10754 पेपर
यह शोध पत्र एनकोडिंग-डिकोडिंग डायरेक्शन पेयर्स (EDDP) का उपयोग करते हुए एक पोस्ट-हॉक व्याख्यात्मक एआई फ्रेमवर्क प्रस्तुत करता है ताकि ब्लैक-बॉक्स डीपफेक डिटेक्टरों की अंतर्निहित अर्थपूर्ण शब्दावली और निर्णय लेने वाली प्रक्रियाओं को उजागर किया जा सके, जिससे ग्राउंडेड, स्थानिक रूप से जागरूक स्पष्टीकरण प्रदान किए जा सकें जो मौजूदा बाइनरी प्रेडिक्शन और सतही स्पष्टीकरण विधियों की सीमाओं को दूर करते हैं।
यह शोध पत्र लैंग्वेज-एंकरड डिकंपोजिशन (LAD) प्रस्तुत करता है, जो एक पोस्ट-हॉक फ्रेमवर्क है जो भाषा-आधारित क्षेत्र मानचित्रों द्वारा सीमित एक कॉन्सेप्ट बेसिस सीखने के लिए नॉन-नेगेटिव मैट्रिक्स फैक्टराइजेशन को उलटने के माध्यम से डीप न्यूरल नेटवर्क के लिए निष्ठावान, स्थानिक रूप से सटीक और मानव-व्याख्या योग्य स्पष्टीकरण उत्पन्न करता है, जिससे मूल मॉडल को संशोधित किए बिना नामित और निर्णय-प्रासंगिक व्याख्याएं प्राप्त की जा सकती हैं।
CarbonCLIP एक मल्टीमॉडल डिस्टिलेशन फ्रेमवर्क है जो प्रीट्रेनिंग के दौरान स्ट्रीट-व्यू छवियों से सिमेंटिक अंतर्दृष्टि और मासिक डेटा से टेम्पोरल संदर्भ को एकीकृत करने के लिए कंट्रास्टिव लर्निंग का लाभ उठाकर उपग्रह-आधारित शहरी कार्बन उत्सर्जन भविष्यवाणी को बढ़ाता है, जिससे केवल उपग्रह इमेजरी का उपयोग करके सटीक और स्केलेबल अनुमान सक्षम होता है।
यह शोध पत्र छठे वार्षिक सॉकरनेट (SoccerNet) 2026 चुनौतियों के परिणामों को प्रस्तुत करता है, जिसमें पांच विजन-आधारित फुटबॉल वीडियो समझ कार्यों के मूल्यांकन प्रोटोकॉल, लीडरबोर्ड और शीर्ष प्रदर्शन करने वाली विधियों का विवरण दिया गया है, जिन्होंने 427 टीमों और 1,129 सबमिशन को आकर्षित किया।
यह शोध पत्र ARGTCA का प्रस्ताव करता है, जो एक ग्राफ-आधारित फ्रेमवर्क है जो एक सिम्बोलिक एट्रिब्यूट ग्राफ और ग्राफ अटेंशन नेटवर्क के माध्यम से अंतर-विशेषता निर्भरताओं (inter-attribute dependencies) को मॉडल करता है ताकि टेस्ट-टाइम अडैप्टेशन के दौरान विजन-लैंग्वेज मॉडल्स के कैलिब्रेशन में महत्वपूर्ण सुधार किया जा सके, जो उन मौजूदा तरीकों से बेहतर प्रदर्शन करता है जो विशेषताओं को स्वतंत्र रूप से मानते हैं।
यह शोध पत्र एक हेटेरोजेनिटी-अडैप्टिव डिफ्यूजन श्रोडिंगर ब्रिज (HA-DSB) फ्रेमवर्क प्रस्तावित करता है जो होल-बॉडी एमआरआई ट्रांसलेशन में शारीरिक विषमता (एनाटॉमिकल हेटेरोजेनिटी) को दूर करने और रोग संबंधी निष्ठा (पैथोलॉजिकल फिडेलिटी) को बढ़ाने के लिए PET-निर्देशित मेटाबॉलिक प्रायर्स और विजन-लैंग्वेज मॉडल एम्बेडिंग्स का लाभ उठाता है, जिससे PET-MR स्कैन के लंबे अधिग्रहण समय की समस्या का समाधान होता है।
यह शोध पत्र एक विश्लेषणात्मक ढांचा प्रदान करता है जो यह प्रदर्शित करता है कि प्राकृतिक छवियों पर कंट्रास्टिव लर्निंग (contrastive learning), साइनुसोइडल प्रथम-परत फिल्टर (sinusoidal first-layer filters) और आंशिक व्हाइटनिंग (partial whitening) वाले इष्टतम सीएनएन (CNNs) की ओर अभिसरित होकर उपयोगी निरूपण (representations) उत्पन्न करती है, जहाँ विशिष्ट आवृत्तियाँ और भार डेटासेट के पावर स्पेक्ट्रम (power spectrum) के माध्यम से वॉटरफिलिंग एल्गोरिदम (waterfilling algorithm) द्वारा निर्धारित होते हैं।
यह शोध पत्र 3D फेस रिकंस्ट्रक्शन मॉडल्स में व्यवस्थित जनसांख्यिकीय पूर्वाग्रहों का पता लगाने, उन्हें मापने और उन्हें दृश्यमान बनाने के लिए लाप्लास-बेल्ट्रामी ऑपरेटर (Laplace-Beltrami Operator) का उपयोग करते हुए एक नवीन वक्रता-जागरूक स्पेक्ट्रल फ्रेमवर्क (curvature-aware spectral framework) प्रस्तावित करता है, जो यह प्रदर्शित करता है कि यह ज्यामितीय दृष्टिकोण पारंपरिक यूक्लिडियन दूरी मेट्रिक्स की तुलना में निष्पक्षता का अधिक प्रत्यक्ष रूप से सटीक मूल्यांकन प्रदान करता है।
यह शोध पत्र HIVE को प्रस्तुत करता है, जो एक ऐसा मूल्यांकन बुनियादी ढांचा है जो विजन लैंग्वेज मॉडल्स में पोस्ट-हैलुसिनेशन रीजनिंग (PHR) की जांच करता है, और यह प्रकट करता है कि हॉलुसिनेटेड कैप्शन आश्चर्यजनक रूप से विजन-लैंग्वेज कार्यों पर सटीकता में सुधार कर सकते हैं, क्योंकि वे व्यापक सेमेंटिक कवरेज प्रदान करते हैं और रीजनिंग डायनेमिक्स को नया आकार देते हैं, जबकि पारंपरिक रूप से उन्हें त्रुटियों के रूप में देखा जाता है।
यह शोध पत्र एक नवीन कार्डिएक वीडियो वर्गीकरण मॉडल प्रस्तावित करता है जो एक लेटेंट स्पेस में द्वि-दिशीय क्रॉस-अटेंशन तंत्र के माध्यम से विरूपणीय आकार (deformable shape) और बनावट (texture) के निरूपणों को एकीकृत करता है, जिससे सिने सीएमआर (cine CMR) डेटासेट पर अत्याधुनिक प्रदर्शन और बेहतर व्याख्यात्मकता प्राप्त करने के लिए गतिशील, चरण-विशिष्ट फीचर फ्यूजन सक्षम होता है।