12113 ورقة بحثية
تتقصى هذه الورقة البحثية سبب تعثر نماذج الرؤية واللغة مثل CLIP في عملية ربط المفاهيم رغم احتوائها على معلومات كائنية قابلة للاسترداد، كاشفةً أن وظائف الربط عالية التعقيد لديها تعيق التعميم، بينما تتعلم نماذج المحولات (transformer) المنضبطة المدربة ببيانات كافية تفاعلات ضربية منخفضة التعقيد تتيح ربطاً منهجياً.
تقترح هذه الورقة تحولاً جذرياً في تعلم الأشياء المتمحور حول الفيديو من خلال إلغاء فقد التباين الصريح بين الفتحات (Slot-Slot Contrastive loss) وفرض الاتساق الزمني بدلاً من ذلك عبر آليتين متآزرتين عديمتي التكلفة الإضافية — وهما تفكيك القنوات الزمنية (Chrono-Channel Decomposition) وإعادة البناء عبر الزمن (Cross-Temporal Reconstruction) — اللتان تعملان على فك الارتباط الهيكلي بين الميزات الثابتة والديناميكية لتحقيق أداء رائد باستخدام خطأ إعادة البناء القياسي فقط.
تقدم الورقة البحثية SVI-Bench، وهو معيار مرجعي واسع النطاق يستفيد من الرياضات الجماعية كعالم مجهري ديناميكي لتقييم ذكاء الفيديو الاستراتيجي عبر تسلسل هرمي رباعي الركائز يتكون من الإدراك، والاستدلال السببي، والمحاكاة، والتخطيط، مما يكشف عن منحدر قدرات حاد حيث تعاني النماذج الحالية مع المهام الوكيلية المعقدة رغم أدائها القوي في الأسئلة الإدراكية.
تقترح هذه الورقة واجهة رؤية أمامية متكيفة ومُحسّنة للميزات، تقوم بتخصيص ميزانيات الميزات لكل عرض ديناميكياً بناءً على النسيج، والقابلية للتكرار، والتميز، والمنفعة الهندسية، وذلك لتعظيم جودة واكتمال إعادة البناء مع تقليل الهدر الحسابي في إعادة بناء المشاهد ثلاثية الأبعاد.
تقدم هذه الورقة مساراً آلياً للتعلم العميق متكامل الأطراف يستخدم الأشعة المقطعية قبل الجراحة للتنبؤ بتسرب البنكرياس بعد الجراحة وتصنيف مخاطره، مما أظهر أداءً واعداً عبر بنيات ثلاثية الأبعاد متعددة لدعم تحسين اتخاذ القرار السريري.
تقدم الورقة البحثية نظام SMART، وهو نظام لتقدير وضعيات لاعبي كرة القدم يجمع بين نموذج SMPLest-X مضبوط بدقة وتتبع كاميرا قائم على RAFT وتنعيم زمني لتحقيق تحسن بنسبة 38.6% عن النموذج المرجعي في تحدي FIFA لتتبع الهياكل العظمية لعام 2026.
تكشف هذه الورقة أنه بينما تقوم نماذج الرؤية واللغة غالباً بترميز الارتباطات الأنثوية داخلياً للصور الغامضة، فإن مخرجاتها تلتزم بشكل منهجي بالتمثيلات الذكورية بسبب آلية تصفية غير متماثلة تعمل على تضخيم الإشارات الذكورية وتثبيط الأنثوية أثناء التوليد.
تقدم الورقة البحثية EGOSTREAM، وهو معيار تشخيصي للذاكرة العرضية المتدفقة في الرؤية من منظور الشخص الأول، والذي يستخدم مقياس "نافذة صلاحية الإجابة" (Answer Validity Window) المبتكر وإطار عمل موحد يعتمد على Qwen3-VL لتقييم وكشف الفجوات الأدائية الحرجة في آليات إدارة الذاكرة لدى النماذج الرائدة عبر سبعة أبعاد معرفية بدقة.
تقترح هذه الورقة إطار عمل ثنائي المراحل يجمع بين التهيئة الزوجية المتعلمة والتحسين الهندسي لتحقيق معايرة خارجية متسقة عالمياً وعالية الدقة لأنظمة الليدار متعددة الكاميرات المشتركة، مما يتفوق بشكل كبير على الطرق المستقلة لكل كاميرا على كل من مجموعات البيانات داخل النطاق وخارجه.
تقدم هذه الورقة البحثية GRW، وهي أول مجموعة بيانات واسعة النطاق تضم 156,688 مقطع فيديو تم تعليمه يدويًا لربط الإيماءات المصاحبة للكلام غير المقيدة بكلمات محددة، وذلك للتغلب على ندرة البيانات وتمكين تدريب واختبار النماذج متعددة الوسائط لتصنيف الإيماءات الدلالية، والتعرف عليها، وتحديد موقعها الزمني.