12113 ورقة بحثية
تقدم هذه الورقة البحثية "Gaussian Quant" (GQ)، وهي طريقة لا تتطلب تدريبًا تقوم بتحويل مشفر تلقائي متباين (VAE) غاوسي مقيد إلى مشفر تلقائي كمي (VQ-VAE) عالي الأداء باستخدام ضوضاء غاوسية عشوائية ككتاب رموز، مما يضمن نظريًا انخفاض خطأ التكميم ويتفوق تجريبيًا على أساليب الـ VQ-VAE الحالية.
يقدم البحث إطار INTERACT-CMIL، وهو إطار عمل للتعلم العميق متعدد المهام يستفيد من تعلم الميزات المشتركة والاتساق بين المهام لتحسين التصنيف الدقيق لآفات الميلانينية الظهارية الملتحمية عبر خمسة محاور نسيجية مرضية بشكل كبير، متفوقاً بذلك على النماذج المرجعية للشبكات العصبية التلافيفية والنماذج التأسيسية على مجموعة بيانات متعددة المراكز.
تُعد LuxRemix طريقة مبتكرة تتيح تفكيك وإعادة مزج الإضاءة بشكل تفاعلي وفي الوقت الفعلي في المشاهد الداخلية، وذلك عبر تحليل الإضاءة من لقطة واحدة متعددة المشاهد إلى مصادر ضوء قابلة للتحكم ودمجها في تمثيل "Gaussian splatting" ثلاثي الأبعاد قابل لإعادة الإضاءة مع ضمان التناغم بين المشاهد المتعددة.
تقدم الورقة البحثية NeMO، وهو تمثيل جديد متمحور حول الكائنات يتيح الكشف والتقطيع وتقدير وضعية الـ 6DoF للأجسام غير المرئية من صور RGB عبر ترميز مناظر نموذجية متفرقة في دالة كثافة موحدة (UDF) متعلمة، محققاً نتائج رائدة في معيار BOP دون الحاجة إلى معاملات الكاميرا أو إعادة التدريب.
تقدم هذه الورقة MVISTA-4D، وهو نموذج عالم رباعي الأبعاد متجسد ومبتكر يولد تسلسلات RGBD متسقة هندسيًا ومن أي منظور من ملاحظات أحادية المنظور لتمكين التلاعب الروبوتي القوي من خلال استراتيجية تحسين الإجراء في وقت الاختبار التي تستنتج المسارات المثلى عبر الانتشار العكسي خلال النموذج التوليدي.
لمعالجة الأداء دون المستوى لكشف الأشياء المعتمد على التلميحات البصرية الناتج عن نقص التمييز العالمي، يقترح المؤلفون DETR-ViP، وهو إطار عمل قوي يدمج التكامل التلميحي العالمي، وتقطير العلاقة البصرية النصية، والدمج الانتقائي لتحقيق نتائج رائدة عبر معايير متعددة.
تقدم الورقة البحثية VISTA، وهو معيار شامل مصمم لتقييم الوكلاء القائمين على النماذج اللغوية الكبيرة في توليد تطبيقات الويب من المواصفات المرئية من خلال تحديد ظروف مطالبة متنوعة واستخدام إطار تقييم متعدد الأوجه يجمع بين مطابقة نموذج كائن مستند إلى المستند (DOM)، والاختبار السلوكي، والتشابه البصري للتغلب على قيود الأدوات التقليدية القائمة على البرامج النصية.
يقدم البحث UniMVU، وهو إطار عمل موحد لفهم الفيديو متعدد الوسائط يستخدم آليات بوابات مدركة للتعليمات على مستويي الوسائط الداخلية والوسائط ككل لموازنة تدفقات المدخلات المتنوعة ديناميكيًا وتقليل التداخل، مما يحقق تحسينات كبيرة في الأداء عبر ستة معايير مقارنة بنماذج الدمج الثابتة.
تقدم هذه الورقة DuoGesture، وهو إطار عمل ثنائي المسار مستوحى من الأنظمة العصبية يعزز توليد إيماءات الكلام من خلال فصل الحركات الدلالية عن حركات الإيقاع، باستخدام بوابة عشوائية للتنسيق، وتكييف دلالي مرتكز على الحركة لتحقيق محاذاة معجمية أفضل، وأولوية قصورية لضمان اتساق إيقاعي منطقي من الناحية الميكانيكية الحيوية.
تقدم هذه الورقة LongAV-Compass، وهو معيار مرجعي منهجي صُمم لتوحيد تقييم التوليد السمعي البصري بمقياس الدقيقة عبر وسائط التكييف النصية والصورية والفيديو من خلال توظيف إطار عمل شامل يقيم أكثر من 20 بُعداً دقيقاً للجودة والاتساق والترابط.