12113 ورقة بحثية
يُعد PRIMA إطار عمل مبتكر للتشخيص الطبي يدمج المعرفة السريرية المرتبطة بالمخاطر عبر ترميز نصي مُحسَّن بتقنية التوليد المعزز بالاسترجاع (RAG) والتدريب المسبق ثنائي المُشفِّر مع خسائر محاذاة متعددة المستويات لدمج الميزات البصرية والميتا-بيانات بفعالية، محققاً أداءً هو الأفضل في فئته على مجموعات البيانات المرجعية دون الحاجة إلى موارد حوسبية ضخمة.
تقترح هذه الورقة إطار عمل لانتشار الفيديو من طرف إلى طرف يحقق تركيباً سينمائياً عالي الجودة من خلال النمذجة المشتركة للتفاعلات الفيزيائية بين الشخصية والبيئة وتناغم الإضاءة بين البيئة والشخصية عبر بنية موجهة بثلاثة أقنعة، وإزالة ضجيج مشتركة لبيانات RGB-D، وآلية مشروطة بمرجع.
تُثبت هذه الورقة أن تعلم المجموعات المتعددة القائم على الانتباه المسقوف (gated attention MIL) المطبق على رموز رقع (patch tokens) نموذج DINOv3 المجمدة، يتفوق على نماذج الاختبار الخطي لرمز CLS ونماذج الرؤوس النموذجية (prototype heads) في الكشف عن أورام وكيسات الكلى في مجموعة بيانات KiTS23، محققاً دقة فائقة مع توفير قدرة معززة على التفسير من خلال إثراء الانتباه ضمن الآفات المشروحة.
يُعد OmniMate إطار عمل موحداً يتيح توليد صور رمزية (أفاتار) صوتية ومرئية عالية الجودة ومنخفضة زمن الاستجابة وبشكل مفتوح في الوقت الفعلي، وذلك من خلال تقديم وحدة تحكم في تقدم التوليد (Generation Progress Controller) للاستجابة التكيفية، ووحدة تكييف متعددة المراجع (Multi-Reference Conditioning Module) لضمان اتساق الهوية عبر الوسائط على المدى الطويل.
يُعد DocAnnot إطار عمل مدعومًا بالذكاء الاصطناعي التوليدي يعمل على تسريع إنشاء مجموعات بيانات استخراج المعلومات الرئيسية من خلال الجمع بين نماذج اللغات الرؤية الكبيرة، والتعرف الضوئي على الحروف (OCR)، وخوارزمية مطابقة سياقية معلوماتية مكانية مبتكرة لتوليد تسميات تلقائية عالية الجودة تقلل بشكل كبير من الجهد اليدوي مع تمكين التدريب الفعال للنماذج في المراحل اللاحقة.
تقدم هذه الورقة AVE-Compass، وهو معيار شامل مصمم لتقييم قدرات تحرير الصوت والفيديو بشكل شمولي من خلال مقاييس قائمة على قوائم مراجعة دقيقة، وتقترح AVE-Agent، وهو إطار عمل معياري يستفيد من التأمل الذاتي والتغذية الراجعة التكرارية لتحسين اتباع التعليمات عبر الوسائط المتعددة ودقة التنفيذ في مهام التحرير المعقدة بشكل كبير.
تقدم هذه الورقة بروتوكول استبعاد خالٍ من تسرب التتبع للتحقق الذاتي من عمليات إعادة البناء الفوتوغرامتري، مظهرةً أنه على الرغم من فعاليته في قياس الاتساق الهندسي الداخلي، إلا أنه يفشل في التنبؤ بالدقة المطلقة أو الكشف بشكل موثوق عن النماذج المشوهة عالمياً.
تجادل ورقة الموقف هذه بأن كواشف السمية الشاملة تفشل في حماية المجتمعات المهمشة، مثل ذوي القزامة أو الإعاقات البصرية، وتوضح أن الكشف عن السمية الخاص بالمجتمعات، رغم تحسينه الكبير للتعرف على الضرر من خلال التكيف القائم على المطالبات والضبط الدقيق، لا يزال يتطلب بحثاً مكثفاً للوصول إلى مستويات الأداء التي تحققها الأنظمة العامة.
يُعد Mage-VL نموذجاً تأسيسياً للبث المباشر، كفؤاً ومبنياً على نظام ترميز (codec-native)، يستفيد من أداة ترميز مدركة للحركة وبنية ذات نظام مزدوج لتحقيق فهم متعدد الوسائط في الوقت الفعلي مع تقليل استهلاك الرموز (tokens) بشكل كبير وتسريع الاستدلال، مع مضاهاة أو تجاوز النماذج الأكبر والأحدث في مهام الاستدلال الثابت والديناميكي.
تقدم هذه الورقة آلية انتباه جديدة وبسيطة للمشابك المثلثية (triangle meshes) تحقق أداءً فائقاً في مختلف مهام معالجة الهندسة من خلال ضمان الخصائص الجوهرية والمستقلة عن التثليث عبر التعامل مع الاستعلامات والمفاتيح والقيم كدوال مستمرة متقطعة يتم معالجتها عبر تكاملات طريقة العناصر المحدودة.