12113 ورقة بحثية
تقدم الورقة البحثية "Polyphony"، وهو إطار عمل لتجزئة أفعال اليدين المزدوجة يعتمد على الانتشار (diffusion) ويستخدم محول رؤية (vision transformer) متبادلاً وتكييفاً دلالياً للتغلب على التبعيات بين اليدين وعدم توازن التدرج، محققاً أداءً هو الأفضل في فئته على مجموعات بيانات متعددة من خلال نموذج موحد وفعال.
تقدم هذه الورقة البحثية "إعادة بناء الرموز العصبية" (NTR)، وهو إطار عمل للقيادة من طرف إلى طرف خالٍ من الإدراك، يعزز تعلم رموز المشهد المدمجة من خلال هدف إعادة بناء مقنع بالتقطير الذاتي وعناصر دلالية مسبقة مستمدة من النماذج التأسيسية، محققاً أداءً هو الأفضل في فئته على عدة معايير مرجعية عبر إجبار عنق الزجاجة على الحفاظ على معلومات بصرية أغنى وأقل تكراراً دون تغيير المخطط أثناء وقت الاستدلال.
تقدم هذه الورقة البحثية إطار عمل QVGGT، وهو إطار للكمّ ما بعد التدريب يُمكّن من نشر نموذج Visual Geometry Grounded Transformer (VGGT) واسع النطاق على الأجهزة الطرفية ذات الموارد المحدودة عبر توظيف استراتيجية دقة مختلطة انتقائية، وتصفية الرموز مع تعويض الكاميرا، والبحث عن المقياس المدرك للمهمة لتحقيق كمّ بنمط W4A16 قريب من عدم الفقد مع تقليل كبير في الذاكرة وتسريع في الأداء.
تقدم هذه الورقة البحثية FOCUS، وهو إطار تدريب ثنائي المراحل يجمع بين قيود الدعم البصري وتحسين السياسة النسبي للمجموعات (GRPO) لتحقيق تحديد موضعي للأجسام داخل السياق بشكل قوي ومستقل عن الفئة دون إشراف صريح، مما يمكّن نموذجاً بـ 7 مليارات معلمة من التفوق بشكل ملحوظ على نماذج أكبر تصل إلى 72 مليار معلمة.
تقدم هذه الورقة DetAS، وهو إطار عمل وكيل يستفيد من نموذج لغوي كبير متعدد الوسائط لتكوين سير عمل ديناميكي وتكيفي لترميم الصور وكشف متعدد الخبراء، معزز بآلية حصاد خبرة ذاتية التطور للتفوق بشكل كبير على الكواشف الحالية في السيناريوهات الواقعية الصعبة.
تقدم هذه الورقة البحثية VaViT، وهي طريقة تعمل على تكييف نماذج "Vision Transformers" التقليدية غير الهرمية لمهام التجزئة الدلالية للسحب النقطية في السيارات من خلال استخدام أداة ترميز متخصصة، وفك تشفير خفيف الوزن، وعمليات تعزيز بيانات مصممة خصيصاً لتحقيق أداء رائد على مجموعات البيانات واسعة النطاق مثل nuScenes وSemanticKITTI وWaymo Open Dataset.
تقدم هذه الورقة إطار عمل "التعليق التوضيحي للجوار الطيفي للموجب غير المعلوم" (SPUNA)، وهو إطار عمل مدرك للهندسة يستفيد من هياكل المتشعبات المحلية لتمكين التعلم الموجب غير المعلوم القوي للكشف عن انزياح المتغيرات المصاحبة، محققاً أداءً يضاهي الطرق الخاضعة للإشراف الكامل دون الحاجة إلى بيانات مصنفة من التوزيعات المنزاحة.
تُظهر هذه الدراسة المنهجية على مجموعة بيانات CIFAR-10 أن سعة الطالب تعد وسيطاً حاسماً لفعالية تقطير المعرفة، حيث كشفت أن الطلاب الأكبر حجماً (R34) يستفيدون بشكل أكبر بكثير من الطلاب الأصغر (R18)، مع تسليط الضوء أيضاً على ضرورة إصلاح أخطاء التنفيذ وعدم تطابق دقة المدخلات لتحقيق الأداء الأمثل للتقطير.
تقدم هذه الورقة البحثية TouchSafeBench، وهو معيار مرجعي قائم على الفيزياء في Habitat 3.0 يقيم قدرة النماذج الرؤية-اللغوية على استنتاج مخاطر الاصطدام من أجل تعاون آمن بين الإنسان والروبوت، كاشفةً أن النماذج الحالية تفتقر إلى المساءلة الفيزيائية الضرية والاستدلال الهندسي الصريح للتمييز بشكل موثوق بين حالات الأمان، والاصطدام، والتلامس الوشيك.
تقدم هذه الورقة نموذج FREUD، وهو نموذج يعتمد على محول التدفق المصحح (rectified flow transformer) يتميز بمشفر لكل إطار وفك تشفير موحد يحافظ على عدم اليقين العشوائي (aleatoric uncertainty) من خلال التجميع (ensembling) لتحقيق تنبؤ احتمالي عالي الدقة لخرائط هطول الأمطار الآنية على معيار SEVIR يتفوق على أحدث ما توصلت إليه التقنيات.