10642 पेपर
यह शोधपत्र FlipSet प्रस्तुत करता है, जो एक नैदानिक बेंचमार्क है जो यह प्रकट करता है कि विजन-लैंग्वेज मॉडल एक व्यवस्थित इगोसेंट्रिक (स्व-केंद्रित) पूर्वाग्रह और एक संरचनात्मक कमी प्रदर्शित करते हैं, जो इन क्षमताओं को अलग-अलग रूप में रखने के बावजूद सामाजिक जागरूकता को स्थानिक तर्क के साथ एकीकृत करने में विफल रहते हैं।
यह शोध पत्र VISA का प्रस्ताव करता है, जो एक प्रशिक्षण-समय (training-time) सिमेंटिक ऑडिटिंग फ्रेमवर्क है जो 3D ऑक्यूपेंसी वर्ल्ड मॉडल्स के लिए संरचित, विश्वसनीयता-जागरूक ऑडिट उत्पन्न करने के लिए ऑफलाइन विजन-लैंग्वेज मॉडल्स का लाभ उठाता है, जो इन्फरेंस प्रक्रिया को बदले बिना क्लोज्ड-सेट mIoU और दुर्लभ-वर्ग डिटेक्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र "DoYouRemember" प्रस्तुत करता है, जो एक स्मृति-केंद्रित मल्टीमॉडल AI आर्किटेक्चर है जो मानक वन-शॉट प्रोसेसिंग को एक साझा मैट्रिक्स और स्थानीय EMA अपडेट का उपयोग करने वाली एक पुनर्रचनात्मक स्मृति प्रणाली से बदल देता है, यह प्रदर्शित करते हुए कि LLM हिडन स्टेट्स विजुअल जानकारी को त्याग देते हैं और मतिभ्रम (hallucination) को दोष के बजाय लॉसवी मेमोरी डीकंप्रेशन के एक अंतर्निहित गुण के रूप में पुनर्परिभाषित करते हैं।
यह शोध पत्र COJEPA को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित (self-supervised) ढांचा है जो लेबल किए गए डेटा की आवश्यकता के बिना, जुड़वां पहचान (twin retrieval), आयु प्रतिगमन (age regression) और ट्यूमर विभाजन (tumor segmentation) में अत्याधुनिक प्रदर्शन प्राप्त करते हुए, मजबूत 3D मस्तिष्क MRI निरूपणों (representations) को सीखने के लिए कंट्रास्टिव लॉस (contrastive loss) को जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (joint-embedding predictive architecture) के साथ जोड़ता है।
यह शोध पत्र विषम चिकित्सा विज़ुअल क्वेश्चन अनswering (visual question answering) के लिए निरंतर सीखने (continual learning) की विधियों का एक व्यवस्थित अनुभवजन्य मूल्यांकन प्रस्तुत करता है, जो यह प्रकट करता है कि मौजूदा दृष्टिकोण विभिन्न उद्देश्यों और पर्यवेक्षण प्रारूपों वाले विविध नैदानिक कार्यों के अनुकूल होने के दौरान स्थिरता और प्लास्टिसिटी के बीच संतुलन बनाने में संघर्ष करते हैं।
यह अध्ययन थायराइड नोड्यूल अल्ट्रासाउंड वर्गीकरण के लिए एक कैलिब्रेटेड डीप एनसेंबल फ्रेमवर्क प्रस्तुत करता है जो मजबूत आंतरिक प्रदर्शन और प्रभावी चयनात्मक ट्राइएज प्राप्त करता है, लेकिन डेटासेट शिफ्ट के तहत सीमित बाहरी सामान्यीकरण प्रदर्शित करता है, जो नैदानिक परिनियोजन से पहले स्थानीय पुन: अंशांकन (recalibration) और भावी सत्यापन की आवश्यकता को रेखांकित करता है।
यह शोध पत्र NEEDL-Bench प्रस्तुत करता है, जो 3,250 एनोटेटेड छवियों वाला एक चुनौतीपूर्ण सूक्ष्मदर्शी डेटासेट है जिसे डगलस-फर (Douglas-fir) की सुइयों पर स्विस नीडल कास्ट कवक संरचनाओं और स्टोमेटा का पता लगाने के लिए डिज़ाइन किया गया है, जो बेसलाइन प्रदर्शन मेट्रिक्स स्थापित करता है और यह प्रकट करता है कि भविष्य के सुधार केवल मॉडल के आकार को बढ़ाने के बजाय डोमेन-विशिष्ट इंडक्टिव बायस (inductive biases) पर निर्भर करेंगे।
यह शोध पत्र अफेक्टिव बिहेवियर एनालिसिस में अटेंशन मैकेनिज्म के लिए एक कॉज़ल सुपरविजन फ्रेमवर्क प्रस्तावित करता है जो सब्जेक्ट-इनवेरिएंट फोकस को लागू करता है, क्रॉस-कोवेरिएंस रेगुलराइजेशन के माध्यम से नॉन-रिडंडेंट रिप्रेजेंटेशन्स को प्रोत्साहित करता है, और 11वीं अफेक्टिव बिहेवियर एनालिसिस इन-द-वाइल्ड प्रतियोगिता में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए गेटेड नॉनलीनियर ट्रांसफॉर्मेशन के माध्यम से फीचर एक्सप्रेसिवनेस को बढ़ाता है।
GaitSpan एक नवीन ढांचा है जो लय निर्माण (rhythm generation), स्ट्राइड शेपिंग (stride shaping) और अवशिष्ट अनुकूलन (residual adaptation) का लाभ उठाकर, बिना शून्य से पुन: सीखने की आवश्यकता के, एक पूर्व-प्रशिक्षित वॉकिंग पॉलिसी को विविध रूपात्मकताओं (morphologies) और भू-भागों में चलने, जॉगिंग करने और दौड़ने में सक्षम एक एकल, निरंतर-गति वाले लोकोमोशन कंट्रोलर में कुशलतापूर्वक विस्तारित करता है।
यह अध्ययन सिंथेटिक और वास्तविक छवियों के बीच फीचर स्पेस, कलर स्टैटिस्टिक्स और ट्रेनिंग डायनेमिक्स के आधार पर अंतर का व्यवस्थित रूप से विश्लेषण करता है ताकि इमेज क्लासिफिकेशन मॉडल्स में सिंथेटिक डेटा को सुरक्षित रूप से मूल्यांकन करने और एकीकृत करने की रणनीति प्रस्तावित की जा सके, जिसके लिए CIFAKE डेटासेट का उपयोग किया गया है।