12063 ورقة بحثية
تقدم هذه الورقة البحثية استعراضاً شاملاً لأنظمة استرجاع الصور القائمة على المحتوى (CBIR)، مع التركيز على تحديات الفجوة الدلالية وقابلية التوسع، بينما تفصل كيفية استخدام تقنيات التغذية الراجعة ذات الصلة، وتعلم الآلة، والتعلم العميق لتحسين دقة الاسترجاع بشكل تكراري وتوجيه مسارات البحث المستقبلية.
يُعدُّ BRIDLE إطار عمل تعلُّم ذاتي الإشراف معمماً يعمل على تعزيز جودة التمثيل عبر وسائط الصوت والصورة والفيديو من خلال دمج التكميم المتبقي الهرمي في عملية تدريب ثنائية الاتجاه، مما يتغلب على قيود تكميم المتجهات أحادي دفتر الرموز ويحقق أداءً رائدًا في مختلف المهام اللاحقة.
تقترح الورقة البحثية طريقة SMART، وهي طريقة إعادة معايرة خفيفة الوزن وفعالة من حيث البيانات تعمل على تحسين معايرة الشبكات العصبية من خلال تغيير قياس اللوجيتات (logits) بشكل تكيفي بناءً على فجوة اللوجيت (الهامش بين التنبؤات العليا) وتحسين دالة خطأ المعايرة المتوقع ذات الصناديق الناعمة المبتكرة لتحقيق التوازن بين الانحياز والتباين.
تُعد Forge4D نموذجاً للتغذية الأمامية يتيح إعادة بناء واستكمالاً فورياً وفعالاً للبشر ثلاثي الأبعاد الديناميكيين من فيديوهات غير معايرة ذات مشاهد محدودة، وذلك عبر التحسين المشترك لإعادة بناء غاوس ثلاثي الأبعاد التدفيقي مع التنبؤ بالكثافة ذاتي الإشراف والدمج الواعي بالانسداد.
تقترح هذه الورقة البحثية إطار عمل MSM-Seg، وهو إطار عمل تآزري يستخدم نموذج ذاكرة مزدوجة مع انتباه للنمط والشرائح ومشفر محفز غير مرتبط بفئة لتحديد الارتباطات عبر الوسائط والاعتمادات المكانية بفعالية من أجل تقسيم أورام الدماغ ثلاثية الأبعاد بدقة.
يُعد PreResQ-R1 إطار عمل جديد للتعلم المعزز يعمل على فك الارتباط بين أهداف الاستجابة والتفضيل لتوحيد انحدار الدرجة المطلقة والترتيب النسبي، محققاً أداءً هو الأفضل في فئته في كل من تقييم جودة الصور والفيديو مع قدرات قوية على التعميم والاستنتاج المتوافق مع البشر.
يُعد Lumos3D إطار عمل مبتكرًا يعمل بمرور أمامي واحد ولا يتطلب معرفة بالوضعية، حيث يقوم باستعادة المشاهد ثلاثية الأبعاد من صور متعددة المشاهد غير محددة الوضعية ومنخفضة الإضاءة عبر الاستفادة من تقطير الإضاءة المتقاطعة ودالة فقدان متخصصة، مما يلغي الحاجة إلى التحسين لكل مشهد على حدة مع تحقيق نتائج تنافسية.
تقترح هذه الورقة "إعادة تشغيل التنشيط" (Activation Replay)، وهي طريقة لا تتطلب تدريباً تعمل على تعزيز قدرات الاستنتاج في النماذج اللغوية الكبيرة متعددة الوسائط المدربة باستخدام التعلم المعزز بالمكافآت القابلة للتحقق (RLVR)، وذلك من خلال التلاعب بالرموز المرئية لإعادة تشغيل تنشيطات منخفضة الإنتروبيا من النماذج الأساسية، مما يؤدي إلى تحسين الأداء عبر مهام متنوعة دون الحاجة إلى تحسين السياسة المكلف.
تقدم هذه الورقة البحثية LCDrive، وهو نموذج للقيادة الذاتية من طرف إلى طرف يستبدل تسلسل التفكير باللغة الطبيعية بتمثيل أكثر كفاءة في الفضاء الكامن يدمج بين مقترحات الأفعال ورموز النموذج العالمي، محققاً جودة فائقة في المسارات وسرعة في الاستنتاج من خلال الإشراف في مرحلة البداية الباردة والتعلم التعزيزي في الحلقة المغلقة.
تُجري هذه الدراسة تحليلاً تجريبياً واسع النطاق عبر ٢٤ مهمة من مهام التصوير الطبي لتقييم موثوقية ودقة طرق فترات الثقة المختلفة، كاشفةً عن كيفية تأثير عوامل مثل حجم العينة، والمقاييس، واستراتيجيات التجميع على تقدير عدم اليقين، ومقدمةً شجرة قرار عملية لتوجيه معايير الإبلاغ المستقبلية.