12113 ورقة بحثية
تقدم الورقة البحثية MiniWorld، وهو إطار عمل خفيف الوزن وقابل لإعادة الإنتاج بالكامل يتيح التدريب من البداية لنماذج عالم الفيديو المتدفقة من طرف إلى طرف باستخدام موارد حوسبة متواضعة عبر الاستفادة من محول انتشار فيديو سببي كتلوي مع مطابقة التدفق واستراتيجيات استدلال محسنة.
تقدم هذه الورقة FeDepth، وهو إطار عمل للتعلم الاتحادي القائم على الوصفات، والذي يستخدم التجميع الناعم لنمذجة الانتقالات النطاقية المستمرة عبر منصات الروبوت غير المتجانسة، مما يحسن بشكل كبير من متانة تقدير العمق مقارنة بطرق التعلم الاتحادي القياسية وطرق التجميع الصلب.
يُعد UniHEAR إطار عمل موحداً وخفيف الوزن يتغلب على قيود الاسترجاع أحادي المصدر وإعادة التصنيف غير المعتمد على المصدر في مجال الإجابة على الأسئلة البصرية القائمة على المعرفة، وذلك من خلال توظيف واصف استرجاع خشن، وبوابة نمطية انتباهية موجهة بالاسترجاع، ودمج مصادر مرجح بالإنتروبيا لتحقيق أداء رائد في معايير E-VQA وInfoSeek.
تقدم الورقة البحثية InteracVid، وهو أول مجموعة بيانات مفتوحة المصدر واسعة النطاق تضم أكثر من 454,000 ثلاثية (سياق-استعلام-استجابة) مستخرجة من فيديوهات الدردشة المباشرة، والتي توفر الإشراف الهيكلي التفاعلي الحاسم اللازم لتدريب النماذج متعددة الوسائط على توليد استجابات سمعية بصرية طبيعية وسببية للمحفزات الخارجية للمستخدمين.
تُظهر هذه الورقة أنه بينما يبدو أن الاختيار القائم على الاضطراب (Pgs) يتفوق على التصويت بالأغلبية في توسيع نطاق اختبار الرؤية واللغة، فإن مكاسبه الظاهرة هي إلى حد كبير نتاج لتنسيقات فك التشفير غير المنضبطة، حيث يكشف التحكم المتوافق مع التنسيق أن اتساق الاضطراب وحده ليس إشارة اختيار موثوقة بمجرد محاذاة ميزانيات وتنسيقات فك التشفير بشكل صحيح.
تكشف هذه الدراسة، باستخدام صور الأقمار الصناعية من "PlanetScope" والمؤشرات الطيفية من عام 2021 إلى 2026، أن تطوير العاصمة الجديدة لإندونيسيا، IKN، قد أدى إلى توسع في المناطق العمرانية بنسبة 672% وانخفاض في الغطاء النباتي بنسبة 18.1%، مما يؤكد على المقايضات البيئية الحرجة لرؤية "مدينة الغابة" مع إثبات أهمية الاستشعار عن بعد كأداة حيوية لمراقبة التحول الحضري واسع النطاق.
تقدم هذه الورقة البحثية "أولويات مسار هيرميت" (Hermite trajectory priors) لتمثيل كتل الأفعال (action chunks) كمنحنيات تكعيبية مجزأة وسلسة، مما يثبت أن فرض السلاسة والاستمرارية صراحةً من خلال "تنظيم هيرميت" (Hermite Regularization) يحسن بشكل كبير معدلات النجاح لنماذج "الرؤية واللغة والأفعال" (Vision-Language-Action models) في كل من مهام المحاكاة والروبوتات الحقيقية عبر العمل كتحيز استقرائي فعال للتعلم.
تقترح الورقة البحثية **ONCE**، وهو إطار عمل إضافي لضغط الرموز المرئية (video tokens) يقوم بنقل عملية الضغط المكلفة إلى مرحلة ما قبل التشغيل (offline) عبر تعلم كتاب رموز عالمي مدرك للتردد لمرة واحدة، مما يتيح ضغطاً فورياً (online) فعالاً ومستقلاً عن النموذج يقلل بشكل كبير من زمن انتقال الاستدلال مع الحفاظ على أداء تنافسي عبر معايير فهم الفيديو.
يُعد Remember-R1 إطار عمل للتعلم المعزز يعمل على التخفيف من حدة النسيان البصري في سياقات النصوص الطويلة في النماذج اللغوية الكبيرة متعددة الوسائط، وذلك عبر تطبيق الإشراف على مستوى العمليات لتشجيع الاستخدام المستمر للأدلة البصرية طوال مسارات الاستدلال المعقدة.
تقدم هذه الورقة البحثية DeVIT، وهي طريقة تسريع منخفضة الطاقة لنماذج Vision Transformers تستغل موضعية القيم في النماذج المكممة لتمكين عملية ضرب المصفوفات بدون استخدام الضرب عبر الحوسبة التفاضلية.