10588 पेपर
यह शोध पत्र MobileSAM2 को प्रस्तुत करता है, जो संसाधन-सीमित उपकरणों पर छवियों और वीडियो में वस्तुओं को खंडित (segment) करने के लिए एक हल्का मॉडल परिवार है, जिसे एक नवीन हाइपरग्राफिकल नॉलेज डिस्टिलेशन (HyperKD) फ्रेमवर्क का उपयोग करके भारी-भरकम SAM2 को डिस्टिल करके प्राप्त किया गया है, जो प्रभावी रूप से टेम्पोरल और मल्टी-ग्रैनुलैरिटी ज्ञान को स्थानांतरित करता है।
यह शोधपत्र टेम्पोरल वीडियो VLM बेंचमार्क स्कोर को विघटित करने के लिए एक लेबल-मुक्त "रिवर्ज़ल-ड्रॉप" (reversal-drop) मीट्रिक प्रस्तुत करता है, जो यह प्रकट करता है कि मॉडल अक्सर विज़ुअल कंटेंट के बजाय पोजीशनल एनकोडिंग पर निर्भर होते हैं और यह प्रदर्शित करता है कि एग्रीगेट स्कोर, पोजीशन-डोमिनेंट और विज़ुअल-सीक्वेंस-डोमिनेंट आर्किटेक्चर के बीच विशिष्ट, गैर-परिवर्तनीय विफलता मोड को छिपा देते हैं।
यह शोध पत्र ProtoPointNet को प्रस्तुत करता है, जो एक व्याख्यात्मक प्रोटोटाइप-आधारित मॉडल है जो रजिस्टर्ड इंट्राओरल आर्क पेयर्स पर मल्टी-टास्क लर्निंग का लाभ उठाकर 3D डेंटल ऑक्लूजन को वर्गीकृत करता है और Bits2Bites डेटासेट पर उच्च प्रदर्शन प्राप्त करने के साथ-साथ अपने भविष्यवाणियों के लिए स्थानिक रूप से ग्राउंडेड और शारीरिक रूप से प्रशंसनीय दृश्य स्पष्टीकरण प्रदान करता है।
यह शोध पत्र एक नवीन BCI-सचेत ढांचे का प्रस्ताव करता है जो धारणात्मक निष्ठा (perceptual fidelity) को अर्थपूर्ण पुनर्प्राप्ति (semantic recoverability) से अलग करके EEG-से-छवि पुनर्निर्माणों का मूल्यांकन करने के लिए विजन लैंग्वेज मॉडल्स का उपयोग करता है, और पारंपरिक पिक्सेल-आधारित एवं प्रतिनिधित्व मेट्रिक्स की सीमाओं को दूर करने के लिए BCI-Coherence Score (BCS) को प्रस्तुत करता है।
यह शोध पत्र UniM2 को प्रस्तुत करता है, जो अनसुपरवाइज्ड मल्टीमॉडल सिमेंटिक सेगमेंटेशन (UMSS) के लिए एक नवीन फ्रेमवर्क है, जो क्रॉस मोडल कॉरेस्पोंडेंस सिनर्जी और एक क्रॉस मोडल हारमोनाइज़र के माध्यम से एक एकीकृत लेटेंट स्पेस का लाभ उठाता है ताकि मानव एनोटेशन के बिना पूरक सेंसर जानकारी का प्रभावी ढंग से उपयोग किया जा सके, जिससे NYU डेप्थ v2 और MFNet डेटासेट पर महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।
यह शोध पत्र कॉन्ट्रास्टिव-ऑगमेंटेड फ्लो मैचिंग (CAtFM) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो फ्लो मैचिंग में कॉन्ट्रास्टिव रेगुलराइजेशन को एकीकृत करता है ताकि सख्त फैक्टराइज्ड रिप्रेजेंटेशन की आवश्यकता के बिना प्रेडिक्टेड एंडपॉइंट्स पर सिमेंटिक कंसिस्टेंसी लागू करके रोबस्ट कंटेंट-स्टाइल डिसेंटैंगलमेंट प्राप्त किया जा सके।
यह शोध पत्र ARDepth को प्रस्तुत करता है, जो एक नवीन ऑटो-रिग्रेसिव फ्रेमवर्क है, जो पारंपरिक ग्लोबल डिफ्यूजन-आधारित विधियों की तुलना में पदानुक्रमित ज्यामितीय संरचनाओं (hierarchical geometric structures) को बेहतर ढंग से कैप्चर करने के लिए स्केल-प्रोग्रेसिव कंडीशनिंग और सिमेंटिक-अवेयर गाइडेंस का उपयोग करते हुए, बढ़ते स्थानिक पैमानों (spatial scales) के माध्यम से गहराई के निरूपण को प्रगतिशील रूप से निर्मित करता है।
यह शोध पत्र क्लास-कॉन्ट्रास्टिव इन्फ्लुएंस (C2I) का प्रस्ताव करता है, जो एक ग्रेडिएंट-आधारित मीट्रिक है जो फ्यू-शॉट मेडिकल क्लासिफिकेशन के लिए उच्च-मूल्य वाले सिंथेटिक नमूनों की पहचान करता है, और इसे सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) के माध्यम से डिफ्यूजन मॉडल्स को फाइन-ट्यून करने के लिए उपयोग करता है, जिससे केवल छवि यथार्थता के बजाय कार्य-विशिष्ट नमूना उपयोगिता को प्राथमिकता देकर डाउनस्ट्रीम सटीकता और मजबूती में सुधार किया जाता है।
यह शोधपत्र एक एड्ज-अवेयर ऑनलाइन ट्रैकिंग पाइपलाइन का प्रस्ताव करता है जो थर्मल इन्फ्रारेड इमेजरी में नन्हे यूएवी (UAVs) की वास्तविक समय की, सुदृढ़ ट्रैकिंग को बढ़ाने के लिए एक एडेप्टिव काइनेमैटिक कलमन फ़िल्टर (AKKF) पर केंद्रित है, ताकि गतिशील गति और अवरोधों (occlusions) के बेहतर प्रबंधन के साथ कम्प्यूटेशनल दक्षता को संतुलित किया जा सके।
यह शोध पत्र नकली भाषण का पता लगाने के लिए एक विस्मृति-प्रतिरोधी निरंतर शिक्षण ढांचे (forgetting-resilient continual learning framework) का प्रस्ताव करता है जो एक ट्रेसबैक ट्रांसलेटर नेटवर्क का उपयोग करता है ताकि नए फीचर स्पेस को एक फ्रीज किए गए डिटेक्टर के भीतर मूल स्पेस में पुनर्मैप किया जा सके, जिससे नए डेटा पर उच्च पहचान दर प्राप्त करने के साथ-साथ पहले से देखे गए नमूनों पर सटीकता बनाए रखी जा सके और कम्प्यूटेशनल लागत को कम किया जा सके।