12113 ورقة بحثية
تقترح هذه الورقة إطار عمل لتحديد موقع المخطط الأرضي بصرياً من الخشن إلى الناعم، يلغي الحاجة إلى مطابقة الأشعة كثيفة الاستهلاك للموارد عبر استخدام نموذج انتشار وضعية مشروط بالصورة لحل غموض الوضعيات متعدد الأنماط في مرحلة خشنة، يليه مُحسِّن موضعي لإجراء تعديلات دقيقة دون المتر، محققاً أداءً رائدًا في معايير S3D وZInD.
تُظهر هذه الورقة أن النماذج الرؤيوية-اللغوية المتطورة تفتري بشكل منهجي على تشخيصات طبية مهيكلة بناءً فقط على الخصائص الديموغرافية للمريض عند عدم توفر أي صورة، مما يكشف عن أنماط فشل متميزة وغير عشوائية عبر النماذج المختلفة، ويسلط الض light الضوء على الحاجة الماسة لتدقيق المخرجات المهيكلة وفحص الحساسية تجاه الكلمات في عمليات النشر السريري.
يُعد CinemaTraj إطار عمل مبتكرًا يستفيد من وكلاء النماذج اللغوية الكبيرة (LLM agents) ومخططات المشاهد ثلاثية الأبعاد المهيكلة لتفكيك المطالبات باللغة الطبيعية إلى حركات كاميرا ذرية خالية من التصادم، مما يؤدي إلى توليد فيديوهات سينمائية سردية عالية الجودة من بيئات ثلاثية الأبعاد واقعية.
تقدم هذه الورقة امتداداً احتمالياً لاحقاً خفيف الوزن لنماذج YOLO-Pose، يعززها بتوزيعات تنبؤية ثنائية المتغير ومعايرة لتقدير عدم اليقين المكاني، مما يتيح تصنيفاً فعالاً لموثوقية النقاط المفتاحية وتحسين التطبيقات اللاحقة مثل هبوط الطائرات القائم على الرؤية الحاسوبية.
تحدد هذه الورقة أن الأخطاء المتراكمة في توليد الفيديو ذاتي الانحدار تنبع من الانهيار البعدي للتمثيلات الخفية، كاشفةً أن توسيع نطاق البيانات وحده غير فعال، وتقترح طريقة خفيفة الوزن لتنظيم تمثيل الفيديو تعمل على استقرار التوليد طويل المدى وتحسين مقاييس الجودة البصرية بشكل كبير.
تقدم هذه الورقة البحثية تدقيق الائتمان البصري (VCA)، وهو إطار عمل خالٍ من التدريب والملصقات، يعمل على تفكيك أداء الاستدلال المكاني متعدد الوسائط إلى الصحة، والدعم البصري، والاستجابة الخاصة بالعلاقة، مما يكشف أن جزءاً كبيياً من الإجابات الصحيحة في الاختبارات المعيارية هي في الواقع غير معتمدة على الدليل البصري.
تقدم هذه الورقة SciFigQual-Bench، وهو معيار مرجعي سياقي جديد للنصوص الكاملة لتقييم جودة الأشكال العلمية يقيم الصور عبر خمسة أبعاد باستخدام بيانات مشروحة من قبل خبراء من أفضل مؤتمرات علوم الحاسوب، إلى جانب إطار عمل SFQ-Agent الذي يحقق أداءً رائدًا في التقييم الآلي.
تقدم هذه الورقة البحثية FreqForcing، وهو إطار عمل لا يتطلب تدريباً يعمل على الحد من تراكم الأخطاء في التوليد الذاتي الانحدار للفيديوهات الطويلة عبر توظيف تقنية الارتكاز الذاتي الطيفي لتثبيت المكونات منخفضة التردد مع الحفاظ على الحركة عالية التردد، مما يتيح توليد فيديوهات عالية الجودة مدتها دقيقتان من نماذج مدربة مسبقاً على مقاطع قصة.
يُعد Veritas++ إطار عمل للاستدلال المعزز بالإدراك للكشف عن الصور المولدة بواسطة الذكاء الاصطناعي، وهو يعالج أوجه القصور في الكواشف الحالية القائمة على نماذج اللغات الكبيرة متعددة الوسائط (MLLM) من خلال تقديم التعلم الموجه نحو الإدراك لتعزيز التحليل البصري دقيق التفاصيل، والتقطير القائم على القيمة في سياسة التدريب لدمج قدرات الإدراك المعززة هذه بكفاءة في استدلال قوي.
تقدم هذه الورقة ByDeWay-V2، وهو إطار عمل لا يتطلب تدريباً يعزز الاستدلال المكاني والقابلية للتفسير في النماذج اللغوية الكبيرة متعددة الوسائط للتطبيقات الحرجة في اتخاذ القرار، وذلك من خلال دمج علاقات هندسية ثنائية صريحة وقابلة للقراءة البشرية إلى جانب إشارات العمق، مما يقلل بشكل كبير من الهلوسة ويحسن الأداء في الاختبارات المرجعية المكانية مع العمل بكفاءة ضمن قيود الموارد الصارمة.