10693 पेपर
यह शोध पत्र HIOcc पेश करता है, जो इनडोर सिमेंटिक ऑक्यूपेंसी के लिए एक पदानुक्रमित (hierarchical) बेंचमार्क है, और GEM-Occ, एक गॉसियन एविडेंस मेमोरी फ्रेमवर्क जो जुड़े हुए इनडोर वातावरणों में स्केलेबल, लॉन्ग-होरिज़न सिमेंटिक मैपिंग को सक्षम करने के लिए क्षणिक दृश्य ज्यामिति (transient visual geometry) को एक निरंतर, पदानुक्रमित मेमोरी में संलयित (fuse) करता है।
FaceMesh2HPO फ्रेमवर्क क्लिनिकल डायग्नोसिस के लिए HPO-अलाइन्ड फेनोटाइपिक डिस्क्रिप्टर्स को वर्गीकृत करने हेतु 3D फेशियल मेश पर कैस्केडिंग फीचर एलिमिनेशन के साथ एक पदानुक्रमित (hierarchical) PointNet-आधारित पाइपलाइन का लाभ उठाता है, जो पैरेंट टर्म्स के लिए उच्च और दुर्लभ लीफ टर्म्स के लिए मध्यम से मजबूत प्रदर्शन प्राप्त करता है, जबकि सामान्यीकरण (generalizability) को बढ़ाने के लिए बेहतर डेटा विविधता की आवश्यकता को रेखांकित करता है।
यह शोध पत्र SSA-3DGS का प्रस्ताव करता है, जो एक अनसुपरवाइज्ड (unsupervised) फ्रेमवर्क है जो बिना किसी मैनुअल सुपरविजन के 3D गॉसियन स्प्लेटिंग पुनर्निर्माणों से स्टैटिक स्क्रीन-स्पेस आर्टिफैक्ट्स को प्रभावी ढंग से अलग करने और हटाने के लिए एक 3D सीन और एक सीखने योग्य (learnable) 2D ओवरले को संयुक्त रूप से अनुकूलित करता है।
यह शोधपत्र BaFCo को प्रस्तुत करता है, जो कि 200 जटिल बांग्ला सरकारी फॉर्मों का एक सूक्ष्म-एनोटेटेड (fine-grained annotated) बेंचमार्क डेटासेट है, जिसका उद्देश्य बांग्ला दस्तावेज़ लेआउट विश्लेषण और मुख्य सूचना निष्कर्षण में मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स की वर्तमान सीमाओं का मूल्यांकन करना और उन्हें उजागर करना है।
यह शोध पत्र दो नवीन पदानुक्रमित बहु-लेबल वर्गीकरण तकनीकों, लॉस-आधारित (loss-based) और लॉजिट-आधारित (logit-based), का प्रस्ताव करता है, जो तीन बड़े पैमाने के डेटासेट में चेस्ट एक्स-रे में थोरैसिक रोग का पता लगाने की सटीकता, AUC और F1 स्कोर में महत्वपूर्ण सुधार करने के लिए रोग वर्गीकरण (disease taxonomy) का लाभ उठाते हैं।
VEIL शोधपत्र यह प्रदर्शित करता है कि चार्ट-आधारित टाइम-सीरीज़ वर्गीकरण मॉडल अक्सर अंतर्निहित टेम्पोरल पैटर्न्स के बजाय एनकोडिंग-विशिष्ट विजुअल संकेतों पर निर्भर करते हैं, जो यह प्रकट करता है कि विज़ुअलाइज़ेशन डिज़ाइन के विकल्प मौलिक रूप से सीखी गई रिप्रजेंटेशन्स को आकार देते हैं और उन्हें एक माप समस्या (मेजरमेंट प्रॉब्लम) के रूप में माना जाना चाहिए।
REVIVE फ्रेमवर्क मल्टी-स्टेज डिटेक्शन, सेगमेंटेशन और टाइप-अवेयर रिकवरी तकनीकों—जिसमें स्टेबल डिफ्यूजन इनपेंटिंग और डायरेक्ट पिक्सेल रिप्लेसमेंट शामिल है—को एकीकृत करके स्वायत्त वाहनों (ऑटोनॉमस व्हीकल्स) में तोड़फोड़-प्रेरित ऑक्लूजन हमलों को संबोधित करता है, ताकि कैमरा-स्ट्रीम की उपयोगिता को बहाल किया जा सके और डाउनस्ट्रीम ऑब्जेक्ट डिटेक्शन प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र क्लस्टर-गाइडेड वेक्टर क्वांटाइजेशन (CGVQ) को प्रस्तुत करता है, जो एक ऐसी विधि है जो 2D गॉसियन-आधारित इमेज कंप्रेशन के लिए बेसलाइन के समान दृश्य गुणवत्ता बनाए रखते हुए बिट्स-पर-पिक्सेल में 20% की कमी प्राप्त करने के लिए क्वांटाइजेशन से पहले गॉसियन मापदंडों को सजातीय समूहों में विभाजित करती है।
यह शोध पत्र एक स्रोत-निर्देशित प्रोटोकॉल का प्रस्ताव करता है जहाँ लार्ज लैंग्वेज मॉडल्स (LLMs) उसी परिवार के एक अधिक शक्तिशाली मॉडल का लाभ उठाकर वैध न्यूरल नेटवर्क संशोधनों को उत्पन्न करते हैं, जो गैर-स्रोत नियंत्रणों की तुलना में महत्वपूर्ण सटीकता सुधार प्रदर्शित करता है और यह पुष्टि करता है कि LLMs केवल स्रोत आर्किटेक्चर की नकल करने के बजाय प्रभावी ढंग से अनुकूलित होते हैं।
यह शोधपत्र SAMPLe को प्रस्तुत करता है, जो एक शार्पनेस-अवेयर ऑप्टिमाइज़र (sharpness-aware optimizer) है जिसे विजन-लैंग्वेज मॉडल प्रॉम्प्ट लर्निंग में प्रदर्शन-सामान्यीकरण द्वंद्व (performance-generalization dilemma) को हल करने के लिए डिज़ाइन किया गया है, जो विभिन्न ढांचों में ओवरफिटिंग को कम करने और अनदेखे डेटा के प्रति अनुकूलन क्षमता बढ़ाने के लिए अन्वेषण (exploration) और दोहन (exploitation) के बीच गतिशील रूप से संतुलन बनाता है।