12113 ورقة بحثية
إن APQF هو إطار عمل مؤتمت وموجه بنماذج لغوية كبيرة، يدمج بين التقليم المهيكل القائم على التوصيف والكمية مختلطة الدقة مع الضبط الدقيق التكيفي لتقليل التكاليف الحسابية بشكل كبير مع الحفاظ على دقة عالية عبر مختلف النماذج الرؤية على الأجهزة ذات الموارد المحدودة.
تقدم هذه الورقة SPRINT، وهو معيار شامل لمقاطع فيديو رياضية من العالم الحقيقي مصمم لتقييم قدرات الاستدلال الاستباقي للمخاطر لدى النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs)، كاشفاً أنه في حين تتفوق النماذج الحالية في اكتشاف المخاطر، فإنها تعاني في تحديد أسبابها الكامنة وتصدر إنذارات كاذبة بشكل متكرر، مما يسلط الضوء على فجوة حرجة في السلامة الاستباقية الموثوقة للبيئات الفيزيائية الديناميكية.
تُعد ChronoVision إطار عمل متعدد الوسائط يعزز الاستدلال الزمني في النماذج اللغوية الكبيرة من خلال محاذاة المنطق البصري مع إعادة بناء الحالة الكامنة والتعلم المعزز، محققةً أداءً هو الأفضل حالياً في مجموعة بيانات Vbvr-VQA المستحدثة ومعيار IntPhys2 الصعب.
يُعد Vorch-IR إطار عمل موحداً متعدد الوسائط مبنياً على LTX2 يتيح استبدال الهوية بمرونة لشخص واحد أو شخصين مع إمكانية تحرير الخلفية في مقاطع الفيديو طويلة المدى من خلال التكييف المشترك مع فيديوهات القيادة، والصور المرجعية، والتعليمات النصية، مع التغلب على ندرة البيانات عبر مسار توليد تلقائي وتوسيع النطاق ليشمل عمليات توليد تمتد لدقيقة كاملة عبر استراتيجية استدلال زمني متداخل.
يُعد Vorch-Streamer إطار عمل لما بعد التدريب يتيح البث المباشر للنصوص إلى الصوت والفيديو طويل التنسيق، وذلك عبر الجمع بين مولد سببي تم تدريبه باستراتيجيات إجبار مختلطة، وتقطير DMD لتحقيق الاستقرار طويل الأمد، ونموذج لغوي خارجي لتخطيط الكلام، بهدف تحقيق توليد سريع ومتزامن ومتسق للأفاتار.
تقترح الورقة البحثية إطار عمل INTraJ، وهو إطار موحد للتنبؤ بالمسار يقوم بتفكيك التأثير الاجتماعي إلى مرحلة تخطيط لتوليد مسارات مرجعية ومرحلة استجابة للتعديلات المحلية، محققاً أداءً هو الأفضل في فئته عبر معايير متعددة من خلال إثبات الدور الحاسم للنمذجة الاجتماعية المرحلية.
يُعد DistMedVL إطاراً خفيف الوزن واحتمالياً للرؤية واللغة، يعالج عدم اليقين في تقسيم الصور الطبية من خلال تقديم محول عبر-نماذج احتمالي مع وحدات محاذاة ماهالانوبيس وتدفق التوزيع لنمذجة عدم اليقين التمثيلي بشكل صريح، مما يحقق متانة وقدرة فائقة على التعميم عبر مجموعات البيانات السريرية المتنوعة مقارنة بالطرق الحتمية الحالية.
تقدم هذه الورقة StreamArena، وهو معيار شامل لفهم الفيديو التفاعلي على نطاق الساعة يكشف عن محدودية النماذج الحالية في الذاكرة طويلة المدى والإدراك في الوقت الفعلي، إلى جانب StreamMind، وهو بنية ذات مستويين توازن بفعالية بين التفاعل المستمر والذاكرة متعددة الوسائط المستمرة للتفوق على النماذج المرجعية الحالية.
تقترح الورقة البحثية LAWM-3D، وهو إطار عمل مبتكر يتغلب على قيود نماذج الأفعال الكامنة القائمة على ثنائية الأبعاد من خلال تقديم ترميز متعدد الرؤى غير متغير، وقيود محاذاة هندسية، وإعادة بناء غير حقانية لبيانات (RGB-D) لتعلم أفعال كامنة مدركة ثلاثية الأبعاد من فيديوهات بشرية، مما يعزز بشكل كبير من قدرة التعميم والاتساق الفيزيائي لنماذج العالم الروبوتية.
تقترح هذه الورقة طريقة هجينة تكرارية تجمع بين المتغيرات المنفصلة والمستمرة تعمل على تحسين مسارات طيران الطائرات بدون طيار بناءً على عمليات إعادة البناء التقريبية والاستدلالات الفوتوغرامترية لتوليد مجموعات نقاط رؤية مثالية تعمل على تحسين دقة واكتمال عمليات إعادة البناء ثلاثية الأبعاد بشكل كبير مقارنة بنهج التخطيط التقليدية.