यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
यह शोधपत्र एकीकृत छवि बहाली के लिए एक नवीन विधि प्रस्तुत करता है, जो निम्न-स्तरीय दृष्टि में एक महत्वपूर्ण कार्य है। मौजूदा विधियाँ या तो कार्य-विशिष्ट हैं और विभिन्न प्रकार के भ्रष्टाचारों के लिए सीमित सामान्यीकरण क्षमता रखती हैं, या वे युग्मित डेटासेट पर प्रशिक्षित होने के कारण बंद-सेट बाधाओं से ग्रस्त हैं। इसे संबोधित करने के लिए, हम पूर्व-प्रशिक्षित अव्यक्त प्रसार मॉडल के साथ पुनरावर्ती पश्चवर्ती नमूनाकरण का उपयोग करके एक डेटासेट-मुक्त एकीकृत दृष्टिकोण का प्रस्ताव करते हैं। यह विधि कार्य-स्वतंत्र स्थितियों के तहत जनरेटिव मॉडल के लिए अर्थपूर्ण पूर्व सूचना प्रदान करने के लिए मल्टीमॉडल समझ मॉडल को एकीकृत करती है, प्रसार मॉडल की जनरेटिव प्राथमिकताओं के साथ भ्रष्ट इनपुट को संरेखित करने के लिए हल्के मॉड्यूल का उपयोग करती है, और पश्चवर्ती नमूनाकरण के लिए पुनरावर्ती शोधन का उपयोग करती है। व्यापक प्रयोग प्रदर्शित करते हैं कि प्रस्तावित विधि अत्याधुनिक विधियों से बेहतर प्रदर्शन करती है, जो इसकी प्रभावशीलता और मजबूती को प्रमाणित करती है। कोड और डेटा https://github.com/AMAP-ML/LD-RPS पर उपलब्ध कराया जाएगा ।
