13317 ورقة بحثية
تقدم هذه الورقة COOL-SD، وهو استرخاء مُلدن (annealed relaxation) قائم على أسس نظرية لفك التشفيد الاستشرافي (speculative decoding)، يعمل على تسريع التوليد الذاتي التراجعي للصور من خلال تحسين توزيعات إعادة أخذ العينات والاستفضاء من تحليل الاضطراب لتحقيق توازنات فائقة بين السرعة والجودة مقارنة بالطرق الحالية.
للتغلب على المقايضة بين الدقة المكانية والتردد الزمني في المراقبة السريعة لحرائق الغابات، تقترح هذه الورقة نموذج BAM-MRCD، وهو نموذج تعلم عميق مبتكر يدمج صور MODIS وSentinel-2 متعددة الدقة لإنشاء خرائط دقيقة ومفصلة لآثار الحروق بعد حوادث الحرائق بوقت قصير.
يُعد GaussianFluent إطار عمل موحداً يتيح رندرة ومحاكاة واقعية وفي الوقت الفعلي للأجسام الديناميكية ذات المواد المختلطة والكسر الهش، وذلك عبر تخليق داخلات حجمية واقعية التصوير بواسطة نماذج توليدية ودمج طريقة نقطة المادة المستمرة المحسنة.
تقترح هذه الورقة إطار عمل فعالاً وقابلاً للتفسير موجهاً بخطأ التردد، يستفيد من نموذج انتشار شرطي لتعلم أولوية خطأ التردد، مما يتيح التحسين المشترك لأنماط أخذ العينات وشبكة إعادة بناء تعمق عميق مدفوعة بالنماذج لتحسين جودة إعادة بناء التصوير بالرنين المغناطيسي متعدد التباين بشكل كبير عبر مختلف معدلات التسريع.
تقترح الورقة البحثية إطار عمل SMORE، وهو إطار عمل فعال من حيث استهلاك الذاكرة لاسترجاع لحظات الفيديو، والذي يستخدم التسميات التوضيحية الموجهة بالاستعلام، وتعديل الأهمية، وضغط الإطارات التكيفي لتحقيق أداء رائد في عدة معايير قياسية مع التغلب على قيود الذاكرة الناتجة عن المعالجة الكثيفة للإطارات.
تقترح الورقة البحثية تقنية "تقليم المشفر التلقائي المعقد الطيفي" (SCAP)، وهي طريقة قائمة على إعادة البناء تحدد وتزيل القنوات الالتفافية الزائدة عن طريق قياس دقة أطياف مجال التفاعل المعقد الخاص بها، مما يحقق تخفيضات كبيرة في عدد المعلمات وعمليات الفاصلة العائمة (FLOPs) في نموذج VGG16 مع حد أدنى من الفقد في الدقة.
تقترح هذه الورقة إطار عمل للتعلم العميق متكاملاً مع الراديوميكس (radiomics) مع دالة فقدان هرمية لتحسين دقة وقابلية تفسير تصنيف نسيج الساركوما العظمية بشكل كبير، محققةً أداءً هو الأفضل في فئته على مجموعة بيانات تقييم أورام الساركوما العظمية (TCIA OS) التابعة لمعهد التخزين لصور السرطان.
تقدم هذه الورقة أول تطبيق لنماذج محولات الرؤية (ViT) في التحديد الآلي للعناصر الدلالية على العملات الرومانية القديمة باستخدام بيانات متعددة الوسائط، مما يثبت أن نماذج ViT تتفوق على الشبكات العصبية الالتفافية (CNNs) التقليدية في الدقة.
تقدم هذه الورقة البحثية "التدريب المطابق المتكيف مع الفئات" (CaCT)، وهي طريقة مبتكرة تصيغ التدريب المطابق كمسألة تحسين "لاجرانج المعزز" لتعلم مجموعات تنبؤ مشروطة بالفئات بشكل متكيف دون افتراضات توزيعية، مما يحقق مجموعات أصغر وأكثر إفادة مع الحفاظ على ضمانات تغطية صارمة عبر مهام متنوعة.
تقترح هذه الورقة خوارزمية مطابقة الأنماط ثنائية التجزئة (BMM) تعمل على خادم بيانات هرمي لمواءمة الأنماط الدلالية للمصدر والهدف بشكل أمثل، مما يؤدي إلى بناء مجموعات تدريب ذات فجوات نطاق مخفضة تعمل على تحسين أداء النموذج بشكل كبير في مهام التكيف مع النطاق غير الخاضع للإشراف مثل إعادة تحديد الأشياء وكشفها.