12113 ورقة بحثية
يقدم هذا التقرير التقني تحدي EgoCross، وهو معيار لتقييم الإجابة على الأسئلة في فيديوهات منظور الشخص الأول عبر المجالات المختلفة، والذي استضافته مؤتمر EgoVis 2026 لتقييم نماذج اللغات الكبيرة متعددة الوسائط في أربعة مجالات متخصصة من خلال مسارين متميزين، مما أسفر عن أكثر من 1,500 مشاركة وإطلاق موارد عامة للنهوض بهذا المجال.
يقدم DAC-Pose إطار عمل تعاوني مبتكر يعتمد على وكيل مزدوج يجمع بين وكيل الاستدلال الدلالي المسبق لاستنتاج المناطق غير المرئية، ووكيل الترميز البصري المدرك للتباين لنمذجة التشوهات المكانية، مما يحقق توليدًا بشريًا عالي الدقة ومتسق الهوية تحت تحولات زوايا الرؤية الجذرية.
تقترح الورقة البحثية YOLO-PVC، وهو إطار عمل خفيف الوزن ومستقل عن النموذج، يعمل على دمج عمليات الكشف المجزأة لكل شريحة ثنائية الأبعاد في تحديدات حجمية ثلاثية الأبعاد مستقرة لأورام الكبد في التصوير بالرنين المغناطيسي من خلال فرض الاستمرارية في العمق وتحسين الامتداد المحوري عبر الإحصاءات القوية ووحدة المعايرة، محققاً أداءً فائقاً على النماذج المرجعية للتجميع الحالية.
تُعد DisMix إطار عمل لتقنية الـ mixup مدرك للترتيب في التصوير الطبي، حيث توظف ترميزاً كمياً (VQ-VAE) ثنائي الكود لكشف الفصل بين الميزات الرتبية وغير الرتبية، مما يتيح خلطاً مستقلاً يحافظ على تدرج شدة المرض مع تعزيز تنوع المظهر لتحسين أداء التصنيف الرتبي.
تقدم الورقة البحثية CSGen، وهو نموذج انتشار متعدد الوسائط هرمي يستفيد من مجموعة بيانات واسعة النطاق متعددة المجالات، واستراتيجية تحكم تدريجية، وآلية فقدان مدركة للتناثر لتحقيق توليد عالي الدقة وقابل للتحكم للصور ذات الهياكل المنحنية الدقيقة عبر مختلف تطبيقات الوسائط المتعددة.
تقترح هذه الورقة MOAT، وهو دفاع للمعالجة المسبقة غير مرتبط بنموذج محدد يستخدم تحويلات مدخلات عشوائية لحماية نماذج المحولات الرؤية (Vision Transformers) من الهجمات العدائية التي تستهدف تقليم الرموز (token pruning)، مما ينجح في حصر تدهور الكفاءة الحسابية ضمن نطاق 3.4% دون الحاجة إلى تغييرات في بنية النموذج.
تقترح هذه الورقة استراتيجية "تحسين السياسة النسبية للمجموعات المعايرة للرفض" (RC-GRPO)، وهي استراتيجية تعلم تعزيزي تمكن النماذج اللغوية الكبيرة متعددة الوسائط من رفض الكائنات غير الموجودة بفعالية في مهام فهم التعبيرات المرجعية المعممة دون المساس بدقة تحديد المواقع للأهداف الموجودة.
يُعد UniWorld-View إطار عمل موحداً يجمع بين التوجيه ثلاثي الأبعاد الصريح الواعي بالانسداد ونماذج الانتشار بالفيديو لتحقيق تركيب مشاهد ذات منظور جديد وعالي الدقة، ومتسق هندسياً، وقابل للتحكم بدقة من مدخلات أحادية العين شحيحة ذات قاعدة واسعة.
تستخدم هذه الورقة تحليل التباين الوظيفي (functional ANOVA) لتحليل كيفية تأثير خيارات تصميم التعلم العميق المختلفة وتفاعلاتها بشكل منهجي على أداء التصنيف متعدد الملصقات عبر مجموعات بيانات متنوعة للاستشعار عن بعد، مما يكشف أن الاستراتيجيات المثلى تعتمد على خصائص محددة لمجموعة البيانات مثل النطاق والدقة.
تقدم هذه الورقة MVFGA، وهو مسار عمل متعدد الرؤى يجمع بين النمذجة المنفصلة للوجه واليدين مع شبكة بارامترية للجزء العلوي من الجسم وتقنية التقطيع الغاوسي ثلاثي الأبعاد (3D Gaussian splatting) لإنشاء صور رمزية (avatters) واقعية للغاية وعالية الدقة للجزء العلوي من الجسم مع تعبيرات وجه وإيماءات يد دقيقة، مصحوبة بإصدار مجموعة بيانات MVFGA-MoCap.