12113 ورقة بحثية
يُعد Engram-E2VID إطار عمل مرجعي لإعادة بناء الأحداث إلى فيديو يستفيد من عمود فقري لانتشار الانتشار أحادي الخطوة لتوجيه التنشيط الهيكلي لـ "إنغرامات" المظهر المشفرة من إطار مرجعي، مما يتيح استعادة عالية الدقة لإطارات RGB المستهدفة من تدفقات أحداث متفرقة حتى في ظل الحركة المعقدة والفترات الزمنية الطويلة.
تقدم الورقة البحثية "الوكيل الموحد" (Unified Agent)، وهو نظام ذو حالة (stateful) يدير بفعالية التفاعلات عبر الأجهزة وعبر الزمن من خلال الحفاظ على حالة مدمجة وجاهزة للتنفيذ، مما يظهر أداءً متفوقاً وقوياً مقارنة بتصاميم الوكلاء الحالية من خلال معيار قياس تم إنشاؤه حديثاً.
تقترح الورقة البحثية شبكة LiteKD-Net، وهي شبكة خفيفة الوزن تعتمد على تقنية تقطير المعرفة، تستخدم محاكاة ضوضاء موجهة بالفيزياء ونموذج طالب يعتمد على الالتفافات القابلة للفصل بعمق لتحقيق توازن أمثل بين استعادة الصور عالية الجودة والكفاءة الحسابية لإزالة الضوضاء من الصور على الأجهزة المحمولة.
إن ConceptADapt هو نموذج إعادة بناء ميزات تكيفي موجه بالمفاهيم وخفيف الوزن، يستخدم الانتباه الديناميكي والمشفرات التلقائية المتناثرة للتغلب على تحديات التعميم في الكشف عن الشذوذ الصناعي في ظل ندرة البيانات، وذلك عبر التعلم المسبق للمفاهيم الطبيعية من بيانات محدودة وإعادة معايرة ميزات الاستعلام بفعالية لتحقيق كشف وتحديد دقيقين للعيوب.
لمعالجة تدهور الأداء في كشف الأهداف الصغيرة بالأشعة تحت الحمراء في المجالات غير المرئية والناتج عن تحولات العلاقة بين الهدف والخلفية، يقترح المؤلفون HyTBE، وهو نموذج يستفيد من الهندسة الزائدية ومهايئ خليط من الخبراء لتوسيع أنماط العلاقات القابلة للملاحظة ومعايرة التمثيلات المرئية تكيفياً من أجل تعميم قوي عبر المجالات.
تقدم الورقة البحثية SR-JEPA، وهي بنية تنبؤية ذات تضمين مشترك أصلية في النقاط (point-native) تتعلم حالة كامنة تركيبية وقابلة للاستعلام للمشاهد ثلاثية الأبعاد من خلال التنبؤ بتمثيلات الكائنات المفقودة دون الاعتماد على إعادة البناء، أو الملصقات الدلالية، أو الميزات ثنائية الأبعاد، محققةً أداءً قويًا في مهام الهوية الدلالية وكشف الكائنات.
يُعد Vorch-Director نموذجاً تفاعلياً لقصص العوالم يعمل على تعزيز التوليد السمعي البصري طويل الأمد من خلال إدخال استراتيجية تصحيح متبقي مدركة للضوضاء للتخفيف من تراكم الأخطاء وانحراف الهوية، مع الاستفادة من تضمينات المهام والتدريب المختلط للمهام لدعم التكييف الموحد ومتعدد اللقطات على محول الانتشار LTX-2.
يُعد EviSelect إطار عمل للاختيار البصري الديناميكي دقيق التفاصيل، يستفيد من أدلة الانتباه الداخلية لنموذج لغوي كبير متعدد الوسائط (MLLM) عبر التعبئة المسبقة المتفرقة لتوجيه سياسة عشوائية محسنة، مما يتيح أخذ عينات مكانية-زمانية تكيفية تقلل بشكل كبير من التكاليف الحسابية وتسرع فهم الفيديو الطويل مع الحفاظ على أداء فائق.
تقدم الورقة البحثية VSMP-IMU، وهو إطار عمل يعتمد على الفيديو لتوليد بيانات مستشعرات القصور الذاتي (IMU) اصطناعية قابلة للتحكم باستخدام برامج الحركة الدلالية المهيكلة للتغلب على ندرة البيانات وتحسين أداء التعرف على الأنشطة البشرية القابلة للارتداء بشكل كبير عبر سيناريوهات نقص الموارد، وعدم التوازن، وتعميم الأشخاص.
تقدم هذه الورقة البحثية KVAE، وهي عائلة من أجهزة الترميز (tokenizers) عالية الأداء للصوت والصورة والفيديو، والتي تحقق جودة في إعادة البناء والتوليد تضاهي أو تتفوق على النماذج مفتوحة المصدر الرائدة، مع توفير تفاصيل تدريب شاملة ورموز برمجية لتسهيل استخدامها في النماذج التوليدية متعددة الوسائط المشروطة بالنص.