12113 ورقة بحثية
تقدم هذه الورقة SAM+D، وهو إطار عمل فعال من حيث المعلمات يعمل على تكييف نماذج عائلة SAM ثنائية الأبعاد لمهام التجزئة الحجمية ثلاثية الأبعاد ورباعية الأبعاد من خلال دمج وحدات Depth-Routed LoRA وDepth Shift Modules، محققاً أداءً تنافسياً مع حد أدنى من المعلمات القابلة للتدريب مع الحفاظ على الأوزان سابقة التدريب.
تقترح الورقة البحثية إطار عمل GO-PRE، وهو إطار لاختيار أفضل عرض تالٍ موجه بالأهداف، يعمل على تحسين إعادة البناء ثلاثي الأبعاد النشط من خلال تعظيم تقليل الإنتروبيا التنبؤية في فضاء الرندرة بشكل صريح، متفوقاً بذلك على الطرق الحالية التي تعتمد على إشارات بديلة غير متوافقة.
تقدم هذه الورقة البحثية التوجيه الذاتي الاصطناعي (SSG)، وهو أسلوب فعال من حيث التكلفة يعمل على تعزيز نماذج الانتشار في فضاء البكسل مسبقة التدريب والمجمدة، وذلك عبر تدريب مُكيِّف خفيف الوزن على عينات مُولَّدة للاستفادة من التباين بين التنبؤات الهيكلية المتوسطة والتنبؤات التفصيلية النهائية كإشارة توجيه ذاتي، مما يحسن جودة التوليد بشكل كبير مع حد أدنى من الحوسبة.
تُثبت هذه الورقة أن مجموعات بيانات الوجوه الاصطناعية تحتفظ بآثار يمكن اكتشافها لمصادر تدريبها من العالم الحقيقي، مما يُمكّن من تنفيذ هجوم استدلال العضوية الذي يحدد بنجاح مجموعة البيانات الاصطناعية المحددة، وفي أكثر من نصف الحالات، مجموعة البيانات الحقيقية الأصلية المستخدمة لتدريب المولد.
تقدم الورقة البحثية إطار عمل SERUM، وهو إطار عمل متعدد المراحل يستفيد من التوسيم الهرمي للنماذج اللغوية البصرية (VLM) والتحسين التكراري لاستخراج نماذج سلوك المستخدم المهيكلة والقابلة للتفسير تلقائياً من فيديوهات الشاشة من منظور الشخص الأول غير المهيكلة، مما يحسن بشكل كبير من دقة التنبؤ وتماسك الملصقات مقارنة بالطرق أحادية المرحلة.
تقدم هذه الورقة البحثية LC-TIM، وهو أسلوب تعلم استنتاجي قليل العينات جديد يعزز تصنيف المشاهد في الاستشعار عن بعد من خلال فرض الاتساق المحلي بين الجيران الأقرب ودمج نماذج تأسيسية متعددة، محققاً أداءً هو الأفضل في فئته على معيار مرجعي شامل تم إنشاؤه حديثاً.
يُعد UltraSAM3 نموذجاً تأسيسياً قائماً على المفاهيم يستفيد من التوصيف المستهدف القائم على النصوص ومن وكيل موجه بالتعليمات لتحقيق تقسيم قوي وعالمي لصور الموجات فوق الصوتية عبر مختلف الأعضاء والآفات، متفوقاً بذلك على الأساليب الحالية المخصصة لمهام معينة والمبنية على المحفزات البصرية.
يقدم CorrelationFlow إطاراً هندسياً مبتكراً، لا يتطلب تدريباً، لتقدير تدفق المشهد في بيانات ليدار (LiDAR)، حيث يستبدل النمط الأحادي السائد للتعلم العميق ذاتي الإشراف بعمليات الرؤية الحاسوبية الكلاسيكية مثل وسم المكونات المتصلة وتعظيم الارتباط، محققاً أداءً قوياً وتدهوراً تدريجياً متزناً في تحدي Argoverse 2 لعام 2026 من خلال التشكيك الجذري في المسألة وإعادة صياغتها بدلاً من مجرد توسيع نطاق الافتراضات القائمة.
يُعد OsteoCAD إطار عمل سحابي-طرفي (cloud-edge) معياري يعتمد على العنصر البشري في الحلقة، وهو يعمل على دمقرطة الوصول إلى التعلم العميق لتحليل الصور الطبية من خلال تمكين سير عمل كامل لتقسيم أورام العظام دون الحاجة إلى خبرة تقنية متقدمة أو موارد حوسبة محلية مكثفة.
تقدم الورقة البحثية نظام CALM-AH، وهو نظام تجميعي متعدد الوسائط معزز بآلية إجماع الخبراء ذات البوابة الموثوقية (RG-MEC) التي تحقق درجة Macro-F1 تبلغ 0.7771 في تحدي ABAW11 من خلال الجمع بين فروع ميزات متنوعة مع استراتيجية تصحيح ذات بوابة الإجماع للتعرف على التردد والارتباك على مستوى الفيديو.