cs.CV

AI-Generated Image Detectors Overrely on Global Artifacts: Evidence from Inpainting Exchange

تكشف هذه الورقة أن كواشف الصور المولدة بواسطة الذكاء الاصطناعي الحالية تفشل عندما تعتمد على الآثار العالمية الناتجة عن إعادة بناء المشفر التلقائي المتغير (VAE) بدلاً من المحتوى المحلي، وهو عيب تم إثباته من خلال طريقة "تبادل الملء الداخلي" (INP-X) المقترحة التي تكشف عدم قدرة الكواشف على التعميم بما يتجاوز التحولات الطيفية التي تؤثر على الصورة بأكملها.

Reducing Class-Wise Performance Disparity via Margin Regularization

تقدم هذه الورقة البحثية MR$^2$، وهي طريقة لتنظيم الهامش قائمة على أسس نظرية تعمل على ضبط هوامش اللوجيت (logit) والتمثيل ديناميكيًا بناءً على تباين الميزات لكل فئة، وذلك لتقليل التفاوتات في الأداء بين الفئات بفعالية في الشبكات العصبية العميقة مع تحسين الدقة الإجمالية.

Interpretable Unsupervised Deformable Image Registration via Confidence-bound Multi-Hop Visual Reasoning

Benchmarking Vanilla GAN, DCGAN, and WGAN Architectures for MRI Reconstruction: A Quantitative Analysis

تقدم هذه الدراسة معياراً كمياً لبنيات Vanilla GAN وDCGAN وWGAN عبر مجموعات بيانات الرنين المغناطيسي للركبة والدماغ والقلب، مما يثبت أن DCGAN وWGAN يتفوقان بشكل كبير على Vanilla GAN في جودة إعادة بناء الصور واستقرارها، حيث حقق WGAN أعلى مؤشر تشابه هيكلي (0.99).

CAPA: Contribution-Aware Pruning and FFN Approximation for Efficient Large Vision-Language Models

تقدم هذه الورقة البحثية CAPA، وهو إطار عمل فعال للنماذج اللغوية البصرية الكبيرة يعمل على تحسين سرعة الاستنتاج من خلال تقليم الرموز البصرية ذات المساهمة المنخفضة التي يتم تحديدها عبر مقاييس مساهمة الانتباه، وتقريب حسابات الشبكة العصبية للتغذية الأمامية الفائضة في الطبقات المتوسطة.

SANEval: Open-Vocabulary Compositional Benchmarks with Failure-mode Diagnosis

تقدم هذه الورقة SANEval، وهو معيار تقييم تركيبي مفتوح المفردات يستفيد من النماذج اللغوية الكبيرة وكواشف الكائنات المحسنة لتوفير تقييم تشخيصي دقيق وقابل للتوسع لنماذج تحويل النص إلى صورة، مما يظهر ارتباطاً فائقاً مع التقييم البشري مقارنة بالطرق الحالية.

Subspace Clustering on Incomplete Data with Self-Supervised Contrastive Learning

تقترح هذه الورقة البحثية "تجميع الفضاءات الفرعية التبايني" (CSC)، وهو إطار عمل للتعلم الذاتي الخاضع للإشراف يستفيد من الرؤى المقنعة والتعلم التبايني بأسلوب (SimCLR) لتوليد تضمينات قوية لتجميع البيانات غير المكتملة بفعالية، متفوقاً بذلك على الأساليب الحالية عبر مجموعات بيانات مرجعية متعددة.

TokenTrim: Inference-Time Token Pruning for Autoregressive Long Video Generation

يعالج TokenTrim الانزياح الزمني في توليد الفيديو الطويل ذاتي الانحدار من خلال تقديم طريقة أثناء الاستنتاج تحدد وتقلم الرموز الكامنة غير المستقرة قبل إعادة استخدامها كشرط، مما يحسن الاتساق طويل الأمد دون تعديل بنية النموذج أو عملية التدريب.

LogicGaze: Benchmarking Causal Consistency in Visual Narratives via Counterfactual Verification

تقدم الورقة البحثية LogicGaze، وهو إطار عمل مرجعي مبتكر يتكون من 40,000 مقطع فيديو وصورة مع اضطرابات مضادة للواقع، صُمم لتقييم وكشف ثغرات الهلوسة السببية في نماذج الرؤية واللغة المتطورة من خلال بروتوكول تقييم ثلاثي الأجزاء.

Opportunistic Promptable Segmentation: Leveraging Routine Radiological Annotations to Guide 3D CT Lesion Segmentation

تقدم الورقة البحثية SAM2CT، وهو نموذج تجزئة قابل للتلقين مبتكر يستفيد من التوصيفات الإشعاعية الروتينية (مثل الأسهم والخطوط) المخزنة في نظام PACS لإنشاء تجزئات ثلاثية الأبعاد عالية الجودة لآفات الأشعة المقطعية تلقائياً، مما يوفر حلاً قابلاً للتوسع لإنشاء مجموعات بيانات طبية مشروحة واسعة النطاق دون جهد يدوي مكثف.