12113 ورقة بحثية
يُعد CapTalk إطار عمل مبتكرًا موجهًا بالنصوص يتيح تحريك الرأس ثلاثي الأبعاد بشكل متزامن وفي الوقت الفعلي، مع تحكم منفصل وديناميكي في أسلوب التحدث والتعبير العاطفي، وذلك من خلال الاستفادة من مجموعة بيانات واسعة النطاق من الأوصاف النصية إلى جانب الصوت المحرك.
تُثبت هذه الورقة أن موثوقية مقياس مسافة فريديه-إنسبشن (FID) في تقييم مولدات الصور تتأثر جوهرياً بالخصائص الهندسية لمجموعة البيانات المرجعية، وتحديداً كثافتها التوزيعية ورتبتها الفعالة، مما قد يتسبب في تدهور قيمة مقياس FID حتى مع تحسن جودة العينات في مجموعات البيانات المشتتة.
تقدم الورقة البحثية TRACER، وهي طريقة ضبط دقيق متعدد الوسائط قوية تعالج مشكلتي النسيان الكارثي وانهيار المعلم من خلال توظيف معلم يعتمد على المتوسط المتحرك الموزون (WMA) لضمان التنظيم المستمر، مما يحسن بشكل كبير من دقة التوزيع خارج النطاق والمعايرة.
تقترح هذه الورقة "التوجيه السلبي المتعامد" (Orthogonal Negative Guidance)، وهي طريقة خالية من التدريب لتوليد الصور من النصوص، تعمل على كبح المفاهيم غير المرغوب فيها عن طريق تعميم ميزات انتباه المطالبة السلبية لتكون متعامدة بالنسبة للمطالب الإيجابية، مما يحقق إزالة فائقة للمفاهيم مع الحفاظ على جودة الصورة ومطابقة المطالبة.
تقدم هذه الورقة البحثية ParCo-SDF، وهو إطار عمل ثنائي المراحل يحقق إعادة بناء عالية الدقة من جزئي إلى كامل للأجسام القابلة للتشوه من ملاحظات السحابة النقطية دون الاعتماد على مسبقات، وذلك عبر الاستفيد من ترميز الهندسة الزمنية وتنبؤ دالة المسافة الموقعة (SDF) المشروط بـ FiLM للتغلب على قيود التعميم التي تواجهها الطرق الحالية المعتمدة على المسبقات.
يُعد FedSmoothLoRA إطار عمل جديد للتعلم الاتحادي يعزز سرعة التقارب واستقرار التكيف منخفض الرتبة (LoRA) من خلال تقديم مصفوفات مطابقة الجولات ومحاذاة التدرج لحل عدم تطابق الحالة بين الجولات وتوفير تهيئة خاصة بكل عميل، مما يجعله يتفوق على الأساليب الحالية في مهام الصور والنصوص.
يعالج FlowSeg عدم الاتساق الدلالي في التجزئة المشروطة بالنماذج اللغوية الكبيرة من خلال تقديم تدفق دلالي ثنائي الاتجاه وديناميكي يوجه بنشاط عملية صقل القناع التكرارية مع الشروط اللغوية المتطورة، محققاً أداءً هو الأفضل في فئته في مهام التجزئة المرجعية والتعليلية.
تحدد هذه الورقة وتعالج عنق الزجاجة في مرحلة ما بعد التدريب، حيث تتحسن نماذج الرؤية واللغة في القدرة على الاستنتاج أكثر من الإدراك، وذلك عبر تقديم إطار تشخيصي يكشف عن أسباب متباينة لهذا التباين في الضبط الدقيق الخاضع للإشراف والتعلم التعزيزي، وتقترح تدخلات مستهدفة مثل إعادة وزن الخسارة الديناميكي والمكافآت المدركة للإدراك لتعزيز الأداء النهائي بشكل كبير.
تقترح الورقة البحثية إطار عمل ESAM++، وهو إطار عمل خفيف الوزن وقابل للتوسع للإدراك اللحظي للمشاهد ثلاثية الأبعاد على أجهزة الحافة، والذي يستبدل شبكة ESAM's 3D sparse UNet المكلفة حوسبياً بشبكة 3D Sparse Feature Pyramid Network (SFPN) فعالة، محققاً دقة تنافسية مع سرعة استنتاج تصل إلى ثلاثة أضعاف ونصف حجم النموذج.
يُعد KGEdit إطار عمل لا يتطلب تدريباً يعمل على تعزيز توليد وتحرير النصوص إلى فيديو من خلال بناء رسم بياني معرفي مدرك للغموض لإزالة الغموض عن المطالبات، وحقن دلالات مهيكلة عبر وحدات متخصصة لضمان الربط الدقيق للمفاهيم والاتساق الزمني.