👁️ Category

cs.CV

10642 पेपर

💻 computer science

When W4A4 Breaks Camouflaged Object Detection: Token-Group Dual-Constraint Activation Quantization

यह शोध पत्र COD-TDQ को प्रस्तुत करता है, जो एक टोकन-ग्रुप डुअल-कन्स्ट्रेंट एक्टिवेशन क्वांटाइजेशन विधि है जो क्रॉस-टोकन रेंज डोमिनेशन को दबाकर और ज़ीरो-बिन मास को सीमित करके छलावरण वाले ऑब्जेक्ट डिटेक्शन (camouflaged object detection) में आक्रामक W4A4 क्वांटाइजेशन की अनूठी चुनौतियों पर विजय प्राप्त करता है, जिससे यह बिना रिट्रेनिंग के मौजूदा अत्याधुनिक विधियों से काफी बेहतर प्रदर्शन करता है।

Tianqi Li, Wenyu Fang, Xin He, Xue Geng, Xu Cheng, Yun Liu2026-07-16
🤖 machine learning

BiLoG-Net: A Bi-Context Location-Guided Network for Breast Mass Segmentation and Malignancy Classification in Mammography

BiLoG-Net एक नवीन एंड-टू-एंड डीप लर्निंग फ्रेमवर्क है जो बायो-कॉन्टेक्स्ट लोकेशन-अवेयर फीचर मॉडलिंग और सेगमेंटेशन-गाइडेड अटेंशन मैकेनिज्म को एकीकृत करके मैमोग्राफी में ब्रेस्ट मास सेगमेंटेशन और मैलिग्नेंसी क्लासिफिकेशन को संयुक्त रूप से निष्पादित करता है, जिससे CBIS-DDSM और INBreast बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

Abu Fatema Mohammad Abdun Noor, Md Imam Ahasan, Md Samiul Ahasan, Kah Ong Michael Goh, S M Hasan Mahmud, Raihana Zannat2026-07-16
🤖 machine learning

Beyond Backbone Backpropagation: A Decoupled Strategy for Efficient Transfer Learning

यह शोध पत्र एक हल्का, विच्छेदित (decoupled) ट्रांसफर लर्निंग रणनीति प्रस्तावित करता है जो एंड-टू-एंड बैकप्रोपैगेशन के बिना नॉर्मलाइजेशन परतों को अनुकूलित करती है और एक पुनर्गठित क्लासिफायर हेड को अनुकूलित करती है, जिससे विविध सीएनएन (CNN) और ट्रांसफॉर्मर आर्किटेक्चर पर मेडिकल इमेजिंग डेटासेट के माध्यम से प्रतिस्पर्धी सटीकता बनाए रखते हुए कम्प्यूटेशनल लागत और कार्बन उत्सर्जन को काफी कम किया जाता है।

Daniel Vila-Cruz, Laura Morán-Fernández, Verónica Bolón-Canedo2026-07-16
💬 NLP

Text2Sign: A Single-GPU Diffusion Baseline for Text-to-Sign Language Video Generation

यह शोध पत्र Text2Sign को प्रस्तुत करता है, जो एक लागत प्रभावी, सिंगल-जीपीयू डिफ्यूजन बेसलाइन है जो एक फ्रोजन विजन-लैंग्वेज एनकोडर और फैक्टराइज्ड स्पैटियोटेम्पोरल अटेंशन का लाभ उठाकर लघु, कम-रिज़ॉल्यूशन वाले साइन लैंग्वेज वीडियो उत्पन्न करता है, हालांकि वर्तमान में इसमें सीमित प्रॉम्प्ट संवेदनशीलता प्रदर्शित होती है और यह मुख्य रूप से एक प्रोडक्शन-रेडी सिस्टम के बजाय एक रिसर्च स्टार्टिंग पॉइंट के रूप में कार्य करता है।

Ruize Xia2026-07-16
💻 computer science

MGFace: Mask-Gated Face Matching via Conditional Similarity Routing

MGFace एक मास्क-गेटेड फेस आइडेंटिफिकेशन पाइपलाइन है जो अनमास्क्ड क्वेरीज़ को ग्लोबल एम्बेडिंग मैचिंग के लिए सशर्त रूप से रूट करके और केवल मास्क्ड क्वेरीज़ के लिए मास्क-अवेयर पैच-लेवल री-रैंकिंग को सक्रिय करके सटीकता और दक्षता में सुधार करती है, जिससे मौजूदा विधियों की तुलना में काफी कम कम्प्यूटेशनल ओवरहेड के साथ बेहतर प्रदर्शन प्राप्त होता है।

Huy Che, Hoang-Minh Trinh, Dinh-Duy Phan, Duc-Lung Vu2026-07-16
🤖 AI

Continuously Evolving Deepfake Detection: An Architecture and Public-Benchmark Evaluation of a Dynamic Detection System

यह शोध पत्र बिटमाइंड फॉरेंसिक्स (BMF) को प्रस्तुत करता है, जो बिटटेंसोर SN34 एडवरसैरियल प्रतियोगिता के माध्यम से प्रशिक्षित एक निरंतर विकसित होने वाली डीपफेक डिटेक्शन प्रणाली है, जो स्टेट-ऑफ-द-आर्ट स्थिर मॉडलों की तुलना में विविध वास्तविक और इन-द-वाइल्ड बेंचमार्क पर काफी बेहतर मजबूती और प्रदर्शन प्रदर्शित करती है।

Ken Jon Miyachi, Dylan Uys2026-07-16
💻 computer science

AffectFlow-DINO: Uncertainty-Aware Multi-Task Affect Estimation via Conditional Rectified Flow

AffectFlow-DINO 11वें ABAAB चुनौती के लिए एक मल्टी-टास्क लर्निंग सिस्टम है जो चेहरे के प्रभाव की अस्पष्टता को अनिश्चितता-जागरूक जनरेटिव भविष्यवाणियों के माध्यम से मॉडल करने के लिए DINOv3 बैकबोन पर एक कंडीशनल रेक्टिफाइड-फ्लो हेड का लाभ उठाता है, जिससे वैलेंस-एरोसल अनुमान, एक्सप्रेशन क्लासिफिकेशन और एक्शन यूनिट डिटेक्शन में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।

Salah Eddine Bekhouche, Abdellah Zakaria Sellam, Fadi Dornaika, Abdenour Hadid2026-07-16
💻 computer science

Differentiable Polarized Path Tracing

यह शोध पत्र एक सुदृढ़ डिफरेंशिएबल पाथ ट्रेसिंग पद्धति प्रस्तुत करता है जो पाथ रिप्ले और लोकल कैशिंग के हाइब्रिड दृष्टिकोण के माध्यम से रैंक-डेफिशिएंट पोलारिमेट्रिक ऑपरेटर्स द्वारा उत्पन्न संख्यात्मक अस्थिरता पर विजय प्राप्त करता है, जिससे ध्रुवीकरण संकेतों (polarization cues) का उपयोग करके ज्यामिति और सामग्री अनुमान के लिए स्थिर इनवर्स रेंडरिंग सक्षम होती है।

Pramod Rao, Jérémy Riviere, Xilong Zhou, Abhijeet Ghosh, Abhimitra Meka, Thabo Beeler, Marc Habermann, Christian Theobal (…)2026-07-16
🤖 AI

Accuracy Without Grounding: Diagnosing Visual Dependency Dissociation in Video LLM Benchmarks

यह शोध पत्र विजुअल डिपेंडेंसी गैप (VDG) को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि वीडियो लार्ज लैंग्वेज मॉडल्स में उच्च बेंचमार्क सटीकता अक्सर वास्तविक दृश्य समझ के बजाय भाषाई पूर्वाग्रहों (लैंग्वेज प्रायर्स) से उत्पन्न होती है, जो यह प्रकट करता है कि टेम्पोरल ऑर्डर प्रदर्शन में न्यूनतम योगदान देता है जबकि फ्रेम विविधता अधिकांश लाभों को संचालित करती है।

Jae Joong Lee2026-07-16
💻 computer science

Detector Confidence Signals Presence Rather Than Occlusion in Cluttered Manipulation

यह शोध पत्र प्रदर्शित करता है कि ओपन-वोकैबुलरी डिटेक्टर कॉन्फिडेंस (open-vocabulary detector confidence) किसी दृश्य के भीतर एक वस्तु श्रेणी की उपस्थिति का संकेत देता है न कि किसी विशिष्ट लक्ष्य की दृश्यता का, जो यह प्रकट करता है कि गंभीर अवरोध (severe occlusion) के तहत भी कॉन्फिडेंस उच्च बना रहता है और सक्रिय धारणा (active perception) तथा मूल्यांकन जैसे अवरोध-जागरूक कार्यों में महत्वपूर्ण विफलताओं का कारण बनता है।

Yuanzhi He2026-07-16