cs.CV पेपर | Gist.Science

From Distances to Trajectories: Real-Time Signed Distance Function Mapping and Distance-Accelerated Motion Planning for UAVs

यह शोध पत्र यूएवी (UAVs) के लिए एक एकीकृत ऑनबोर्ड सिस्टम प्रस्तुत करता है जो एक न्यूरल नेटवर्क-आधारित साइन्ड डिस्टेंस फंक्शन (OREN) और एक डिस्टेंस-एक्सेलेरेटेड सर्च प्लैनर (Bubble $^\star$ ) का उपयोग करके मैपिंग और प्लानिंग को सह-डिज़ाइन करता है ताकि पारंपरिक तरीकों की तुलना में काफी बेहतर सटीकता और गति के साथ भीड़भाड़ वाले वातावरण में वास्तविक समय में सुरक्षित नेविगेशन सक्षम किया जा सके।

Jason Stanley (UC San Diego, La Jolla, USA), Zhirui Dai (UC San Diego, La Jolla, USA), Qihao Qian (UC San Diego, La Joll (…)2026-07-22

💻 computer science

ERank in Latent Space as an Image-Complexity and Richness Measure

यह शोधपत्र ERank प्रस्तुत करता है, जो कि डीप फीचर चैनल कोवेरियन्स (deep feature channel covariances) के प्रभावी रैंक (effective rank) से व्युत्पन्न एक लेबल-मुक्त, सिंगल-पास मीट्रिक है, जो दृश्य समृद्धि (visual richness) को मापता है और उन कार्यों के लिए डेटा चयन को प्रभावी ढंग से निर्देशित करता है जहाँ प्रदर्शन इनपुट की जटिलता पर निर्भर करता है, जैसे कि सुपर-रिज़ॉल्यूशन और OCR।

Maksim Smirnov, Grigory Kononov, Anastasiia Linich, Egor Surkov, Egor Shvetsov2026-07-22

💻 computer science

InstructMixup: Instruction-Guided Salient Patch Editing for Robust Data Augmentation

InstructMixup एक सुदृढ़ डेटा संवर्धन विधि है जो एक एकल छवि से प्रमुख पैच निकालकर, उन्हें निर्देश-निर्देशित जनरेटिव मॉडलों और फ्रैक्टल संरचनाओं के साथ परिष्कृत करके, और उन्हें मूल नमूने में वापस मिश्रित करके लेबल-संगत, चुनौतीपूर्ण प्रशिक्षण डेटा बनाकर मॉडल के सामान्यीकरण को बढ़ाती है, जिसमें नगण्य ओवरहेड होता है।

Khawar Islam, Arif Mahmood, Xin Jin, Naveed Akhtar2026-07-22

🤖 machine learning

ROMS-IMLE: A Minimalist Approach to Competitive Single-Step Generative Modelling

यह शोध पत्र ROMS-IMLE को प्रस्तुत करता है, जो एक न्यूनतम, सिंगल-स्टेप जनरेटिव मॉडल है जो एक सरल कनवल्शनल नेटवर्क को इम्पलिसिट मैक्सिमम लाइकलीहुड एस्टीमेशन के साथ जोड़कर ImageNet 256 (FID 2.56) पर प्रतिस्पर्धी प्रदर्शन प्राप्त करता है, जो जटिल इटरेटिव डिनोइजिंग प्रक्रियाओं की आवश्यकता को चुनौती देता है।

Chirag Vashist, Ke Li2026-07-22

💻 computer science

OmniReasoner: Thinking with Long Audio-Video via Native Tool Use

OmniReasoner एक टूल-यूज़ पोस्ट-ट्रेनिंग फ्रेमवर्क है जो ओम्नीमोडल LLMs को लंबे ऑडियो-वीडियो स्ट्रीम पर कुशलतापूर्वक तर्क करने में सक्षम बनाता है, जो विरल साक्ष्यों (sparse evidence) के उच्च-सटीक निरीक्षण के लिए "ज़ूम-इन" टूल को कब बुलाना है, इसका गतिशील निर्णय लेने में सक्षम है, जिसे टेम्पोरल कंसिस्टेंसी के लिए एक नवीन TimeAnchor मैकेनिज्म और स्केलेबल ट्रेनिंग के लिए एक टेम्पोरल ऑगमेंटेड डेटा इंजन द्वारा समर्थित किया गया है।

Yu Chen, Caorui Li, Ziyu Xiong, Yidong Wang, Mingqi Gao, Shuman Liu, Biao Liu, Chunfeng Yang, Anxiang Zeng, Haibo Zhang (…)2026-07-22

💻 computer science

Masked Visual Actions for Unified World Modeling

यह शोध पत्र मास्क्ड विज़ुअल एक्शन्स (Masked Visual Actions) को प्रस्तुत करता है, जो एक एकीकृत पिक्सेल-स्पेस नियंत्रण इंटरफ़ेस है जो दृश्य के भीतर संस्थाओं के आंशिक रूप से प्रकट किए गए प्रक्षेप पथों (trajectories) के रूप में क्रियाओं का प्रतिनिधित्व करके रोबोटिक हेरफेर के लिए फॉरवर्ड डायनेमिक्स प्रेडिक्शन और इनवर्स प्लानिंग दोनों को करने के लिए वीडियो मॉडल का लाभ उठाता है।

Hadi Alzayer, Wenlong Huang, Haonan Chen, Christopher Luey, Lvmin Zhang, Maneesh Agrawala, Gordon Wetzstein, Li Fei-Fei (…)2026-07-22

🤖 AI

CarbonNet: How Computer Vision Plays a Role in Climate Change? Application: Learning Geomechanics from Subsurface Geometry of CCS to Mitigate Global Warming

यह शोध पत्र CarbonNet को प्रस्तुत करता है, जो एक कंप्यूटर विज़न फ्रेमवर्क है जो जलवायु परिवर्तन शमन में सहायता के लिए कार्बन कैप्चर एंड सीक्वेस्ट्रेशन (CCS) में कम्प्यूटेशनल और सामान्यीकरण की चुनौतियों को संबोधित करने हेतु सबसरफेस ज्योमेट्री इमेजेस से लैंड सरफेस डिस्प्लेसमेंट की भविष्यवाणी करने के लिए ResNetUNet और LSTM जैसे डीप लर्निंग मॉडल्स का लाभ उठाता है।

Wei Chen, Yunan Li, Yuan Tian2026-07-21

🤖 machine learning

Distributed solar generation forecasting using attention-based deep neural networks for cloud movement prediction

यह शोध पत्र एक बड़े पैमाने का अनुभवजन्य अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि उपग्रह चित्रों से बादलों की गति का पूर्वानुमान लगाने के लिए अटेंशन-आधारित डीप न्यूरल नेटवर्क का उपयोग करना, ऑस्ट्रेलिया में 50 पीवी (PV) साइटों में, वितरित सौर उत्पादन पूर्वानुमान सटीकता को, विशेष रूप से उच्च-ऊंचाई वाले बादलों के लिए, महत्वपूर्ण रूप से सुधारता है।

Maneesha Perera, Julian De Hoog, Kasun Bandara, Hansani Weeratunge, Saman Halgamuge2026-07-21

🧬 biology

The Illusion-Illusion: Vision Language Models See Illusions Where There Are None

यह शोध पत्र प्रकट करता है कि वर्तमान विजन-लैंग्वेज मॉडल "इल्यूजन-इल्यूशन्स" (भ्रम-भ्रम) से ग्रस्त हैं, जो गैर-भ्रामक छवियों (जैसे कि वास्तव में टेढ़ी रेखाएं या अलग आकार के वृत्त) को ऑप्टिकल इल्यूजन के रूप में गलत तरीके से देखते हैं, जिससे उनके विजुअल रीजनिंग में मौलिक प्रसंस्करण त्रुटियां उजागर होती हैं।

Tomer Ullman2026-07-21

💻 computer science

History-Aware Transformation of ReID Features for Multiple Object Tracking

यह शोध पत्र एक प्रशिक्षण-मुक्त, इतिहास-जागरूक फीचर ट्रांसफॉर्मेशन विधि प्रस्तावित करता है जो ऐतिहासिक प्रक्षेपवक्र (ट्रैजेक्टरी) जानकारी और फिशर लीनियर डिस्क्रिमिनेंट विश्लेषण का उपयोग करके ReID फीचर्स को विशिष्ट वीडियो संदर्भों के अनुकूल गतिशील रूप से अनुकूलित करती है, जिससे मल्टीपल ऑब्जेक्ट ट्रैकिंग में ऑब्जेक्ट एसोसिएशन की सटीकता में महत्वपूर्ण रूप से वृद्धि होती है।

Ruopeng Gao, Yuyao Wang, Chunxu Liu, Limin Wang2026-07-21

← पिछला अगला →