10642 पेपर
यह शोध पत्र LeWorldModel को प्रस्तुत करता है, जो पृथ्वी अवलोकन (Earth Observation) के लिए अनुकूलित एक लेटेंट वर्ल्ड मॉडल है, जो क्लाउड कवर के पूर्वानुमान और भविष्य के उपयोगी उपग्रह अधिग्रहण के समय की भविष्यवाणी करने में पर्सिस्टेंस (persistence) और लाइटजीबीएम (LightGBM) बेसलाइन से काफी बेहतर प्रदर्शन करने के लिए मल्टीस्पेक्ट्रल इमेजरी और मौसम संबंधी डेटा का लाभ उठाता है।
यह शोध पत्र SFF-CLIP का प्रस्ताव करता है, जो एक फाइन-ट्यूनिंग विधि है जो केवल इमेज-टेक्स्ट पेयर्स के माध्यम से एक रन-टाइम रीजन-फ्रेज अलाइनमेंट स्कीम का उपयोग करके CLIP के फाइन-ग्रेन्ड डेंस फीचर रिप्रेजेंटेशन को बेहतर बनाता है, जिससे अतिरिक्त रीजन एनोटेशन्स की आवश्यकता के बिना मॉडल की मूल ग्लोबल विजुअल-सिमेंटिक क्षमताओं को संरक्षित किया जा सके।
POLY-SIM 2026 चुनौती एक मानकीकृत मूल्यांकन ढांचे के माध्यम से लुप्त ऑडियो-विजुअल मोडैलिटी और बहुभाषी परिवर्तनशीलता जैसी वास्तविक दुनिया की चुनौतियों को संबोधित करके सुदृढ़ मल्टीमॉडल स्पीकर पहचान को उन्नत करने का लक्ष्य रखती है।
यह शोध पत्र VSI-Super-Wild को प्रस्तुत करता है, जो वास्तविक दुनिया के लंबे वीडियो का एक बड़े पैमाने का बेंचमार्क है जिसे स्थानिक सुपरसेंसिंग क्षमताओं का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि वर्तमान मल्टीमॉडल मॉडल स्थानिक पतन (spatial collapse) और अपर्याप्त अपडेट जैसी समस्याओं के कारण समय के साथ सुसंगत विश्व-अवस्था ट्रैकिंग बनाए रखने में मौलिक रूप से विफल रहते हैं।
यह शोध पत्र स्पार्स-व्यू सीटी (sparse-view CT) में रेडिएटिव गॉसियन स्प्लेटिंग (radiative Gaussian splatting) के लिए एक क्लोज्ड-फॉर्म, कैलिब्रेटेड अनसर्टेंटी एस्टीमेशन (uncertainty estimation) विधि प्रस्तुत करता है जो एक्स-रे प्रोजेक्शन की रैखिकता का लाभ उठाकर एक सिंगल फॉरवर्ड पास में सटीक प्रेडिक्टिव वेरिएंस (predictive variance) प्रदान करता है, जो एन्सेम्बल-आधारित ह्यूरिस्टिक्स (ensemble-based heuristics) की तुलना में बेहतर एरर रैंकिंग और कैलिब्रेशन प्रदर्शित करता है और सिद्धांतों पर आधारित व्यू एक्विजिशन (view acquisition) एवं डोज़-एडेप्टिव स्टॉपिंग रणनीतियों (dose-adaptive stopping strategies) को सक्षम बनाता है।
यह शोध पत्र 'बर्णमाला' (Barnamala) का परिचय देता है, जो एक अत्यंत सघन 1.11M-पैरामीटर वाला कनवोल्यूशनल नेटवर्क है, जो हस्तलिखित देवनागरी पहचान पर 99.73% की अत्याधुनिक सटीकता प्राप्त करता है, और प्रभावी रूप से प्रदर्शन संतृप्ति (performance saturation) तक पहुँचता है जहाँ यह काफी बड़े मॉडलों के बराबर या उनसे बेहतर प्रदर्शन करता है और साथ ही उत्कृष्ट सुदृढ़ता और अंतरणीयता (transferability) प्रदर्शित करता है।
यह शोध पत्र एक नवीन मॉड्यूलर फ्रेमवर्क प्रस्तुत करता है जो पोज़ डिस्ट्रीब्यूशन एस्टीमेशन, मल्टी-व्यू फ्यूजन और एरर कंपनसेशन मॉड्यूल के माध्यम से ऑब्जेक्ट पोज़ और ग्रैस्पिंग अनिश्चितताओं को संयुक्त रूप से संबोधित करता है, जो वास्तविक दुनिया के बिन-पिकिंग अनुप्रयोगों में बेहतर दक्षता और विश्वसनीयता प्रदर्शित करता है।
यह अध्ययन यह प्रदर्शित करने के लिए कि जहाँ संभावित नैदानिक संकेत (prospective clinical indications) प्रदर्शन में महत्वपूर्ण सुधार करते हैं, वहीं पोस्ट-हॉक रिपोर्ट टेक्स्ट (post-hoc report text) पर्याप्त लेबल लीकेज (label leakage) उत्पन्न करता है, और डीपसेट्स (DeepSets) एवं रैंडम-स्वैप (random-swap) जैसी परम्यूटेशन-जागरूक फ्यूजन रणनीतियाँ मानक फ्यूजन विधियों के प्रतिस्पर्धी और सुव्यवस्थित विकल्प प्रदान करती हैं, पेशेंट-क्लस्टर्ड बूटस्ट्रैपिंग (patient-clustered bootstrapping) का उपयोग करके मल्टी-मोडल चेस्ट रेडियोग्राफ वर्गीकरण का मूल्यांकन करता है।
TCAM-Diff एक नवीन 3D मेडिकल इमेज जनरेशन मॉडल है जो ट्रिप्लेन प्रतिनिधित्व के लिए डिकोडर-ओनली ऑटोएनकोडर को ट्रिप्लेन-अवेयर क्रॉस-अटेंशन डिफ्यूजन मॉडल के साथ जोड़कर मेमोरी आवश्यकताओं को कम करता है, जिससे मौजूदा तरीकों की तुलना में विभिन्न मेडिकल डेटासेट्स पर बेहतर पुनर्निर्माण और जनरेशन गुणवत्ता प्राप्त होती है।
यह शोध पत्र एक नवीन रिकर्सिव (पुनरावर्ती) ArUco मार्कर डिज़ाइन प्रस्तावित करता है जो काले और सफेद बिट्स दोनों के भीतर पूर्ण मार्कर को एम्बेड करके असीमित पुनरावृत्ति गहराई और आंशिक अवरोध के तहत मजबूत पहचान सक्षम करता है, जिससे यह मौजूदा फ्रैक्टल और Harco मार्कर्स की सीमाओं को पार करते हुए मल्टी-ड्रोन UAV लैंडिंग संचालन के लिए एक स्केलेबल, अद्वितीय पहचानकर्ता प्रणाली प्रदान करता है।