12113 ورقة بحثية
يُعد Oxygen-TryOn نموذجاً تأسيسياً موحداً ومتخصصاً في مجال الموضة، يحقق أفضل النتائج في تجربة القياس الافتراضي الواقعية للغاية لمختلف القطع والسيناريوهات من خلال الاستفيد من محرك بيانات مخصص ومسار تدريب ثلاثي المراحل يتضمن التعلم المعزز، متفوقاً بذلك على كل الأنظمة الرائدة المملوكة والمفتوحة المصدر.
تقدم الورقة البحثية "خوندو" (Khondo)، وهو أول معيار مرئي ثنائي اللغة لتقسيم وإعادة ترتيب النماذج الحكومية البنغالية المتصلة، والذي كشف أنه في حين يمكن للنماذج اللغوية الكبيرة متعددة الوسائط تجميع الصفحات بفعالية حسب المستند، إلا أنها تعاني بشكل كبير في إعادة بناء الترتيب الأصلي للصفحات، لا سيما في اللغات ذات الموارد المحدودة.
تقترح الورقة البحثية إطار عمل SCALE، وهو إطار عمل ذاتي الإشراف يستفيد من نموذج لغوي توليدي لإنشاء بيانات اصطناعية لانتهاكات قواعد تصميم الدوائر المتكاملة (DRC)، وضبط نموذج رؤية-لغة متكيف مع المجال، مما يؤدي إلى تحسين معدل نجاح إصلاح انتهاكات قواعد التصميم الموضعية في عمليات تصميم التوصيل والوضع عند عقد أشباه الموصلات المتقدمة التي تقل عن 2 نانومتر بشكل كبير.
تقدم هذه الورقة البحثية SAGFormer، وهو إطار عمل قائم على تقنية Transformer يعالج عقبة التخصيص في تمثيلات غاوس ثلاثية الأبعاد الدلالية من خلال الاختيار الصريح لأكثر عناصر غاوس فائدة لتحسين كفاءة الذاكرة والاتساق الدلالي في التنبؤ بالإشغال ثلاثي الأبعاد.
تقترح الورقة البحثية ISPCloak، وهو إطار عمل عدائي غير قائم على التحسين يتملص من كواشف التزييف العميق عبر إسقاط الصور المولدة بالذكاء الاصطناعي في نطاق RAW وإعادة حقن بصمات إحصائية حقيقية خاصة بالكاميرا من مسار معالجة الصور (ISP)، مما يخلق تمويهاً فيزيائياً غير محسوس يستغل عدم قدرة الكواشف على التعرف على الآثار الجوهرية الأصلية للأجهزة.
تقدم هذه الورقة البحثية "عنق زجاجة المعلومات المحفز" (PIB)، وهو إطار عمل للتكيف بكفاءة في المعلمات للنماذج الرؤيوية التأسيسية المجمدة، والذي يستفيد من مبدأ "عنق زجاجة المعلومات" لتحسين تخصيص المعلومات على مستوى الطبقات، مما يحقق تعميماً ومتانة فائقين عبر 34 مجموعة بيانات متنوعة مع ضبط 0.35% فقط من المعلمات.
تقترح هذه الورقة البحثية تقنية "توجيه تقطير البروز البصري" (VSSD)، وهي طريقة تستفيد من خرائط الانتباه وتفكيك القيم المفردة لتوليد ناقلات توجيه تُرشد عملية التقطير بين الطبقات، مما يعزز استدلال سلسلة الأفكار متعدد الوسائط في النماذج الصغيرة من خلال الحفاظ على الفروق الدقيقة بين الوسائط المتعددة.
تقدم هذه الورقة MissionBench، وهو معيار لتقييم قدرات المهام على مستوى المهمة (zero-shot) للنماذج اللغوية الكبيرة متعددة الوسائط في البيئات الجوية ثلاثية الأبعاد، كاشفةً أنه بينما يؤدي التوسع إلى تحسين الأداء، لا تزال النماذج الحالية تتخلف بشكل كبير عن البشر في المهام المتجسدة المعقدة وطويلة الأمد التي تتطلب تخطيطاً متعدد الخطوات واستدلالاً تكيفياً.
تقترح هذه الورقة إطار عمل EVL-MCoT، وهو إطار عمل معزز للرؤية واللغة يستفيد من تسلسل الأفكى متعدد المنظور (multi-perspective Chain-of-Thought) وآلية فك ترميز موجهة بالنماذج الأولية (prototype-guided decoding) لتحسين الكشف عن الميمات الضارة من خلال معالجة القيود في دمج المعرفة الخلفية والمحاذاة البصرية-النصية دقيقة التفاصيل.
تكشف هذه الدراسة أنه بينما تمتلك نماذج الرؤية واللغة الصغيرة معرفة ذاتية داخلية دقيقة حول أخطائها في ظل ظروف تدهور الصور الواقعية، إلا أنها تفشل في التعبير لفظياً عن هذا اليقين، مما يجعل احتمالية الرمز (token probability) الداخلية إشارةً متفوقة للتأجيل مقارنة بالثقة المعلنة، رغم أن كلتا الإشارتين تصبحان غير موثوقتين في ظل ظروف الإضاءة المنخفضة الشديدة.