👁️ Category

cs.CV

10621 पेपर

💻 computer science

Decouple and Reason: Anatomically Guided Two-Stage Voxel-Level Grounding of Free-Text Findings in 3D Chest CT

यह शोध पत्र "डिकपल एंड रीज़न" (Decouple and Reason) का प्रस्ताव करता है, जो एक नवीन दो-चरणीय ढांचा है जो पहले क्लास-एग्नोस्टिक लीजन सेगमेंटेशन (class-agnostic lesion segmentation) करके और फिर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करने के लिए एनाटॉमिकली गाइडेड टेक्स्ट-वॉल्यूम रीजनिंग (anatomically guided text-volume reasoning) लागू करके 3D चेस्ट सीटी वोक्सेल-लेवल ग्राउंडिंग में सुधार करता है, जिससे ReXGroundingCT बेंचमार्क पर उत्कृष्ट प्रदर्शन प्राप्त होता है।

Kwang-Hyun Uhm, Inhwa Son, Sung-Jea Ko2026-07-15
💻 computer science

MAGE: Color-Invariant and Spatial Knowledge Distillation for Gastric Neoplasm Classification

यह शोध पत्र MAGE का प्रस्ताव करता है, जो एक नवीन ढांचा है जो बनावट संबंधी पूर्वाग्रहों (texture biases) और संदर्भ सीमाओं को दूर करने के लिए एक सहायक मास्क्ड अक्रोमैटिक विशेषज्ञ शाखा से रंग-अपरिवर्तनीय (color-invariant) और स्थानिक ज्ञान आसवन (spatial knowledge distillation) का उपयोग करता है, जिससे बिना किसी एनोटेटेड मास्क की आवश्यकता के श्रेष्ठ और व्याख्या योग्य गैस्ट्रिक नियोप्लाज्म वर्गीकरण प्राप्त होता है।

Jiho Jun, Jeongwon Woo, Jaemin Song, Thanh Bong Nguyen, Dong-heon Yeon, Donghoon Kang, Jae-Myung Park, Sung-Jea Ko, Kwan (…)2026-07-15
💻 computer science

Lesion Segmentation in Moderate to Severe Traumatic Brain Injury: An nnU-Net Based Approach with Adaptive Normalization in the AIMS-TBI 2025 Challenge

यह शोध पत्र AIMS-TBI 2025 चुनौती के लिए एक डीप लर्निंग समाधान प्रस्तुत करता है जो मध्यम से गंभीर आघात मस्तिष्क चोट (traumatic brain injury) में विषम घावों (heterogeneous lesions) को सेगमेंट करने में प्रतिस्पर्धी प्रदर्शन प्राप्त करने के लिए एडेप्टिव ब्रेन-पेरेन्काइमा नॉर्मलाइजेशन द्वारा संवर्धित एक nnU-Net फ्रेमवर्क का उपयोग करता है।

Inhwa Son, Gaeun Lee, Sohyeon Sim, Kwang-Hyun Uhm2026-07-15
💻 computer science

Weakly Supervised Spatio-Temporal Candidate Discovery of Dairy Farm Sites from Seasonal Satellite Imagery

यह शोध पत्र एक कमजोर रूप से पर्यवेक्षित (weakly supervised) पाइपलाइन का प्रस्ताव करता है जो मल्टी-सीजन टाइल एम्बेडिंग सीखने और डेयरी फार्म उम्मीदवार क्लस्टरों को रैंक करने के लिए मौसमी सेंटिनलल (Sentinel) उपग्रह इमेजरी और ओपनस्ट्रीटमैप (OpenStreetMap) पूर्व सूचनाओं (priors) का लाभ उठाता है, जो सफलतापूर्वक 26,722 टाइलों के एक बड़े डेटासेट को मानव समीक्षा के लिए उच्च-विश्वास वाले 71 क्लस्टरों में कम करता है जिसमें उच्च परिशुद्धता (precision) है।

Usman Haider, Fatima Khalid, Karl Mason2026-07-15
💻 computer science

ExtraGS: Enhancing Endoscopic View Extrapolation via Diffusion-Guided 3D Gaussian Splatting

यह शोधपत्र ExtraGS का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो अनिश्चितता-निर्देशित वर्चुअल कैमरा सैंपलिंग को डिफ्यूजन-आधारित रिफाइनमेंट और कॉन्फिडेंस-वेटेड फाइन-ट्यूनिंग के साथ जोड़कर एंडोस्कोपिक व्यू एक्सट्रपलेशन को बढ़ाता है ताकि प्रशंसनीय शारीरिक संरचनाओं को उत्पन्न किया जा सके और नोवेल व्यू सिंथेसिस में आर्टिफैक्ट्स को कम किया जा सके।

Cheng-Tai Hsieh, Jiwei Shan, Han Fang, Jianshu Hu, Tao Ni, Lijun Han, Yutong Ban, Shing Shin Cheng, Hesheng Wang2026-07-15
💻 computer science

UniVR: Thinking in Visual Space for Unified Visual Reasoning

यह शोध पत्र UniVR प्रस्तुत करता है, जो एक नवीन ढांचा है जो सीधे कच्चे विजुअल डेटा से एकीकृत दृश्य तर्क (visual reasoning), भौतिक गतिशीलता (physical dynamics) की समझ और दीर्घकालिक योजना (long-term planning) को सक्षम करने के लिए VR-GRPO सुदृढीकरण शिक्षण (reinforcement learning) प्रतिमान का लाभ उठाता है, जिससे टेक्स्ट या कार्य-विशिष्ट ह्यूरिस्टिक्स पर निर्भर किए बिना नवनिर्मित VR-X बेंचमार्क पर महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।

Zhongwei Ren, Yunchao Wei, Yao Zhao, Weibo Gong, Xiao Liu, Anran Wang, Xiangtai Li, Xiaojie Jin2026-07-15
💻 computer science

Breaking Déjà Vu: Independent Auditing of Visual Place Recognition through Vision-Language Reasoning

यह शोध पत्र विजुअल प्लेस रिकग्निशन ऑडिटिंग (Visual Place Recognition Auditing) प्रस्तुत करता है, जो एक नवीन ढांचा है जो संयुक्त तर्क के माध्यम से पुनर्प्राप्त छवि मिलानों को स्वतंत्र रूप से सत्यापित करने के लिए विजन-लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे निश्चित थ्रेशोल्ड या पर्यावरण-विशिष्ट ग्राउंड ट्रुथ पर निर्भर किए बिना रिकॉल में उल्लेखनीय सुधार होता है और फॉल्स एक्सेप्टेंस रेट में कमी आती है।

Sania Waheed, Michael Milford, Sarvapali D. Ramchurn, Shoaib Ehsan2026-07-15
💻 computer science

Statistical Non-linear Reconstruction Loss for Image Anomaly Detection

यह शोध पत्र एक सांख्यिकीय नॉन-लीनियर रिकंस्ट्रक्शन लॉस (Statistical Non-linear Reconstruction Loss) प्रस्तावित करता है जो रिकंस्ट्रक्शन-आधारित विसंगति का पता लगाने (anomaly detection) में आउटलियर लीकेज को दबाने के लिए सिग्मॉइड-आधारित स्क्वैशिंग फंक्शन और एक सांख्यिकीय कैलिब्रेशन योजना का उपयोग करता है, जिससे MVTec-AD और VisA जैसे औद्योगिक बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

Nguyen Minh Tri, Hoang Khuong Duy, Huynh Cong Viet Ngu2026-07-15
💻 computer science

Open-KNEAD: Knowledge-grounded Nutrition Estimation via Agentic Decomposition

Open-KNEAD एक प्रशिक्षण-मुक्त (training-free), स्थानीय रूप से तैनात करने योग्य एजेंटिक फ्रेमवर्क है जो ऑडिट योग्य, आइटम-दर-आइटम पोषण रिकॉर्ड उत्पन्न करने के लिए चयनात्मक, पोषक तत्व-जागरूक रिट्रीवल का लाभ उठाता है और विशेष रूप से गैर-अमेरिकी व्यंजनों के लिए भाग अनुमानों (portion estimates) में महत्वपूर्ण सुधार करता है, जो उपयोगकर्ता गोपनीयता बनाए रखते हुए फ्रंटियर क्लोज्ड मॉडल्स के प्रत्यक्ष अनुमान और पूर्ववर्ती रिट्रीवल विधियों दोनों से बेहतर प्रदर्शन करता है।

Bruce Coburn, Jingbo Yue, Jinge Ma, Siddeshwar Raghavan, Gautham Vinod, Fengqing Zhu2026-07-15
💻 computer science

Point Tracking in Surgery--The 2025 Surgical Tattoos in Infrared Challenge (STIRC2025)

यह शोध पत्र 2025 के सर्जिकल टैटूज़ इन इन्फ्रारेड चैलेंज (STIRC2025) के परिणामों और प्रतिभागी विधियों को प्रस्तुत करता है, जो MICCAI EndoVis 2025 में आयोजित किया गया था, जिसमें सेगमेंटेशन और 3D पुनर्निर्माण जैसे सर्जिकल अनुप्रयोगों को आगे बढ़ाने के लिए STIR डेटासेट का उपयोग करते हुए पॉइंट ट्रैकिंग सटीकता और अनुमान दक्षता पर सात टीमों का मूल्यांकन किया गया।

Adam Schmidt, Mert Asim Karaoglu, Zijian Wu, Jiaming Zhang, Yuxin Chen, Tim Salcudean, Ho-Gun Ha, Minkang Jang, Kyungmin (…)2026-07-15