3615 पेपर
यह शोध पत्र ओपन साइन बाइबल्स (OSB) को प्रस्तुत करता है, जो अपने प्रकार का सबसे बड़ा कानूनी रूप से बाधा रहित बहुभाषी डेटासेट है, जिसमें मल्टीमॉडल रिट्रीवल और कंट्रास्टिव लर्निंग अनुसंधान को सुगम बनाने के लिए 20 सांकेतिक भाषाओं में 700 घंटों से अधिक के ओपन लाइसेंस प्राप्त बाइबिल वीडियो शामिल हैं, जो 800 से अधिक बोली जाने वाली भाषाओं के समानांतर टेक्स्ट के साथ संरेखित हैं।
यह शोध पत्र एक प्रॉक्सिमल पॉलिसी ऑप्टिमाइजेशन-आधारित डीप रिइन्फोर्समेंट लर्निंग फ्रेमवर्क प्रस्तावित करता है जो कई यूएवी (UAVs) को जटिल शहरी वातावरण में स्वायत्त रूप से नेविगेट करने, प्रभावी ढंग से टकरावों से बचने और स्थिर एवं गतिशील दोनों परिदृश्यों में लक्ष्यों तक पहुँचने के लिए सहयोग करने में सक्षम बनाता है।
यह शोध पत्र एक विश्वसनीय टेबल टेनिस मोशन डेटासेट प्रस्तुत करता है और एक स्पैटियो-टेम्पोरल ग्राफ कन्वोल्यूशनल न्यूरल नेटवर्क मॉडल प्रस्तावित करता है जो अंग अवरोध (limb occlusion) के तहत मोशन रिकग्निशन की सटीकता में सुधार करने के लिए अवरुद्ध जोड़ों की स्थिति की प्रभावी ढंग से भविष्यवाणी करता है।
यह शोध पत्र एक लीनियर गॉसियन कर्नेल साइकिल जेनरेटिव एडवरसैरियल नेटवर्क-आधारित ट्रांसफार्मर लर्निंग (LGKCGAN-TL) मॉडल प्रस्तावित करता है जो पार्किंसंस और त्वचा रोग के डेटासेट के डेटा का लाभ उठाकर उच्च-सटीक, कम-विलंबता वाले प्रारंभिक चरण के स्ट्रोक की भविष्यवाणी करने के लिए इमेज डीनॉइजिंग, GAN-आधारित डेटा ऑग्मेंटेशन और रोसेन्थल कोरिलेटिव ट्रांसफार्मर लर्निंग को एकीकृत करता है।
यह अध्ययन एक एआई-समर्थित अनुसंधान मंच का उपयोग करके यह प्रदर्शित करता है कि मानव-एआई हाइब्रिड समाधान सॉफ्टवेयर इंजीनियरिंग निर्णय लेने में सबसे अधिक पसंदीदा और संतुलित दृष्टिकोण हैं, जो मानव-केवल समाधानों के तुलनीय सटीकता और विश्वास बनाए रखते हुए उच्च रचनात्मकता प्राप्त करते हैं, जिससे यह सुझाव मिलता है कि इंजीनियरिंग शिक्षा को एआई को मानवीय निर्णय के विकल्प के बजाय एक सहयोगात्मक उपकरण के रूप में एकीकृत करने पर ध्यान केंद्रित करना चाहिए।
यह शोध पत्र एक हाइब्रिड स्थानिक-कालिक (स्पैटियो-टेम्पोरल) फीचर प्रतिनिधित्व ढांचे का प्रस्ताव करता है जो विभेदात्मक क्षमता और सामयिक निरंतरता को बढ़ाने के लिए कंट्रास्ट-आधारित, ऑब्जेक्ट-लेवल और सीन-लेवल फीचर्स को एकीकृत करता है, जो पारंपरिक दृष्टिकोणों की तुलना में TVSum और SumMe डेटासेट्स पर बेहतर वीडियो सारांशीकरण प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक ड्यूल-डिफ्यूजन मेश टेक्सचर जनरेशन पद्धति प्रस्तावित करता है जो यूवी मैपिंग विरूपण और रिज़ॉल्यूशन सीमाओं को दूर करने के लिए मल्टीमॉडल ज्यामितीय धारणा को एकीकृत करता है, जो मौजूदा दृष्टिकोणों की तुलना में उत्पन्न 3D टेक्सचर की दृश्य यथार्थता, ज्यामितीय निरंतरता और विविधता को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र QRISP का प्रस्ताव करता है, जो एक संसाधन-कुशल और रिज़ॉल्यूशन-स्वतंत्र क्वांटम इमेज प्रतिनिधित्व ढांचा है, जो सांख्यिकीय ब्लॉक डिस्क्रिप्टर के माध्यम से छवियों को एनकोड करता है ताकि प्रतिस्पर्धी वर्गीकरण प्रदर्शन बनाए रखते हुए NISQ हार्डवेयर के लिए सर्किट जटिलता और क्वबिट आवश्यकताओं को महत्वपूर्ण रूप से कम किया जा सके।
यह शोध पत्र एक एकीकृत द्वि-शाखा (dual-branch) ढांचे का प्रस्ताव करता है जो पूरक फीचर एकीकरण को बढ़ाने और उच्च-गुणवत्ता वाले संलयित निरूपण (fused representations) उत्पन्न करने के लिए एक द्विदिश क्रॉस-अटेंशन मॉड्यूल के साथ विशिष्ट संरचना और कार्य शाखाओं का उपयोग करके त्रि-मोडल मेडिकल इमेज फ्यूजन और सुपर-रिज़ॉल्यूशन को संयुक्त रूप से अनुकूलित करता है।
यह शोध पत्र LACL-OCR का प्रस्ताव करता है, जो एक हल्का (lightweight) डॉक्यूमेंट OCR फ्रेमवर्क है जो आसान से कठिन नमूनों तक प्रशिक्षण को व्यवस्थित करने के लिए एक ह्यूरिस्टिक-आधारित करिकुलम लर्निंग रणनीति को एक नवीन लेआउट-अवेयर लॉस फंक्शन के साथ जोड़कर प्रदर्शन को बढ़ाता है, और बिना मॉडल पैरामीटर्स या इन्फरेंस लागत बढ़ाए OmniDocBench पर अत्याधुनिक (state-of-the-art) परिणाम प्राप्त करता है।