10642 पेपर
यह शोध पत्र CVKD-UDA का प्रस्ताव करता है, जो 3D अनसुपरवाइज्ड डोमेन एडेप्टिव सेगमेंटेशन के लिए एक नवीन फ्रेमवर्क है, जो सोर्स सुपरविजन पर निर्भर हुए बिना सेल्फ-ट्रेनिंग के लिए विश्वसनीय वॉर्म-अप मॉडल उत्पन्न करने हेतु विभिन्न वोक्सेल आकारों के साथ क्रॉस-व्यू नॉलेज डिस्टिलेशन और एक डिकपल्ड अडैप्टर का लाभ उठाकर डोमेन-समान रिप्रजेंटेशन का निर्माण करता है।
यह शोध पत्र EMBRACE को प्रस्तुत करता है, जो एक मल्टी-टास्क डीप लर्निंग फ्रेमवर्क है जो एक साझा ResNet-50 बैकबोन और विशिष्ट मॉड्यूल का लाभ उठाकर क्लीवेज-स्टेज भ्रूण छवियों पर साइटोप्लाज्मिक फ्रैगमेंटेशन सेगमेंटेशन, विकासात्मक चरण वर्गीकरण और ब्लास्टोमेर सिमिट्री ग्रेडिंग को एक साथ निष्पादित करता है, जो उच्च सटीकता प्राप्त करता है और IVF के लिए एकीकृत स्वचालित गुणवत्ता मूल्यांकन की व्यवहार्यता को प्रदर्शित करता है।
DynaFilter एक क्लाउड-संचालित डायनेमिक फ़िल्टरिंग तकनीक है जो सैटेलाइट एज डिवाइसेस को लो-लेवल कंप्रेशन सिंटैक्स सहसंबंधों (correlations) का उच्च-स्तरीय सिमेंटिक क्वेरीज़ के साथ लाभ उठाकर सीधे कंप्रेस्ड डोमेन में चयनात्मक रीजन-ऑफ-इंटरेस्ट इन्फरेंस करने में सक्षम बनाती है, जिससे बैंडविड्थ उपयोग, ऊर्जा खपत और इन्फरेंस लेटेंसी में उल्लेखनीय कमी आती है।
यह शोधपत्र TextGaze का प्रस्ताव करता है, जो एक एकीकृत क्रॉस-मोडल आर्किटेक्चर है जो स्केलेबल टेक्स्टुअल सीन क्यूज़ (textual scene cues) प्रदान करने के लिए एक लार्ज विजन-लैंग्वेज मॉडल का लाभ उठाता है, जिससे विविध डेटासेट्स में विजुअल सेलियंसी (visual saliency) और वास्तविक गेज़ इंटेंट (gaze intent) के बीच संतुलन बनाते हुए एक सुदृढ़ और एनोटेशन-कुशल गेज़ टारगेट एस्टीमेशन सक्षम होता है।
EmoStyle, अफेक्टिवआर्ट (AffectiveArt) चैलेंज 2026 के लिए प्रथम स्थान प्राप्त करने वाला एक फ्रेमवर्क है जो एक LLM का उपयोग करके अफेक्टिव संकेतों (affective cues) का अनुमान लगाने और एक Z-इमेज-आधारित जनरेटर को नियंत्रित करने के लिए स्टाइल-विशिष्ट LoRA विशेषज्ञों का उपयोग करके भावनात्मक छवि निर्माण में नियंत्रण अंतराल को पाटता है, जिससे यह सुनिश्चित होता है कि आउटपुट प्रॉम्प्ट, कलात्मक शैलियों और लक्षित भावनाओं के अनुरूप हो।
यह शोध पत्र ScratNet का प्रस्ताव करता है, जो एक नवीन एंड-टू-एंड फ्रेमवर्क है जो अनियमित, कम कंट्रास्ट वाले सेमीकंडक्टर स्क्रैच दोषों को सेगमेंट करने में बेहतर सटीकता प्राप्त करने के लिए मल्टी-स्केल एग्रीगेशन और प्रिसिजन रिफाइनमेंट मॉड्यूल वाले एक विशेष डिकोडर के साथ एक संशोधित स्विन ट्रांसफॉर्मर बैकबोन को जोड़ता है।
यह शोध पत्र InterPet4D प्रस्तुत करता है, जो व्यापक एनोटेशन के साथ सिंक्रोनाइज़्ड मानव-कुत्ता अंतःक्रियाओं को कैप्चर करने वाला पहला बड़े पैमाने का मल्टीमॉडल डेटासेट है, और InterPetMoGen फ्रेमवर्क का प्रस्ताव करता है जो यथार्थवादी मानव-पालतू गति उत्पन्न करने में मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र ChartSync प्रस्तुत करता है, जो एक व्यापक बेंचमार्क और मूल्यांकन ढांचा है जिसे सांख्यिकीय चार्ट पर विज़ुअल-लॉजिकल कैस्केडिंग एडिटिंग (visuo-logical cascading editing) करने में वर्तमान जनरेटिव मॉडलों की सीमाओं का आकलन करने और उन्हें संबोधित करने के लिए डिज़ाइन किया गया है, जो विशेष रूप से ओपन-सोर्स और फ्रंटियर प्रोप्रायटरी मॉडलों के बीच ज्यामितीय सिंक्रोनाइज़ेशन (geometric synchronization) क्षमताओं में महत्वपूर्ण अंतर को उजागर करता है।
यह शोध पत्र VVM-Tuning का प्रस्ताव करता है, जो एक ऐसा प्रशिक्षण ढांचा है जो RGB डेटा से विविध दृश्य मोडालिटीज़ (visual modalities) को संश्लेषित करता है ताकि लार्ज मल्टीमॉडल मॉडल्स को इनवेरिएंट सीन सिमेंटिक्स (invariant scene semantics) को मोडालिटी-विशिष्ट अपीयरेंस (modality-specific appearances) से अलग करना सिखाया जा सके, जिससे बिना इन-मोडालिटी प्रशिक्षण के अनदेखी विजुअल मोडालिटीज़ के लिए ज़ीरो-शॉट जनरलाइजेशन (zero-shot generalization) सक्षम हो सके।
यह शोध पत्र GRC-ProbNet को प्रस्तुत करता है, जो एक अनिश्चितता-जागरूक (uncertainty-aware) फ्रेमवर्क है जो कई सेगमेंटेशन मास्क उत्पन्न करने और अनिश्चितता विशेषताओं को निकालने के लिए डीप एनसेम्बल्स का लाभ उठाता है, जिससे नियत बेसलाइन (deterministic baseline) GRC-Net की तुलना में हृदय रोग वर्गीकरण प्रदर्शन में महत्वपूर्ण सुधार होता है।