक्षण के लिए एक स्ट्रक्चर-अवेयर एडिटिंग लॉस और टेम्पोरल कंसिस्टेंसी के लिए यूनिफाइड-फ्रेम एडिटिंग के माध्यम से उच्च-गुणवत्ता वाले, रियल-टाइम टेक्स्ट-गाइडेड वीडियो संपादन को सक्षम बनाता है, जो स्टेट-ऑफ-द-आर्ट मल्टी-स्टेप विधियों के समान प्रदर्शन प्राप्त करते हुए 155-171 गुना तेजी से कार्य करता है।
यह शोध पत्र G-MAD को प्रस्तुत करता है, जो स्वचालित एनोटेशन के साथ सिंक्रोनाइज़्ड मल्टी-व्यू RGB-T हवाई डेटा उत्पन्न करने के लिए Arma3 का लाभ उठाने वाला एक ओपन-सोर्स फ्रेमवर्क है, और हवाई ऑब्जेक्ट डिटेक्शन अनुसंधान को आगे बढ़ाने के लिए एक नया बड़े पैमाने का बेंचमार्क, AMOD जारी करने के लिए इसका उपयोग करता है।
यह शोध पत्र SIINR को प्रस्तुत करता है, जो एक लचीला ढांचा है जो क्लिनिकल डिफ्यूजन एमआरआई डेटा का उच्च-सटीक सुपर-रिज़ॉल्यूशन प्राप्त करने के साथ-साथ पुनर्निर्माण अनिश्चितता को मापने के लिए एक सुपर्वाइज्ड 3D U-net प्रायर को एक सेल्फ-सुपरवाइज्ड इम्प्लिसिट न्यूरल रिप्रेजेंटेशन के साथ जोड़ता है।
यह अध्ययन 3D घुटने के एमआरआई मेनिस्कस सेगमेंटेशन के लिए सात तीव्रता सामान्यीकरण (इंटेंसिटी नॉर्मलाइजेशन) विधियों का व्यवस्थित रूप से मूल्यांकन करता है, जिसमें यह पाया गया है कि जबकि Z-स्कोर और हिस्टोग्राम मैचिंग जैसी तकनीकें क्रॉस-डोमेन सामान्यीकरण क्षमता में सुधार करती हैं, डेटासेट के बीच डोमेन शिफ्ट के कारण होने वाली महत्वपूर्ण प्रदर्शन गिरावट की तुलना में उनका प्रभाव सीमित बना रहता है।
यह अध्ययन एक विजन-पीओआई (vision-POI) फ्यूजन फ्रेमवर्क प्रस्तावित करता है जो आवासीय भवन स्वास्थ्य मूल्यांकन को बढ़ाने के लिए मल्टी-व्यू विजुअल निरीक्षण को पड़ोस के पॉइंट ऑफ इंटरेस्ट (POI) संदर्भ के साथ एकीकृत करता है, यह प्रदर्शित करते हुए कि जबकि मल्टी-व्यू एकत्रीकरण पहचान सटीकता में महत्वपूर्ण सुधार करता है, पीओआई डेटा प्रत्यक्ष दृश्य साक्ष्य के विकल्प के बजाय एक मामूली, श्रेणी-निर्भर पूरक पूर्ववर्ती (supplementary prior) के रूप में कार्य करता है।
यह अध्ययन प्रकट करता है कि मेडिकल फाउंडेशन मॉडल्स में रिप्रजेंटेशनल कन्वर्जेंस (प्रतिनिधित्व अभिसरण) मुख्य रूप से क्लिनिकल सुपरविजन या मॉडल स्केल के बजाय सेल्फ-सुपरवाइज्ड प्रीट्रेनिंग ऑब्जेक्टिव्स द्वारा संचालित होता है, जिसके परिणामस्वरूप मामूली अलाइनमेंट प्राप्त होता है जो क्रॉस-एनकोडर ट्रांसफर लर्निंग का समर्थन तो करता है लेकिन क्लिनिकल जजमेंट या सिमेंटिक सिमिलरिटी को पूरी तरह से पकड़ने में विफल रहता है।