12113 ورقة بحثية
تقترح الورقة البحثية VCap، وهي آلية مكافأة جديدة تعتمد على نظام "الشاهد-المُحكّم" تستفيد من دقة بمستوى التوزيع الهيبرجيومتري للتحقق من الاتساق الواقعي بين التعليقات المرجعية والمولدة، مما يتيح تعميماً من الضعيف إلى القوي في التعلم المعزز يسمح لنموذج بحجم 8 مليار بارامتر بالتفوق على أنظمة التعليق البصري الرائدة.
يُعد CogPortrait إطار عمل يتكون من مرحلتين يستفيد من وكلاء النماذج اللغوية الكبيرة متعددة الوسائط الهرمية لترجمة الملصقات عالية المستوى إلى نقاط مفتاحية دقيقة للوجه، مما يتيح تحكماً دقيقاً في ديناميكيات منطقة العين وحالات ما وراء العاطفة في رسوم صور البورتريه المتحركة مع الحفاظ على جودة بصرية عالية واتساق الهوية.
تقدم هذه الورقة مقارنة منهجية بين نماذج الرؤية واللغة (VLMs) ونماذج توليد الفيديو (VGMs) فيما يتعلق بالذكاء المكاني، مما يكشف عن نقاط قوتهما المتكاملة في الفهم الدلالي مقابل الاستدلال الهندسي، ويُظهر أن دمج سماتهما يخلق عموداً فقرياً متفوقاً للمهام المكانية.
تقدم هذه الورقة خط أنابيب تعليق توضيحي يعتمد على نموذج SAM لتوليد تسميات كثيفة على مستوى البكسل من مجموعة بيانات Zenseact المفتوحة التي تقتصر على صناديق الإحاطة فقط، مما يتيح تقييم نماذج التجزئة التي تحقق ما يصل إلى 48.1% mIoU على مجموعة البيانات و77.5% mIoU على منصة Iseauto مع معالجة الاختلالات الحرجة في فئات توزيع البيانات في القيادة الذاتية.
تُظهر هذه الورقة أن نسبة الصور غير الآمنة في بيانات التدريب، وليس عددها المطلق، هي التي تقود بشكل مباشر وتزايدي المخرجات غير الآمنة في نماذج تحويل النص إلى صورة، مع بيان أن تصفية السلامة تُحسن سلامة النموذج دون تقليل جودة الصور، وأن المشفر النصي يساهم أيضاً بشكل كبير في المخاطر المتبقية.
تقدم هذه الدراسة نظام Intra-YOLO، وهو نظام تشخيص مبتكر بمساعدة الكمبيوتر يستفيد من التعلم بنقل الخبرة والتعلم المعزز للكشف بدقة عن تسوس الأسنان ونقص تمعدن الأنياب والقواطع الصغيرة والمتشابهة بصرياً في الصور داخل الفم.
يُعد DebFilter إطار عمل خفيف الوزن ولا يتطلب تدريباً، يعمل على التخفيف من التحيزات الاجتماعية في نماذج الانتشار من النص إلى الصورة عن طريق تطبيق إزاحة ثابتة على مكونات قيم الانتباه المتقاطع أثناء الاستدلال، مما يوجه عملية التوليد نحو مخرجات غير متحيزة دون الحاجة إلى إعادة تدريب النموذج أو بيانات إضافية.
يُعد VidPrism إطار عمل مبتكر لخليط الخبراء غير المتجانس يتغلب على تجانس الخبراء في التعلم بنقل الصور إلى الفيديو عبر نشر خبراء متخصصين وظيفياً يتم تغذيتهم بتدفقات متعددة المعدلات، ديناميكية ومدركة للمحتوى، ويتم دمجها عبر آلية ثنائية الاتجاه لتحقيق أداء رائد في التعرف على الفيديو.
Proprio هو إطار عمل لا يتطلب تدريباً يعمل على تعزيز الواقعية الفيزيائية لمولدات الفيديو المجمدة من خلال الاستفادة من بقايا التدفق الداخلي لديها تحت تأثير الاضطرابات الكامنة كإشارة تقييم ذاتي للتحسين والاختيار أثناء وقت الاستنتاج.
تقترح هذه الورقة البحثية إطار عمل "التعلم من أجل التسمية" (L2L)، وهو إطار عمل معزز ذاتي التطور يستفيد من النماذج اللغوية الكبيرة متعددة الوسائط للحصول على أولويات دلالية-مكانية، ويصيغ اختيار التسميات المستعارة كعملية اتخاذ قرار تكيفية لتحسين تقسيم التعبيرات المرجعية شبه الموجهة في ظل محدودية التوسيم.