12113 ورقة بحثية
تقترح هذه الورقة البحثية "المعالجة البصرية المنفصلة" (DVP)، وهي إطار عمل للتدريب كفء من حيث المعلمات، يستبدل طبقات فك التشفير العليا لنموذج لغوي كبير متعدد الوسائط بكتلة ترانسفورمر واحدة خفيفة الوزن مخصصة للرموز البصرية، مما يحقق أداءً تنافسيًا في الاختبارات المرجعية مع تحديث جزء ضئيل فقط من إجمالي المعلمات.
يقدم JEPADepth إطار عمل لتقدير العمق أحادي العين ذاتي الإشراف يعزز خطوط معالجة القياس الضوئي القياسية من خلال دمج هدف تعلم تمثيل تنبؤي مقنع مستوحى من I-JEPA، محققاً أداءً هو الأفضل في فئته على معايير مثل KITTI وقدرات نقل صفرية متفوقة دون إضافة تكاليف في وقت الاستدلال.
تقدم هذه الورقة هجوماً جديداً غير جراحي في العالم الفيزيائي على شبكات تقدير التدفق البصري، يستخدم أضواءً تحت حمراء خفية وأمثلة عدائية محسوبة مسبقاً لتوليد اضطرابات مستهدفة في الوقت الفعلي عبر ظروف بيئية متنوعة دون تعديل النظام الضحية.
يُعد Visko Orbis 1.0 نموذجاً حياً وتفاعلياً قادراً على توليد فيديوهات بدقة 4K في الوقت الفعلي لمدة ساعة كاملة وبمعدل 24 إطاراً في الثانية، تتيح التبديل الديناميكي للمطالبات وتحافظ على اتساق الجودة والأسلوب من خلال نظام ذاكرة متعدد المقاييس محدود.
تقدم الورقة البحثية Sequence-SOD، وهو كاشف للشبكات العصبية النبضية مستوحى حيوياً يعالج تسلسلات الأحداث المستمرة مع الحفاظ على جهود الغشاء عبر الخطوات الزمنية، مما يحسن دقة الكشف بشكل كبير على بيانات الكاميرا الحدثية مقارنة بالنهج التقليدي أحادي الفترة.
تقترح الورقة البحثية Dualin، وهي طريقة عكس مكونة من مرحلتين تعمل على استعادة نص وصفي (prompt) قابل للتفسير البشري والضجيج الكامن الدقيق لصورة مستهدفة بشكل مشترك للتغلب على قيود التقنيات الحالية وتحقيق أعلى مستويات دقة الصور مع قدرات تحرير قابلة للتحكم.
تقدم هذه الدراسة إطار عمل لإثبات المفهوم يعتمد على التعلم العميق متعدد الوسائط، والذي يدمج تحليل الصور القائم على الشبكات العصبية الالتفافية مع القياسات العظمية لتحقيق دقة عالية في تحديد العناصر الهيكلية للطيور والأنواع على مستوى الفصيلة، مما يؤسس لأساس مرجعي قابل للتوسع للتصنيف الأثري الحيواني بمساعدة الذكاء الاصطناعي.
تُعد StatePlay نموذجاً مبتكراً لعالم ألعاب مدرك للحالة، يستخدم بنية "خليط من المحولات" (mixture-of-transformers) للتنبؤ المشترك بالمحتوى البصري وحالات اللعبة الداخلية، مما يضمن التزام عمليات محاكاة اللعبة المولدة بالقواعد والآليات الأساسية بدلاً من مجرد تحقيق الواقعية البصرية.
تُظهر هذه الدراسة أن البحث عن عمليات تعزيز البيانات وتطبيقها بما يحاكي التحولات الواقعية في النطاق، لا سيما من خلال سياسة "خلط" مركبة، يحسن بشكل كبير من القدرة على التعميم خارج النطاق في تصنيف سرطان الجلد عبر التصوير الدرماتوسكوبي، رغم أن مكاسب الأداء المسجلة قد تكون متفائلة بسبب غياب بروتوكول اختيار منفصل عن المصدر.
تقدم هذه الورقة See2Think، وهو إطار تقييم موحد يتكون من معيار مرجعي يضم 1,200 عينة وبروتوكول "التفكير البصري عبر الأفعال" (Visual Action-of-Thought)، لتكشف أنه بينما تُظهر النماذج متعددة الوسائط اعتماداً سلوكياً على الحالات البصرية الوسيطة، فإن دقة استدلالها مقيدة بشدة بدقة التصيير وتتفاوت بشكل كبير عبر النماذج والبيئات المختلفة.