12113 ورقة بحثية
تُعدُّ CREST طريقةً فعالةً لاختيار الإطارات في فهم الفيديوهات الطويلة دون الحاجة إلى تدريب، حيث تستفيد من الانحناء الزمني المحلي لصلة الإطار الاستعلامي لإعطاء الأولوية للأحداث البارزة، محققةً دقةً متفوقة على النماذج المرجعية خفيفة الوزن وتقاربًا مع خطوط المعالجة المعقدة متعددة المراحل بتكلفة معالجة مسبقة ضئيلة.
يقدم FlexPath إطار عمل لتوجيه البحث المتعلم يتكون من مرحلتين، يفصل بين تعلم الاتصال وبين التحسين الخاص بالهدف، مما يتيح التكيف المرن مع تفضيلات المسارات المتنوعة مثل تجنب العوائق واتباع نقاط المسار، مع تحسين كفاءة ومثالية تخطيط المسار الأقصر القياسي في الوقت ذاته.
تُعدُّ DuET طريقة استدلالٍ لا تتطلب تدريباً تعمل على تعزيز تحرير الصور القائم على النماذج الانتشارية عبر الانتقال مؤقتاً من خلال مرحلة تحويل النص إلى صورة لضمان توافق أفضل مع التعليمات المستهدفة مع الحفاظ على السلامة الهيكلية، مع وجود متغير انتقائي يعمل على تحسين التوازن بين دقة التحرير والحفاظ على المصدر بشكل أكبر.
تقدم هذه الورقة ElasticTTT، وهو إطار عمل جديد للضبط أثناء وقت الاختبار يحل مشكلة انهيار الأسبقية في تحرير الفيديو من خلال توظيف تنظيم توزيع الهدف، وتوجيه التشكيل التبايني (Contrastive CFG)، وجدول ضوضاء غير متزامن للحفاظ على الأسبقية التوليدية وتحقيق أداء رائد في تحرير الصور بلقطة واحدة.
يُعد ViSAGE إطار عمل ذاكرة وكيلية متعددة الوسائط يعزز فهم الفيديو طويل المدى من خلال بناء ذكريات ذاتية التصحيح ومركزة حول الكيانات عبر الربط عبر الوسائط، والتحسين ثنائي الاتجاه، والتحقق المتقاطع متعدد الوكلاء لمنع خلط الهوية والهلوسة، محققاً تحسناً بنسبة 5.9% في الدقة مقارنة بالنماذج المرجعية الرائدة.
تقدم هذه الورقة البحثية CV، وهو إطار عمل للتعلم العميق المستند إلى الفيزياء، يقوم بتقدير عمر الكلال لسبائك الفولاذ خفيفة الوزن بسرعة مباشرة من الصور المجهرية الضوئية بدقة عالية وعدم يقين مُعاير، محققاً معامل تحديد قدره 0.93 في اختبار معياري اصطناعي مع تسليط الضوء على الحاجة إلى التحقق المستقبلي من العينات الواقعية.
تقدم هذه الورقة تقنية جديدة للتنبؤ بجودة تصوير الشذوذات، مثل الخلايا السرطانية داخل الأنسجة العضوية، للمساعدة في تقييم وتصميم مستشعرات التصوير المقطعي بالترددات الراديوية.
يقدم DoLoop-UME بنية تضمين متعددة الوسائط عالمية ومبتكرة تعزز أداء وكفاءة الاسترجاع من خلال تنفيذ الطبقات المبكرة لمرة واحدة، وإعادة استخدام كتلة مشتركة المعلمات بشكل متكرر مع سجلات استرجاع قابلة للتعلم لتراكم الأدلة عبر العمق، وتطبيق طبقات التعيين النهائية فقط بعد الحلقة الأخيرة، مما يحقق سرعة ودقة فائقتين مقارنة بالطرق الحالية.
تقدم الورقة البحثية WaiT، وهو محول صور مدرك للمويجات (wavelet-aware image Transformer) يعمل على تحسين توليد الصور عالية الدقة من خلال تفكيك الصور إلى نطاقات ترددية وتأخير صقل الترددات العالية حتى تظهر الهياكل الخشنة، مما يحقق دقة فائقة في فضاء البكسل (pixel-space fidelity) وتكاليف حوسبة منخفضة مع التوسع بفعالية في توليد الفيديو.
تقترح هذه الورقة إطار عمل للكشف عن التزييف العميق مدركاً لعدم اليقين، يدمج تدفقات أدلة بصرية ودلالية وهيكلية مع آلية معايرة جديدة لعدم توافق الفروع لتحقيق أفضل مستويات التعميم وتقديرات ثقة موثوقة في ظل تغيرات التوزيع.