12113 ورقة بحثية
تقترح هذه الورقة نموذج SSR، وهو نموذج فضاء الحالة الموجه بالمركز الدلالي الذي يعمل على تحسين استعادة الصور في الظروف الجوية السيئة من خلال استبدال المسح المتسلسل للبكسلات التقليدي بآلية مسح انتقائية موجهة بالبكسلات الفائقة وآلية بوابات على مستوى المنطقة للتعامل بشكل أفضل مع التدهورات غير المنتظمة مكانياً.
تُظهر هذه الورقة أن التحيزات الاجتماعية في نماذج توليد الصور من النصوص ليست أكثر انتشاراً فحسب، بل تظهر أيضاً بشكل أكثر صراحة في التنسيقات السردية مثل لوحات القصة (الستوري بورد) والقصص المصورة مقارنة بالصور المنفردة، مما يسلط الضال على الحاجة الماسة لتقييم هذه الأنظمة عبر سياقات بصرية متنوعة.
تقترح الورقة البحثية K2N، وهي طريقة جديدة لرفع دقة الصور تعزز موثوقية النماذج التوليدية من خلال إعادة صياغة عملية التوليد الذاتي البصري لتأسيس ميزات موثوقة ذات مقياس خشن مباشرة من المدخلات منخفضة الدقة مع توليد التفاصيل الدقيقة غير المؤكدة فقط عبر عملية التوليد الذاتي، مما يؤدي بفعالية إلى تخفيف آثار الهلوسة.
يُعد PartMat مساراً فعالاً لتفكيك الأجزاء ثلاثية الأبعاد مع مراعاة المواد، حيث يستخدم تمثيلاً كامناً عالمياً واحداً لإنشاء أصول مهيكلة وقابلة للتعديل ذات حدود مواد دقيقة وهندسة مفصلة، مع فصل تكاليف الاستدلال عن عدد الأجزاء.
يُعد MoCRA إطار عمل خفيف الوزن وقادر على معالجة فيديوهات بدقة 4K، حيث يستخدم مزيجاً من الذرات التركيبية من الرتبة الأولى لمعالجة تدهورات الضباب والمطر والضجيج وانخفاض الإضاءة في آن واحد دون الحاجة إلى التدفق البصري أو مجموعات بيانات مقترنة، محققاً أداءً وسرعة فائقين على مجموعة بيانات UHV-4K-AIO المقترحة حديثاً.
يُعد WorldDynCache إطار عمل محكوم المخاطر يعمل على تسريع استنتاج نماذج العالم الانتشارية من خلال الجمع بين مُقدِّر مخاطر انتقال كامن خفيف الوزن وبديل مرفوع مدرك للشرط والمرحلة، مما يحقق تسريعاً كبيراً مع الحفاظ على جودة توليد فائقة مقارنة بطرق التخزين المؤقت الحالية.
تقدم هذه الورقة إطار عمل TGO-III، الذي يحلل تطور تمثيلات ViT-Small/16 عبر طبقات التدريب لإثبات أن الفصل بين الفئات والهياكل الدلالية التمييزية يظهران تدريجياً جنباً إلى جنب مع توسع المتشعب، مما يدعم فرضية التوسع الدلالي.
يقدم البحث نموذج GeoCore-9B، وهو نموذج تأسيسي توليدي بـ 9 مليارات معلمة تم تدريبه من الصفر على بيانات رصد الأرض العالمية باستخدام محول انتشار قائم على مطابقة التدفق وفقدان محاذاة دلالي جغرافي مبتكر لتحقيق أداء هو الأفضل في فئته من حيث الدقة البصرية والدقة الهيكلية الجغرافية لمختلف تطبيقات رصد الأرض.
يُعد PhotoHOI إطار عمل مبتكر يعمل على تخليق تسلسلات واقعية لتفاعل اليد مع الأشياء ثلاثية الأبعاد من صورة RGB واحدة وتعليمات لغوية ذات مفردات مفتوحة، وذلك من خلال الاستفادة من التحليل البصري اللغوي، واستعادة المشهد ثلاثي الأبعاد، ومعلومات الاتصال والقبض المتعلمة مسبقاً لتحقيق نجاح عالٍ في المهام والقدرة على التعميم على أشياء غير مرئية مسبقاً.
تحدد هذه الورقة البحثية "الاختصارات النصية"، حيث تعتمد نماذج الرؤية واللغة (VLMs) على أدلة قديمة من سلاسل الاستدلال السابقة بدلاً من إعادة الحساب بناءً على المدخلات البصرية الجديدة، وتقترح "جدار حماية انتباه الحالة الطازجة" (Fresh-State Attention Firewall) الذي لا يتطلب تدريباً لعزل الحوسبة الطازجة بفعالية وتحسين معدلات التحديث البصري بشكل كبير أثناء التأمل الذاتي.