10560 पेपर
यह शोध पत्र PRiSM को प्रस्तुत करता है, जो एक नवीन मल्टी-टर्म लॉस और कुशल मेजराइज-मिनिमाइज ऑप्टिमाइज़र के साथ एक ट्रेनिंग-फ्री प्रोटोटाइप रेगुलराइजेशन विधि है, जो क्लास इम्बैलेंस (वर्ग असंतुलन) और वर्गों की परिवर्तनशील संख्या जैसी वास्तविक चुनौतियों के विरुद्ध फ्यू-शॉट विजन-लैंग्वेज मॉडल्स की मजबूती में महत्वपूर्ण सुधार करता है जहाँ वर्तमान अत्याधुनिक विधियाँ विफल हो जाती हैं।
यह शोध पत्र कंसिस्टेंट फीचर ट्रांसपोर्ट (CFT) को प्रस्तुत करता है, जो रेक्टिफाइड फ्लो पर आधारित एक प्रशिक्षण सिद्धांत है जो इमेज रिलाइटिंग को इल्यूमिनेशन फीचर ट्रांसपोर्ट समस्या के रूप में पुनर्गठित करता है ताकि स्रोत और लक्ष्य छवियों के बीच सुसंगत फीचर ट्रांसफॉर्मेशन को स्पष्ट रूप से लागू किया जा सके, जिससे मौजूदा डिफ्यूजन-आधारित विधियों की तुलना में बेहतर इल्यूमिनेशन कंट्रोल और कंटेंट प्रिजर्वेशन प्राप्त किया जा सके।
यह शोध पत्र NegScale प्रस्तुत करता है, जो एक नवीन ढांचा है जो 'स्ट्रक्चर्ड नेगेटिव ऑर्थोगोनैलिटी पेनल्टी' और 'डिसिमिलैरिटी-कैलिब्रेटेड सिमिलैरिटी एडजस्टमेंट' के माध्यम से नाजुक समानताओं से विश्वसनीय असमानताओं की ओर ध्यान केंद्रित करके, 'डिसिमिलैरिटी इनवेरिएंस' की स्थिर घटना का लाभ उठाकर शोर वाले लेबल (noisy labels) से मजबूती से सीखने के लिए उपयोग करता है।
यह शोध पत्र ग्रेडिएंट बायस (gradient bias) के कारण 3D गॉसियन स्प्लेटिंग अनुकूलन (optimization) में एक मौलिक "ब्लर ट्रैप" (Blur Trap) की पहचान करता है, इसे फार-साइड (far-side) और नियर-साइड (near-side) उपप्रकारों में वर्गीकृत करता है, और इन स्थानीय उप-इष्टतम समाधानों से प्रभावी ढंग से बाहर निकलने और उच्च-गुणवत्ता वाले रेंडरिंग प्राप्त करने के लिए सरल स्पष्ट अन्वेषण रणनीतियों (रैंडम सीडिंग और रैंडम स्प्लिटिंग) का प्रस्ताव करता है।
यह शोध पत्र एक सेल्फ-गाइडेड स्पार्स 3D रिफाइनमेंट (SSR) विधि प्रस्तावित करके मोनोक्यूलर ज्योमेट्री एस्टीमेशन में 2D फीचर मिक्सिंग के कारण होने वाले सूक्ष्म 3D विवरणों के विरूपण को संबोधित करता है, जो मोटे अनुमानों को वास्तविक स्थानिक स्थानीयता (spatial locality) के आधार पर फीचर्स को एकत्रित करने के लिए एक स्पार्स 3D वोक्सेल स्पेस में ऊपर उठाता है, जिससे उच्च-निष्ठा वाला मेट्रिक-स्केल पॉइंट मैप प्राप्त होता है।
यह शोध पत्र एक प्रशिक्षण-मुक्त, तीन-चरणीय पाइपलाइन ढांचे का प्रस्ताव करता है जो टर्मिनल अवस्थाओं के लिए प्रॉम्प्ट को फिर से लिखकर, संदर्भ पहचान और पूर्ववर्ती फ्रेमों पर संयुक्त अनुकूलन के माध्यम से कीफ्रेम उत्पन्न करके, और मल्टी-रेफरेंस मार्गदर्शन एवं पहचान-संचालित शोर खोज (noise searching) के साथ मध्यवर्ती खंडों को बढ़ाकर, अनुक्रमिक-क्रिया वीडियो निर्माण में विषय की पहचान को सुरक्षित रखता है।
यह शोध पत्र HAS (हाइलाइट-गाइडेड अटेंशन स्टीयरिंग) प्रस्तुत करता है, जो मल्टीमॉडल LLM वीडियो सारांशीकरण के लिए एक नवीन विधि है, जो एक वैश्विक निरंतर फ्रेम-स्तरीय हाइलाइट वितरण को उत्पन्न करके सामंजस्य और सूचना प्रतिधारण में सुधार करती है ताकि मॉडल के ध्यान को कम महत्वपूर्ण फ्रेमों को पूरी तरह से अनदेखा किए बिना प्रमुख क्षणों की ओर निर्देशित किया जा सके।
यह शोध पत्र लॉन्ग-टेल्ड NACTI डेटासेट पर एक बेंचमार्किंग अध्ययन प्रस्तुत करता है जो अनुकूलित लॉन्ग-टेल रिकग्निशन विधियों का उपयोग करके अत्याधुनिक प्रजाति पहचान सटीकता (99.40%) प्राप्त करता है, जबकि यह भी प्रकट करता है कि विविध डोमेन में बेहतर सामान्यीकरण के बावजूद, वर्तमान तकनीकें गंभीर डोमेन शिफ्ट के तहत दुर्लभ वर्गों के लिए विनाशकारी विफलता के साथ संघर्ष करती हैं।
यह शोधपत्र LUTRA को प्रस्तुत करता है, जो एक नवीन ओपन-सोर्स विधि है जो सुपर-रिज़ॉल्यूशन प्राप्त करने, गलत सूचनाओं (फॉल्स अलार्म) को कम करने और वर्तमान तकनीकों की तुलना में सिग्नल-टू-नॉइज़ अनुपात में 25% सुधार करने के लिए अंडरसैम्पल्ड खगोलीय छवियों के को-एडिशन और बैकग्राउंड सबट्रैक्शन को गणितीय रूप से अनुकूलित करता है।
QIRF एक क्वांटम-प्रेरित, गैर-ऑर्थोगोनल फंक्शन-स्पेस संपीड़न विधि पेश करता है जो 3D गॉसियन स्प्लेटिंग के लिए एक ओवरलैप मैट्रिक्स पर सामान्यीकृत आइजनडिकंपोजिशन (generalized eigendecomposition) का लाभ उठाता है ताकि प्रतिनिधि प्रिमिटिव्स की पहचान और चयन किया जा सके, जिससे पुनर्निर्माण गुणवत्ता और गति को बनाए रखते हुए या थोड़ा सुधारते हुए भंडारण और रेंडरिंग लागत में महत्वपूर्ण कमी आती है।