12113 ورقة بحثية
تقترح هذه الورقة نموذجاً هجيناً من التلافيف والمحولات (convolution-transformer) مدركاً للخصائص الديموغرافية مع قناع بيانات وصفية تدريجي لتحسين التعرف الدقيق على أمراض معصم الأطفال من خلال التمييز الفعال بين التباينات النمائية الطبيعية والتشوهات الحقيقية باستخدام عمر المريض وجنسه.
تُثبت هذه الورقة أن دمج عينات السلبيات الصعبة الاصطناعية في التعلم الخاضع للإشراف الذاتي يعزز بشكل كبير القدرة التمييزية والأداء لبنيات محولات الرؤية مثل DeiT-S وSwin-T.
تقدم هذه الورقة إطار عمل Syn2Co، الذي يعزز التعلم الخاضع للإشراف الذاتي لنماذج محولات الرؤية (vision transformers) من خلال الاستفফার من البيانات الاصطناعية لتنوع العينات ومن السلبيات الصعبة الاصطناعية للتباينات الصعبة، وبالتالي استكشاف إمكانات وحدود "التظاهر بالامتلاك" لتقليل الاعتماد على مجموعات البيانات الضخمة من العالم الحقيقي.
تقدم هذه الورقة البحثية VideoNorms، وهي مجموعة بيانات تضم أكثر من 3,0٠٠ تعليق توضيحي للمعايير الثقافية مستمدة من برامج تلفزيونية أمريكية وصينية تم إنشاؤها من خلال التعاون بين البشر والذكاء الاصطناعي، والتي تكشف أن نماذج الفيديو اللغوية الكبيرة (VideoLLMs) الحالية تعاني بشكل أكبر مع السياقات الثقافية الصينية والأدلة غير اللفظية، مما يسلط الضوء على الحاجة إلى تدريب وتقييم قائمين على أسس ثقافية.
تقدم هذه الورقة البحثية "الأبواب الخلفية للصور النظيفة التوليدية" (GCB)، وهو إطار عمل يستفيد من نموذج (InfoGAN) الشرطي لتحديد سمات الصور الطبيعية كـمحفزات، مما يتيح هجمات أبواب خلفية شديدة التخفي عبر مجموعات بيانات ومهام متنوعة مع حد أدنى من التدهور في دقة الصور النظيفة.
يُعد LISA-3D إطار عمل ثنائي المراحل وفعال من حيث المعلمات، يعمل على رفع مستوى التجزئة ثنائية الأبعاد الموجهة لغوياً إلى إعادة بناء ثلاثية الأبعاد مستقرة عبر تكييف نموذج LISA بطبقات تكيف منخفضة الرتبة (LoRA) مدركة للهندسة، وفرض اتساق متعدد الرؤى من خلال فقدان إعادة إسقاط قابل للتفاضل.
يُعد LiDarlDraft إطار عمل مبتكرًا يولد سحب نقاط ليدار (LiDAR) واقعية ومتنوعة من مدخلات متعددة الاستخدامات مثل النصوص والصور والرسومات التخطيطية عبر توحيدها في تخطيطات ثلاثية الأبعاد لتوجيه نموذج ControlNet القائم على خريطة النطاق (rangemap)، مما يتيح "المحاكاة من الصفر" القابلة للتحكم لبيئات القيادة الذاتية.
تقدم هذه الورقة VidNum، وهو معيار مرجعي تم تنسيقه يدويًا ويتكون من 1,167 سؤالاً صُممت لتشخيص أوضاع فشل محددة في الاستدلال العددي القائم على الفيديو في نماذج الرؤية واللغة، مما يكشف عن فجوات أداء كبيرة مقارنة بالبشر ويحدد بناء الهدف المهيكل والاستدلال التركيبي القائم على الأفعال كعقبات رئيسية لا يتم حلها بشكل موثوق عبر التلقين بسلسلة الأفكار (chain-of-thought) دون تدريب مسبق.
تقترح الورقة البحثية إطار عمل G2VD، وهو إطار عمل عام للكشف عن الفيديوهات المولدة بواسطة الذكاء الاصطناعي يستفيد من التدخل المضاد للواقع وفك التشابك السببي للتخفيف من تعلم الاختصارات وتحقيق أداء فائق عبر المجالات من خلال فصل الإشارات الجنائية الجوهرية عن الانحيازات الخاصة بكل مجال.
يُعد ScalablePromptus إطار عمل قوي لبث الفيديو يتغلب على ضعف الطرق الحالية القائمة على المطالبات تجاه تقلبات الشبكة من خلال توظيف استراتيجية تدريب الإسقاط وتقنيات استكمال متقدمة، مما يتيح إعادة بناء فيديو عالي الدقة من مطالبات مبتورة تعسفياً ويقلل من تدهور الأداء بنسبة 82%–95% في الظروف التي تشوبها الخسارة.