12113 ورقة بحثية
تتقصى هذه الدراسة كيفية تأثير تقنيات التقليم واستراتيجيات إعادة التدريب المختلفة على أداء التصنيف وقابلية التفسير لنموذج "GoogLeNet" على مجموعة بيانات "ImageNet"، حيث وجدت أن إعادة التدريب الكافية يمكن أن تستعيد دقة خط الأساس أو تتجاوزها، بينما كشفت أن درجة التفسير الآلي (MIS) لا ترتبط بمعدلات التقليم وقد لا تتماشى مع المفاهيم الحدسية لقابلية التفسير.
تقترح هذه الورقة البحثية إطار عمل FPDM، وهو إطار عمل جديد يعتمد على الانتشار لتوليد صور الأشخاص الموجهة بالوضعية، والذي يستخدم وحدة دمج الصورة والوضعية الصريحة والتعلم التبايني لمحاذاة تضمينات وضعية المصدر مع الصور المستهدفة، مما يؤدي إلى تحسين دقة الملمس واتساق التوليد بشكل كبير عبر الوضعيات والمظاهر المتنوعة.
تقدم الورقة البحثية وحدة STEAM، وهي وحدة انتباه قائمة على الرسوم البيانية وثابتة المعلمات، تدمج النمذجة القنوية والمكانية مع آلية تجميع مبتكرة موجهة بالمخرجات (Output Guided Pooling) لتحسين أداء الشبكات العصبية الالتفافية (CNN) بشكل كبير عبر مهام التصنيف والكشف، مع تقليل التكاليف الحسابية بشكل جذري مقارنة بالطرق الحالية.
تقدم الورقة البحثية ATOP، وهي طريقة جديدة تعتمد على التعلم من عينات قليلة (few-shot) تستفيد من تخصيص الحركة الموجه بالنص في نماذج الانتشار والرندرة القابلة للتفاضل لتوليد تمفصلات ثلاثية الأبعاد واقعية لأجزاء الأجسام الساكنة، مما يتغلب بفعالية على ندرة البيانات لتحقيق تعميم متفوق مقارنة بالنهج السابقة.
تقترح الورقة البحثية ACCORD، وهي طريقة تعالج مباشرةً الاقتران المفاهيمي في تخصيص نماذج الانتشار من النص إلى الصورة من خلال تقديم دالتي فقدان متكاملتين — Denoising Decouple و Prior Decouple — لتقليل تباينات الاعتماد وتحقيق توازن متفوق بين التحكم النصي ودقة التخصيص.
تقترح هذه الورقة إطار عمل جديداً متكاملاً (end-to-end) يستنتج دوال المسافة الموقعة من سحب النقاط المتفرقة عبر الجمع بين بارامتريّة السطح التبادلية لتعلم الأشكال العالمية من الرقع المحلية وبين تحسين تشويه الشبكة لتنقيح الأسطح البارامترية الناتجة، مما يتفوق بشكل كبير على الأساليب الحالية الرائدة.
تقدم هذه الورقة إطار عمل للتعلم العميق مكون من مرحلتين يعمل بفعالية على استعادة صور التصوير المقطعي بالإصدار البوزيتروني (PET) عالية الجودة من بيانات تفتقر إلى أكثر من 50% من المصادفات، وذلك عبر الجمع بين شبكة (Attention U-Net) في مجال الإسقاط لإكمال السينوجرام، وشبكة (U-Net) متتالية ونموذج انتشار ذو بداية دافئة لتحسين الصورة، مما يحقق دقة تشريحية شبه كاملة دون الحاجة إلى معلومات زمن الطيران.
تقترح الورقة البحثية "Grounded Teacher" (GT)، وهو إطار عمل للكشف عن الأشياء خالٍ من المصدر ومعالج للتحيز، يعمل على التخفيف من عدم توازن الفئات والملصقات الوهمية المشوشة من خلال نمذجة السياق العلاقاتي، والتعزيز الدلالي التكيفي، وفرع خبير مجمد، محققاً مكاسب كبيرة في الأداء في كل من المجالات الحضرية والطبية مع حد أدنى من العبء الحسابي.
تقدم الورقة البحثية SCAN، وهو إطار عمل خالٍ من المعلمات للتكيف القليل العينات بين الرؤية واللغة، والذي يعزز الأداء من خلال توظيف التوجيه السلبي الخاص بالاستعلام، والمطالبات التباينية المولدة بواسطة النماذج اللغوية الكبيرة، وأوزان الدمج التكيفية لمعالجة الارتباك في الفئات الخاص بالاستعلام وتحولات التوزيع بفعالية.
تقدم الورقة البحثية MMSI-Bench، وهو معيار مرجعي مليء بالتحديات يضم 1,000 سؤال حول الاستدلال المكاني متعدد الصور يكشف عن فجوة أداء كبيرة بين النماذج اللغوية الكبيرة متعددة الوسائط الحالية والبشر، مع توفير مسار تحليل أخطاء مؤتمت لتشخيص أوضاع فشل محددة وتوجيه الأبحاث المستقبلية.