10754 पेपर
यह शोध पत्र Gen4U को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो वीडियो जनरेशन और समझ को एकीकृत करने के लिए फ्रोजन (frozen), बड़े पैमाने के वीडियो डिफ्यूजन मॉडल्स के स्ट्रक्चर्ड लेटेंट स्पेस का लाभ उठाता है, जिससे बिना फाइन-ट्यूनिंग के और जेनेरेटिव क्षमताओं को सुरक्षित रखते हुए विविध परसेप्शन कार्यों में प्रतिस्पर्धी प्रदर्शन प्राप्त होता है।
यह शोध पत्र "स्कैम्बल्ड एजेस" (Scrambled Edges) प्रस्तुत करता है, जो एक काउंटरफैक्टुअल बेंचमार्क है और यह दर्शाता है कि वर्तमान डेंस ज्योमेट्रिक प्रेडिक्टर्स "जियोमेट्रिक कोलैप्स" (Geometric Collapse) का शिकार होते हैं क्योंकि वे भौतिक रूप से अवास्तविक एज क्यूज़ (edge cues) और वैध क्यूज़ के बीच अंतर करने में विफल रहते हैं, जिससे वैश्विक भविष्यवाणी त्रुटियां होती हैं जिन्हें दूषित क्षेत्रों के ज्ञान के साथ भी आसानी से सुधारा नहीं जा सकता है।
यह शोध पत्र एक सुदृढ़ मल्टीमॉडल एंसेम्बल डीप लर्निंग सिस्टम का प्रस्ताव करता है जो AI-संशोधित वीडियो के लिए सामान्यीकरण और पहचान सटीकता में सुधार करने हेतु फ्यूजन रणनीतियों के साथ ऑडियो (AASIST) और विजुअल (EfficientNet, XceptionNet, MesoNet) विश्लेषण को संयोजित करता है, हालांकि यह उल्लेख करता है कि अनदेखी हेरफेर पर उच्च प्रदर्शन प्राप्त करना एक महत्वपूर्ण चुनौती बनी हुई है जिसमें औसत सटीकता लगभग 70% है।
यह शोध पत्र Bi-PT का प्रस्ताव करता है, जो एक नवीन पाइपलाइन है जो विरल क्लिनिकल कार्डिएक एमआरआई डेटा से सटीक रूप से 3D फोर-चैंबर हार्ट मेश को पुनर्गठित करने के लिए द्विदिश क्रॉस-अटेंशन (bidirectional cross-attention) और न्यूरल ऑर्डिनरी डिफरेंशियल इक्वेशंस (Neural Ordinary Differential Equations) का उपयोग करता है, जिससे मजबूत पॉइंट फीचर्स को सीखना और डिफियोमॉर्फिक विरूपण (diffeomorphic deformations) सुनिश्चित करना संभव होता है।
यह शोध पत्र Ego3DLM पेश करता है, जो एक नवीन ढांचा है जो स्थानिक दृश्य समझ को क्रॉस-मोडल निरंतरता के साथ समग्र रूप से एकीकृत करने के माध्यम से एक विशेष तीन-चरणीय प्रशिक्षण योजना द्वारा एगोसेंट्रिक परिप्रेक्ष्य से भविष्य की मानव गति और संबंधित वर्णन को एक साथ पूर्वानुमान लगाने के लिए 3D-सचेत लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है।
TRACE-Seg3D एक काउंटरफैक्चुअल कॉन्टेक्स्ट ऑडिटिंग फ्रेमवर्क है जो इमेजिंग कॉन्टेक्स्ट को व्यवस्थित रूप से बदलकर 3D ग्लियोमा सेगमेंटेशन की भविष्यवाणी स्थिरता को मापने और उन विफलता मोड को उजागर करने के लिए संस्थागत बदलावों के तहत इसकी मजबूती और विश्वसनीयता को बढ़ाता है जिन्हें पारंपरिक मेट्रिक्स नहीं पकड़ पाते हैं।
यह शोध पत्र टेक्स्ट-टू-इमेज इन-कॉन्टेक्स्ट लर्निंग के लिए एक ट्री-ऑफ-थॉट्स रीजनिंग फ्रेमवर्क का प्रस्ताव करता है जो अतिरिक्त प्रशिक्षण की आवश्यकता के बिना संरचनात्मक अस्पष्टता को हल करने और छवि संश्लेषण की गुणवत्ता में सुधार करने के लिए एक बहु-चरणीय पीढ़ी, मूल्यांकन और चयन प्रक्रिया का उपयोग करता है।
यह शोध पत्र CLIP के अंतिम विज़ुअल सेल्फ-अटेंशन लेयर्स में मानक सॉफ्टमैक्स (softmax) को स्पार्स -एंटमैक्स (sparse -entmax) ट्रांसफॉर्म से बदलने का प्रस्ताव देता है ताकि अप्रासंगिक टोकन से होने वाले शोर को समाप्त किया जा सके, जिससे सिमेंटिक सेगमेंटेशन और फाइन-ग्रैन्ड रिट्रीवल जैसे डेंस ओपन-वोकैबुलरी प्रेडिक्शन कार्यों पर प्रदर्शन में उल्लेखनीय सुधार होता है।
यह शोध पत्र एक गलत क्लास प्रायर (class prior) पर रिपोर्टिंग के कारण दुर्लभ-घटना पृथ्वी-अवलोकन क्लासिफायर में प्रेसिजन (precision) के व्यवस्थित अति-अनुमान की समस्या को संबोधित करता है, जिसमें एक तीन-संख्या वाली रिपोर्टिंग पद्धति और एक प्रिसिजन-प्रथम विकास चक्र का प्रस्ताव दिया गया है जिसने सेंटिनल-1 डेटा से आंतरिक तरंगों (internal waves) के परिचालन पता लगाने की सटीकता को 0.192 से 0.927 तक सफलतापूर्वक सुधारा है।
यह शोध पत्र NoDrift3R का प्रस्ताव करता है, जो एक पोज-फ्री फीड-फॉरवर्ड 3D गॉसियन स्प्लेटिंग फ्रेमवर्क है जो एक रेमैप-गाइडेड कपलिंग मॉड्यूल को पेश करके लॉन्ग-सीक्वेंस ड्रिफ्ट पर विजय प्राप्त करता है ताकि ज्यामिति (geometry) और अपीयरेंस ऑप्टिमाइज़ेशन को स्पष्ट रूप से सिनर्जाइज किया जा सके, जिससे संचयी पोज त्रुटियों के बिना मजबूत और उच्च-फिडेलिटी 3D पुनर्निर्माण प्राप्त किया जा सके।