10642 पेपर
यह शोध पत्र डोमेन शिफ्ट के तहत मैमोग्राफी के लिए 15 फाउंडेशन मॉडल्स की मजबूती का बेंचमार्किंग करता है, जो यह प्रकट करता है कि जबकि मैमोग्राफी-विशिष्ट विजन-लैंग्वेज मॉडल्स सर्वश्रेष्ठ आउट-ऑफ-डिस्ट्रीब्यूशन प्रदर्शन प्राप्त करते हैं, सामान्यीकरण (जनरलाइजेशन) केवल डोमेन-विशिष्ट प्रीट्रेनिंग द्वारा गारंटीकृत नहीं होता है और इसके लिए कठोर डेटासेट-स्तरीय मूल्यांकन की आवश्यकता होती है।
यह शोध पत्र GradSkip को प्रस्तुत करता है, जो विजन ट्रांसफॉर्मर्स के लिए एक नवीन प्रासंगिकता प्रसार (relevance propagation) विधि है जो अटेंशन हेड्स को अनुकूल रूप से भारित करके और रेसिडुअल कनेक्शनों के माध्यम से प्रासंगिकता को गतिशील रूप से वितरित करके निष्ठा (faithfulness) और स्थानीयकरण (localization) में सुधार करती है, जिससे मौजूदा दृष्टिकोणों की तुलना में 14 गुना से अधिक कम GFLOPs के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र VFusion प्रस्तुत करता है, जो गलत वर्गीकृत नमूनों को पुनः प्राप्त करने और मजबूती एवं सटीकता को महत्वपूर्ण रूप से बढ़ाने के लिए विजन ट्रांसफॉर्मर के भीतर मध्यवर्ती निरूपणों (intermediate representations) को एकत्रित करने की एक विधि है, जो पारंपरिक क्षैतिज एंसेम्बल दृष्टिकोणों के लिए एक कुशल विकल्प प्रदान करता है।
यह शोधपत्र SynthDocBench प्रस्तुत करता है, जो दस्तावेज़ कारकों को व्यवस्थित रूप से नियंत्रित करने के लिए कॉम्बिनेटोरियल डिज़ाइन का उपयोग करने वाला एक पूर्णतः सिंथेटिक बेंचमार्क है, जो यह प्रकट करता है कि वर्तमान विज़न-लैंग्वेज मॉडल विशिष्ट लॉन्ग-कॉन्टेक्स्ट विफलता मोड—जैसे लंबाई के साथ प्रदर्शन में गिरावट, पोजीशनल सेंसिटिविटी और चार्ट कॉम्प्रिहेन्शन ब्रेकडाउन—से ग्रस्त हैं, जो मौजूदा बेंचमार्क द्वारा छिप जाते हैं।
यह शोध पत्र TVT-PAPD का प्रस्ताव करता है, जो एक सेल्फ-सुपरवाइज्ड लर्निंग फ्रेमवर्क है जो होल स्लाइड इमेजेस में रोग-विशिष्ट रूपात्मक पैटर्न (morphological patterns) को कैप्चर करने के लिए टाइनी विजन ट्रांसफॉर्मर को पैथोलॉजी-अवेयर प्रोटोटाइप डिस्टिलेशन के साथ एकीकृत करता है, जिससे ग्लियोमा डेटासेट्स पर उच्च वर्गीकरण सटीकता और मजबूत क्रॉस-कोहॉर्ट सामान्यीकरण प्राप्त होता है।
यह शोध पत्र SPORT का प्रस्ताव करता है, जो एक अधूरा मल्टी-व्यू क्लस्टरिंग (incomplete multi-view clustering) के लिए एक नवीन ढांचा है जो प्रोटोटाइप्स को साझा और व्यू-विशिष्ट घटकों में अलग करके प्रदर्शन में सुधार करता है, क्लस्टर-स्तरीय संबंधों को बनाए रखने के लिए संरचना-जागरूक कंट्रास्टिव लर्निंग (structure-aware contrastive learning) का उपयोग करता है, और सटीक लापता-व्यू रिकवरी के लिए वैश्विक प्रोटोटाइप्स और स्थानीय पड़ोस संरचनाओं को संयोजित करने वाली एक हाइब्रिड इम्प्यूटेशन रणनीति का उपयोग करता है।
यह शोध पत्र फ्लोफैक्टर (FlowFactor) को पेश करता है, जो नियंत्रित कन्फाउंडिंग कारकों (confounding factors) के साथ एक नवीन वास्तविक-विश्व ऑप्टिकल फ्लो बेंचमार्क है, यह प्रदर्शित करने के लिए कि सिंथेटिक बेंचमार्क पर वर्तमान मॉडलों का प्रदर्शन वास्तविक-विश्व सटीकता का खराब पूर्वानुमान लगाता है और केवल डेटा को स्केल करना इस सामान्यीकरण अंतराल (generalization gap) को पाटने में विफल रहता है।
यह शोधपत्र ग्रासमैनियन स्प्लेटिंग (Grassmannian Splatting) का परिचय देता है, जो में 3-प्लेन द्वारा परिभाषित रैंक-2 स्पेसटाइम सर्फल्स (spacetime surfels) का उपयोग करने वाला एक गतिशील दृश्य प्रतिनिधित्व है, जो मानक 3D गॉसियन स्प्लेटिंग रास्टराइज़र के अनुकूल एक क्लोज्ड-फॉर्म मोशन मॉडल को नियोजित करके काफी तेज़ प्रशिक्षण गति के साथ अत्याधुनिक रेंडरिंग गुणवत्ता प्राप्त करता है।
यह अध्ययन प्रदर्शित करता है कि इंट्रिन्सिक फ्लोरोस्कोपी कैलिब्रेशन में मामूली गड़बड़ी भी वर्टिब्रा प्रोजेक्शन ज्योमेट्री को महत्वपूर्ण रूप से बदल देती है और 2D-3D रजिस्ट्रेशन सटीकता को कम कर देती है, विशेष रूप से लेटरल व्यूज़ में, जो पारंपरिक पुनर्निर्माण-आधारित मूल्यांकनों के साथ-साथ प्रोजेक्शन-डोमेन कंसिस्टेंसी मेट्रिक्स की आवश्यकता को रेखांकित करता है।
यह शोध पत्र एक क्वांटम संकुचित सेंसिंग (क्वांटम कंप्रेस्ड सेंसिंग) सीटी पुनर्निर्माण एल्गोरिदम प्रस्तावित करता है जो दंडित भारित न्यूनतम वर्ग (पेनलाइज्ड वेटेड लीस्ट स्क्वेयर्स) और गाइडेड टोटल वेरिएशन को एक एकीकृत QUBO ढांचे में एकीकृत करता है, जो पारंपरिक और अन्य अनुकूलन-आधारित विधियों की तुलना में स्पार्स-व्यू परिदृश्यों में बेहतर छवि गुणवत्ता और शोर दमन प्रदर्शित करता है।