12113 ورقة بحثية
يُعد SepPrune إطار عمل خالٍ من التدريب، وقابل للتشغيل المباشر، يقلل بكفاءة التكاليف الحسابية في النماذج اللغوية الكبيرة متعددة الوسائط عبر استخدام رموز فاصل الوسائط كاستعلامات موحدة لتقليم 80.2% من الرموز البصرية مع الاحتفاظ بـ 96.3% من الدقة الأصلية.
تقدم هذه الورقة دالة خسارة واعية بديناميكيات التعلم (LDAL)، وهي دالة هدف مبتكرة تضبط أوزان الفئات ديناميكيًا بناءً على قوة تمثيل الميزات في الوقت الفعلي، وإنتروبيا التنبؤ، والاستقرار بين الحقب، للتفوق على طرق إعادة الوزن الثابتة في مهام التصنيف طويل الذيل.
يُعد Shieldstral نموذجاً مصنفاً للسلامة متعدد الوسائط، متكيف السياسات، ومدمجاً بحجم 3 مليارات معلمة، يعمل على توحيد مهام الإشراف على المحتوى المتنوعة ضمن إطار عمل قائم على الإجابة عن أسئلة ثنائية، مما يمكّنه من مضاهاة أو تجاوز النماذج الأكبر حجماً بكثير من خلال مجموعة بيانات ضخمة ومنقحة تضم 54.1 مليون عينة.
تقدم هذه الورقة أول مسح شامل وموحد يرتكز على النطاق لعملية إخفاء هوية الوجه، حيث يحلل بشكل منهجي المنهجيات والتحديات عبر كامل مسار الحصول على البيانات —من النطاقات الفيزيائية والاستشعارية إلى المعالجة الرقمية اللاحقة— مع مراجعة بروتوكولات التقييم وتحديد اتجاهات البحث المستقبلية.
تقدم هذه الورقة "مودوس" (Modus)، وهو نموذج متعدد الوسائط من نوع "المفكك فقط" (decoder-only) يعمل من أي وسيط إلى أي وسيط، حيث يعامل جميع الوسائط بشكل متماثل دون مكونات خاصة بمهام معينة، مما يتيح توليداً مرناً عبر الوسائط ويحقق أداءً تنافسياً عبر مختلف المعايير المرجعية.
تقدم الورقة البحثية PRISM-AH، وهو إطار عمل متعدد الوسائط موجه معرفياً يتعرف على التردد والارتباك على مستوى الفيديو من خلال نمذجة التنافر عبر الوسائط بمرور الوقت ودمج الأدلة المهيكلة من نموذج لغوي كبير، محققاً مقياس F1 كلي قدره 0.6133 على مجموعة اختبار عامة.
يُعد LaP-Forensics إطار عمل متعدد الوسائط للكشف عن التزييف العميق، يعمل على تعزيز المتانة ضد النماذج التوليدية المتقدمة من خلال دمج بقايا إعادة البناء القائمة على نموذج Stable Diffusion مع الدلالات اللونية (RGB) عبر نموذج استدلال مهيكل، والذي يتم تحسينه لاحقاً عبر تحسين السياسة النسبية للمجموعات (GRPO) لتحقيق كشف تنافسي عبر مختلف المولدات وتحديد مواقع الشوائب.
تتقصى هذه الورقة استخدام بيانات الوجوه الاصطناعية لمعايرة عتبات التحقق في أنظمة مراقبة الحدود الأوروبية، وتجد أنه بينما تُعد البيانات الاصطناعية مفيدة للتطوير الأولي، إلا أنها تفشل في التعميم بشكل موثوق على سيناريوهات معدل المطابقة الخاطئة المنخفضة في العالم الحقيقي بسبب عدم تطابق التوزيعات الذي يؤدي إلى تدهور الأداء وزيادة الثغرات الأمنية.
تقدم هذه الورقة البحثية GeoMTVR، وهي مجموعة بيانات واسعة النطاق للاستدلال البصري متعدد الأدوات الجيومكانية، وGeoLens، وهو نموذج لغوي كبير متعدد الوسائط تم تدريبه باستخدام خوارزمية تعزيز تعلم متخصصة للتعامل بفعالية مع مهام الاستشعار عن بعد فائقة الدقة من خلال الاختيار الديناميكي والدمج لمختلف الأدوات البصرية بما يتجاوز مجرد التكبير البسيط.
تقدم هذه الورقة البحثية تقنية "التقطير لفك التشفير المتوازي" (Parallel Decoding Distillation - PDD)، وهي طريقة تعتمد على المسار، تتسم بالقابلية للتوسع والتبسيط، وتعمل على تسريع توليد الصور والفيديو من خلال التنبؤ بخطوات إزالة الضجيج المتعددة في كل عملية تقييم للشبكة، محققةً أداءً هو الأفضل في فئتها بـ 4 إلى 8 عمليات تقييم فقط، مع تحسين تنوع الفيديو بشكل ملحوظ مقارنة بتقنيات التقطير الحالية.