13317 ورقة بحثية
تعالج هذه الورقة نقص بيانات التقييم البصري لمراقبة سلامة المختبرات ذاتية القيما عبر تقديم مسار لتوليد مجموعات البيانات الاصطناعية واقتراح طريقة محاذاة موجهة بمخطط المشهد، مما يحسن بشكل كبير قدرة النماذج اللغوية البصرية على اكتشاف المخاطر في الإعدادات البصرية فقط.
تقدم هذه الورقة البحثية Text-DJ، وهو هجوم اختراق جديد يتجاوز ضمانات السلامة في النماذج اللغوية البصرية الكبيرة عن طريق تحويل النصوص الضارة إلى شبكة من الصور التي تحتوي على استعلامات فرعية حميدة مبعثرة ومشتتات غير ذات صلة، مما يستغل قدرات التعرف الضوئي على الحروف (OCR) لدى النماذج وعدم قدرتها على الربط بين المدخلات متعددة الوسائط المجزأة.
تقدم الورقة البحثية DISK، وهي طريقة استدلال تكيفية لا تتطلب تدريباً، تستخدم وحدات تحكم ثنائية الفرع وقرارات تخطي عبر الوسائط لتحقيق تسريع بمقدار ضعفين في انتشار المسار و1.6 ضعف في انتشار الفيديو لنماذج العالم ذاتية الانحدار مع الحفاظ على دقة التنبؤ والجودة البصرية.
تقترح الورقة البحثية SparseCut، وهي بنية مبتكرة تعزز النماذج اللغوية الكبيرة متعددة الوسائط من خلال إدخال اتصالات اختصار متفرقة ووحدة دمج متعددة الحبيبات لدمج الميزات المرئية الهرمية بكفاءة دون زيادة العبء الحسابي أو طول المدخلات.
تُعد NPNet شبكة سحابة نقاط ثلاثية الأبعاد غير معلمية بالكامل تحقق أداءً قويًا في التصنيف والتقسيم، لا سيما في إعدادات التعلم من أمثلة قليلة، وذلك من خلال استخدام مؤثرات حتمية وتشفير موضعي غاوسي-فورييري تكيُّفي للتعامل مع المقاييس والكثافات المتغيرة دون أوزان متعلمة.
تقدم الورقة البحثية SPOT، وهو إطار عمل ذاتي الإشراف يعتمد على التباين، يجمع بين توليد الوجوه والتلقين المكاني لتقسيم عوائق الوجه بدقة دون الحاجة إلى أقنعة حقيقية للعوائق.
تقدم هذه الورقة طريقة تعتمد على الذكاء الاصطناعي لرفع الدقة وتتميز بكفاءة حسابية، حيث تقوم باستكمال الشرائح المفقودة في عمليات إعادة بناء صور الدماغ ثلاثية الأبعاد غير المتماثلة (anisotropic) من صور التشريح، مما يعزز الدقة التشريحية، ويحسن دقة التجزئة الآلية، ويقوي التكامل بين الاعتلالات العصبية والتصوير العصبي.
تقدم الورقة البحثية DIAMOND، وهي طريقة تعتمد على الصفر (zero-shot) ولا تتطلب تدريباً، تعمل على تخفيف العيوب البصرية والتشريحية في نماذج مطابقة التدفق (flow matching) والنماذج الانتشارية (diffusion models) عن طريق تطبيق تصحيح المسار أثناء الاستدلال لتوجيه عملية التوليد بنشاط بعيداً عن الحالات الكامنة الإشكالية دون الحاجة إلى تعديل أوزان النموذج.
تقترح هذه الورقة إطار عمل هجينًا جديدًا للتعلم العميق يدمج تحليل البيانات الطوبولوجي مع شبكة DenseNet121 لتحقيق دقة تبلغ 99.93% ومساحة تحت المنحنى (AUC) مثالية بنسبة 100% في تصنيف أربع مراحل من شدة مرض الزهايمر باستخدام بيانات رنين مغناطيسي من قاعدة بيانات OASIS.
حقق فريق HCMUS_TheFangs نتائج فوز في كلا المسارين في مسابقة NeurIPS 2025 (Mouse vs. AI) من خلال إثبات أن البنيات البسيطة والخفيفة تتفوق في المتانة البصرية، بينما تتفوق النماذج العميقة ذات السعة العالية في المحاذاة العصبية، مما يكشف أن الأداء الأمثل يعتمد على مطابقة التعقيد البنيوي مع أهداف مهام محددة بدلاً من تعظيم حجم النموذج.