cs.CV पेपर | Gist.Science

CSS-BA: Gate-Guided Column Space Search for Bundle Adjustment

यह शोध पत्र गेट-गाइडेड CSS-BA (Gate-Guided CSS-BA) का प्रस्ताव करता है, जो बंडल एडजस्टमेंट (Bundle Adjustment) के लिए एक ड्रॉप-इन सॉल्वर-साइड संशोधन है, जो अंतर्निहित अनुमान समस्या को बदले बिना या मापदंडों को हटाए बिना, शूर-एलएम (Schur-LM) अपडेट को एक ज्यामिति-जागरूक निम्न-आयामी उप-स्थान (low-dimensional subspace) तक सीमित करके कम-पैरालेक्स (low-parallax) और निकट-घूर्णी (near-rotational) व्यवस्थाओं में अनुकूलन को स्थिर करता है।

Ayano Kaneda, Takafumi Taketomi, Shugo Yamaguchi, Shigeo Morishima2026-07-20

💻 computer science

Efficient Frame Selection for Long Videos at Test Time with Attention-Based MLLM Selectors

यह शोध पत्र DAFS को प्रस्तुत करता है, जो लंबे वीडियो के लिए एक प्रशिक्षण-मुक्त (training-free), गतिशील फ्रेम चयन विधि है, जो ऑटोरिग्रेसिव जनरेशन के बिना प्रासंगिक फ्रेमों को कुशलतापूर्वक पहचानने के लिए MLLMs के भीतर क्वेरी-कंडीशन्ड क्रॉस-मोडल अटेंशन का लाभ उठाता है, और सख्त बजट सीमाओं के तहत यूनिफॉर्म और पूर्व-प्रशिक्षित सैंपलिंग विधियों से काफी बेहतर प्रदर्शन करता है।

Yilin Wang, Xiangxi Zheng, Dongxing Mao, Linjie Li, Zhengyuan Yang, Ping Yu, Rui Yan, Yuan Yao, Alex Jinpeng Wang2026-07-20

🤖 AI

Efficient Difficulty-Aware Dynamic Routing for Diffusion-Based Real-World Image Super-Resolution

यह शोध पत्र डिफ्यूजन-आधारित वास्तविक दुनिया के इमेज सुपर-रिज़ॉल्यूशन के लिए एक डिफिकल्टी-अवेयर डायनेमिक रूटिंग (DDR) रणनीति प्रस्तावित करता है जो अनुमानित बहाली कठिनाई (रेस्टोरेशन डिफिकल्टी) के आधार पर इनपुट्स को विभिन्न VAE डाउनसैंपलिंग अनुपातों वाले नेटवर्क में अनुकूल रूप से असाइन करता है, जिससे कठोर प्रसंस्करण प्रतिमानों और अपरिवर्तनीय विवरण हानि की सीमाओं को पार करते हुए दक्षता में सुधार होता है।

Xue Wu, Kang Zhao, Kafeng Wang, Jianfei Chen, Jingwei Xin, Nannan Wang, Xinbo Gao2026-07-20

🤖 AI

Debiasing Text-to-Image Evaluation via Implicit Cultural Alignment Reward Modeling

यह शोध पत्र एक कुशल, हल्का इम्पलिसिट कल्चरल एलाइनमेंट रिवॉर्ड मॉडल पेश करता है जो मौजूदा टेक्स्ट-टू-इमेज इवैल्यूएटर्स के सांस्कृतिक पूर्वाग्रह और विलंबता सीमाओं को दूर करने के लिए स्किप-कनेक्शन क्रॉस-अटेंशन मैकेनिज्म का लाभ उठाता है, जिससे कल्चरलफ्रेम्स बेंचमार्क पर बेहतर सटीकता और 10 गुना तेज़ इन्फरेंस गति प्राप्त होती है।

Bo-An Chang, Yu-Chih Chen2026-07-20

💻 computer science

Multimodal Ambivalence and Hesitancy Recognition via Cross-Attention and Gated Fusion

यह शोध पत्र वीडियो में द्वंद्व (ambivalence) और हिचकिचाहट (hesitancy) को पहचानने के लिए एक मल्टीमॉडल फ्रेमवर्क प्रस्तुत करता है, जो द्वि-दिशीय क्रॉस-अटेंशन (bidirectional cross-attention) और एक गेटेड मल्टीमॉडल यूनिट (Gated Multimodal Unit) के माध्यम से टेक्स्ट, ऑडियो और विजुअल फीचर्स को फ्यूज करता है ताकि 0.7394 का मैक्रो F1 स्कोर प्राप्त किया जा सके, जो ECCV 2026 में ABAW11 चुनौती में दोनों यूनिमोडल बेसलाइन और ज़ीरो-शॉट मॉडल्स की तुलना में काफी बेहतर प्रदर्शन करता है।

Oussama Berhili, Yassine Ouzar, Larbi Boubchir2026-07-20

🤖 AI

On the Geometry of Learned Representations in Event-Based Multi-Modal Egomotion Estimation

यह शोध पत्र एक मल्टी-मोडल इवेंट-आधारित एगोट मोशन नेटवर्क में सीखे गए निरूपणों (रिप्रजेंटेशन्स) की ज्यामितीय संरचना की जांच करता है, यह प्रदर्शित करते हुए कि इसके फ्यूज्ड एम्बेडिंग्स लो-डायमेंशनल मैनिफोल्ड्स पर मोशन वेरिएबल्स के साथ संरेखित होते हैं, विश्वसनीयता के आधार पर अटेंशन को अनुकूलित करते हैं, और शास्त्रीय ऑब्जर्वेबिलिटी संकेतों को पुनः प्राप्त करते हैं, जिससे विश्लेषणात्मक अनुमान सिद्धांत और डेटा-संचालित फ्यूजन के बीच के अंतर को पाटा जा सके।

Stefano Silvestrini, Michele Ceresoli2026-07-20

💻 computer science

HybridSim: A Physics-Learning Hybrid Digital Twin for mmWave Human Sensing

यह शोध पत्र HybridSim प्रस्तुत करता है, जो एक भौतिकी-शिक्षण हाइब्रिड डिजिटल ट्विन है जो प्रत्यक्ष और अप्रत्यक्ष सिग्नल पथों को अलग करके गतिशील मानव गति के लिए उच्च-सटीक mmWave रडार संकेतों को संश्लेषित करता है, जिससे लागत प्रभावी, साइट-विशिष्ट डेटा संवर्धन सक्षम होता है जो डाउनस्ट्रीम मानव सेंसिंग कार्यों में सुधार करता है।

Weitao Xiong, Tianyu Liu, Peng Li, Kok Chung Chua, Toa Chean Khim, Pu Wang, Hongfei Xue2026-07-20

💻 computer science

Examining the Associations between Visual and Non-Visual Elements and Cyclists' Route Choices for Various Trip Purposes

यह शोध पत्र इस बात की जांच करता है कि कैसे दृश्य और गैर-दृश्य निर्मित वातावरण कारक मॉन्ट्रियल में विभिन्न यात्रा उद्देश्यों के लिए साइकिल चालकों के मार्ग चयन को प्रभावित करते हैं, जो यह प्रकट करता है कि बढ़ती हरियाली और निम्न मोटरकरण स्तर सक्रिय परिवहन निर्णयों को महत्वपूर्ण रूप से प्रभावित करते हैं और शहरी बुनियादी ढांचा नियोजन के लिए अंतर्दृष्टि प्रदान करते हैं।

Heyang Hua, Koichi Ito, Filip Biljecki2026-07-20

🤖 AI

Test-Time Noise Guided Adaptation for Realistic Autoregressive Video Generation

यह शोध पत्र TANGO को प्रस्तुत करता है, जो एक टेस्ट-टाइम अडैप्टेशन विधि है जो भविष्यवाणित शोर (noise) को अपेक्षित आइसोट्रोपिक गौसियन वितरण (isotropic Gaussian distribution) के अनुरूप सुनिश्चित करने के लिए प्रक्षेप पथों (trajectories) को अनुकूलित करके ऑटोरेग्रेसिव वीडियो जनरेशन को टर्मिनल बिंदुओं से दूर निर्देशित करती है, जिससे वीडियो की गुणवत्ता में उल्लेखनीय सुधार होता है और त्रुटि संचय (error accumulation) कम होता है।

Dimitrios Karageorgiou, Symeon Papadopoulos, Ioannis Kompatsiaris, Efstratios Gavves2026-07-20

🤖 machine learning

Von Mises-Fisher Mixture Model with Dynamic Shrinkage for Realistic Test-Time Transduction

यह शोध पत्र MOON का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) और मॉडल-अज्ञेय (model-agnostic) टेस्ट-टाइम ट्रांसडक्शन विधि है, जो क्लास इम्बैलेंस (class imbalance) को मजबूती से संभालने और विजन-लैंग्वेज मॉडल्स में प्रदर्शन पतन (performance collapse) को रोकने के लिए ज़ीरो-शॉट प्रायर्स (zero-shot priors) द्वारा संचालित डायनेमिक श्रिंकेज (dynamic shrinkage) के साथ वॉन मिसेस-फिशर मिश्रण मॉडल (Von Mises-Fisher mixture model) का लाभ उठाता है।

Jiazhen Huang, Zhiming Liu, Changhu Wang, Wei Ju, Ziyue Qiao, Xiao Luo2026-07-20

← पिछला अगला →