12063 ورقة بحثية
تقدم هذه الورقة أول مسح شامل للكشف عن النصوص في المشاهد ذات الأشكال التعسفية من خلال مراجعة تطورها التقني، واقتراح أطر عمل موحدة لتوحيد الإعدادات التجريبية لإجراء مقارنات عادلة للأداء، وتحديد اتجاهات البحث المستقبلية للنهوض بهذا المجال.
يقدم STA-VPT نموذجاً جديداً للتلقين البصري يتعلم خرائط رموز تلقينية محاذية مكانياً أو مكانياً-زمانياً للحفاظ على بنية المدخلات وتمكين التلقين الدقيق المحدد لكل منطقة، وبذلك يتغلب على قيود طرق التلقين المتسلسلة والمتجانسة التقليدية.
تُظهر هذه الدراسة أن التعلم شبه المُشرف يمثل بديلاً فعالاً للغاية ومنخفض التكلفة للتعلم المُشرف في التنبؤ بسرطان الكلى والرئة والثدي، حيث حقق دقة مماثلة باستخدام عدد أقل بكثير من العينات المُصنفة عبر نماذج متعددة للتعلم العميق سابقة التدريب.
تقدم هذه الورقة مسار توليد الهوية الاصطناعية (SIG)، وهو وسيلة لإنشاء مجموعات بيانات وجوه اصطناعية مستمدة من مصادر أخلاقية، ومتوازنة، وقابلة للتحكم للتغلب على التحديات اللوجستية وتحديات الخصوصية لجمع البيانات التقليدي، وتثبت فعاليتها من خلال إصدار مجموعة بيانات ControlFace10k مفتوحة المصدر لتقييم خوارزميات التعرف على الوجوه والتحيز.
تقدم هذه الورقة RadFound، وهو نموذج تأسيسي مفتوح المصدر للرؤية واللغة واسع النطاق تم تدريبه على أكثر من 8.1 مليون صورة إشعاعية و250,000 زوج من الصور والنصوص عبر 19 نظامًا عضويًا، والذي يُظهر أداءً فائقًا بمستوى الخبراء في مهام الإدراك والتوليد متعدد الوسائط مقارنة بالنماذج الحالية من خلال بنية مبتكرة وتقييم شامل على معيار RadVLBench الجديد.
تقدم الورقة البحثية QuantFormer، وهو نموذج جديد قائم على المحولات (transformer) يعيد صياغة التنبؤ بالنشاط العصبي كمسألة تصنيف من خلال التكميم الديناميكي للإشارات والرموز الخاصة بالنيورونات، محققاً أداءً هو الأفضل في فئته في التنبؤ بديناميكيات القشرة البصرية للفئران من بيانات التصوير الكالسيومي ثنائي الفوتون.
تقدم هذه الدراسة نظرة عامة محدثة على نماذج الرؤية واللغة الضخمة حتى عام 2026، متتبعةً تطورها المعماري من الأنظمة القائمة على الموائمات إلى نماذج العالم والعمل الموحدة، ومحللةً التحول في المعايير المرجعية نحو مهام الاستدلال المعقدة والمهام المتجسدة، ومراجعةً أساليب المحاذاة لما بعد التدريب مع تسليط الضوء على التحديات الحرجة في الهلوسة، والسلامة، والكفاءة.
تقدم هذه الورقة PM4Bench، وهو معيار متعدد الوسائط متوازي بدقة يكشف أن التعرف الضوئي على الحروف (OCR) هو سبب رئيسي في التفاوتات عبر اللغات في النماذج اللغوية الكبيرة متعددة الوسائط (LVLMs)، وتقترح استراتيجية تعلم تعزيزي تركز على التعرف الضوئي على الحروف وخالية من الملصقات لتعزيز القدرات متعددة اللغات بفعالية وتقليل فجوات الأداء.
تقدم هذه الورقة البحثية نموذج CT-Scroll، وهو نموذج انتباه عالمي-محلي يحاكي سلوك التمرير لدى أطباء الأشعة لمعالجة تحديات تصنيف الشذوذ متعدد الملصقات في أحجام الأشعة المقطعية للصدر ثلاثية الأبعاد بفعالية من خلال التقاط التبعيات طويلة المدى والتفاصيل المحلية.
تقدم هذه الورقة إطار عمل للبصمة الرقمية في مجال المويجات يقوم بتحديد هوية الكاميرا المصدر مباشرة على معاملات المويجات بدلاً من إعادة بناء الصور المكانية، مما يقلل بشكل كبير من التكاليف الحسابية مع الحفاظ على دقة التحديد للتطبيقات واسعة النطاق.