12113 ورقة بحثية
تقترح هذه الورقة البحثية إطار عمل H2AL، وهو إطار عمل جديد لتجزئة الصور الطبية بلقطات قليلة تعتمد على التسجيل، والذي يستفيد من الفضاء الزائدي لنمذجة التسلسلات الهرمية التشريحية ويستخدم تجميع التدرج للتحسين المشترك، مما يتغلب على قيود الطرق القائمة على الفضاء الإقليدي لتحسين كل من دقة التسجيل وأداء التجزئة بشكل كبير.
تُثبت هذه الورقة أن النية القيادية الدلالية في نموذج الرؤية واللغة والعمل (Vision-Language-Action) قابلة للفك خطياً من طبقات فك التشفير المبكرة، مما يتيح تقليم 8 من أصل 32 طبقة لتحقيق تسريع بمقدار 1.33 ضعف مع زيادة طفيفة فقط في خطأ المسار.
تقدم الورقة البحثية WorldTrace، وهو إطار عمل خالٍ من التدريب يتيح الاستمرارية البصرية طويلة الأمد في نماذج العالم المرئية عبر تخصيص مواضع افتراضية متميزة لفتحات الذاكرة المضغوطة، مما يتغلب على قيود تضمين الموضع الدوار الزمني ويحسن بشكل كبير كلاً من الاتساق الزمني والاستدعاء الحقائقي في معيار LoopBench الجديد.
يقدم UniJEPA إطار عمل موحدًا ذاتي الإشراف وغير مرتبط بمهمة محددة، يتعلم بشكل مشترك التنبؤات الضوئية على مستوى الصورة والتنبؤات الزمنية على مستوى الفيديو ضمن فضاء كامن واحد، مما يتيح تخطيطًا فعالًا صفري القدرة ويتفوق على النماذج المتخصصة مع إلغاء الحاجة إلى آليات تدريب معقدة مثل المتوسط المتحرك الأسي (EMA) أو تدرجات التوقف (stop-gradients).
تقدم هذه الورقة البحثية إطار عمل COVER، وهو إطار عمل لاحق للنموذج (post-hoc) ومستقل عن النموذج (model-agnostic)، يعمل على تحويل أي أداة تحديد زمني للفيديو إلى متنبئ موثوق عبر إصدار مناطق زمنية بضمانات خالية من التوزيع (distribution-free) وعينات محدودة (finite-sample) لاحتواء لحظة الحدث الحقيقية، مما يعالج الغموض المتأصل في حدود الأحداث والافتقار إلى مقاييس الموثوقية في الأنظمة الحالية.
يُعد LADDER إطار عمل مبتكر يسخر النماذج اللغوية الكبيرة لاكتشاف شرائح خطأ متماسكة ومدفوعة باللغة وتوليد سمات زائفة للتخفيف الشامل من الانحياز في مصنفات الرؤية، متجاوزاً بذلك قيود طرق التجميع والأسالسة القائمة على السمات عبر دمج المعرفة بالمجال والاستدلال المتقدم دون الحاجة إلى تسميات توضيحية صريحة.
تُعد Tree-NET إطار عمل مبتكر لتجزئة الصور الطبية يستخدم إشرافاً مزدوجاً عند عنق الزجاجة لضغط بيانات المدخلات والبيانات التسموية عبر الترميز التلقائي، مما يقلل بشكل كبير من التكلفة الحسابية واستهلاك الذاكرة مع الحفاظ على دقة التجزئة أو تحسينها عبر مختلف نماذج العمود الفقري.
تقدم الورقة البحثية نموذج Afford-X، وهو نموذج مدمج وفعال وقابل للتدريب من البداية إلى النهاية، معزز بمجموعة بيانات LVIS-Aff واسعة النطاق، والذي يحقق استدلالاً فائقاً وقابلاً للتعميم في القدرات المتاحة (affordance) من أجل التلاعب الروبوتي الموجه نحو المهام، مع تفوقه بشكل كبير على الطرق غير القائمة على النماذج اللغوية الكبيرة (non-LLM) وتقديمه استدلالاً أسرع من GPT-4V.
يُعد FashionPose إطار عمل موحداً مدفوعاً باللغة يتغلب على قيود التوليد التقليدي الموجه بالوضعية من خلال توظيف بنية متتالية لتوليد أوضاع خالية من القوالب وإعادة إضاءة مدركة للمشهد بشكل مشترك، مما يتيح توليد ملابس واقعي وقابل للتحكم لأغراض التجارة الإلكترونية في مجال الأزياء.
تقدم الورقة البحثية "APTx Neuron"، وهي بنية موحدة قابلة للتدريب تدمج التنشيط غير الخطي والتحويل الخطي في تعبير واحد لتعزيز كفاءة التحسين والقدرة التعبيرية، مما أظهر أداءً فائقاً على مجموعة بيانات MNIST مقارنة بالخلايا العصبية التقليدية.