12113 ورقة بحثية
يُعد MGVQ إطار عمل جديد للكمية المتجهة لنماذج الرؤية واللغة، يتغلب على عدم تطابق التوزيع عبر الوسائط وانجراف التدرج من خلال دمج التكميم متعدد الدقة الموجه بالحساسية مع تعويض الخطأ من الدرجة الثانية المدرك للتدرج، محققاً أداءً هو الأفضل في فئته في إعدادات البتات شديدة الانخفاض.
تقدم هذه الورقة إطار عمل قابلاً للتفاضل، يعتمد على اكتمال "توي" (Tuy's completeness)، لاختيار الإسقاطات القوية في التصوير المقطعي بالحزمة المخروطية، والذي يجمع بين خوارزمية جشعة تحت-نمطية (submodular greedy algorithm) وبرنامج خطي مختلط الأعداد الصحيحة لتحقيق تغطية شبه مثالية، ومقياساً جديداً لـ "دقة المكان الفعالة" للتنبؤ بجودة إعادة البناء دون إجراء عملية إعادة البناء نفسها.
تقترح هذه الورقة تدخلاً لا يتطلب تدريباً يسمى "بوابة المسار السببي" (Causal Route Gating) يعمل على التخفيف من الهلوسة في النماذج اللغوية البصرية الكبيرة عن طريق تفكيك رؤوس الانتباه إلى مسارات بصرية ونصية لتثبيط المسارات المهيمنة نصياً بشكل انتقائي مع الحفاظ على الأدلة البصرية.
تقترح الورقة البحثية إطار عمل موحداً بعنوان "النمط كمتتالية" (Mode-as-Sequence)، يقوم بتحويل تنبؤات الحركة متعددة الوسائط غير المرتبة إلى متتالية مرتبة لنمذجة تبعيات الأنماط بشكل صريح، مما يعالج مشكلات انهيار النمط ومعايرة الثقة من خلال استراتيجيات فك تشفير متكررة أو متوازية حققت مراتب متقدمة في تحديات مجموعة بيانات وايمو (Waymo Open Dataset).
تقدم هذه الورقة البحثية D2-V2X، وهو معيار ونموذج مرجعي مدرك مكانيًا يستفيد من بيانات ليدار (LiDAR) التعاونية لتعزيز قدرة أنظمة القيادة الذاتية بشكل كبير على التفكير في المخاطر المحجوبة وتقليل أخطاء التقدير المكاني من خلال مسوغات تسلسل الأفكار باللغة الطبيعية.
يقدم Loki إطار عمل جديد للرسوم المتحركة للصور الشخصية يعتمد على الانتشار، يستبدل التكييف القائم على RGB بنموذج وجه بارامتري متعامد الهوية وحقن مفتاح-قيمة خفيف الوزن، محققاً تحكماً فائقاً في الوضعية والتعبير مع عدد أقل بكثير من المعلمات وبيانات التدريب مع تمكين إعادة التمثيل عبر الهويات (cross-ID) دون تدريب مسبق.
تقدم هذه الورقة طريقة رندرة قابلة للتفاضل وخالية من التدريب، تستعيد تضاريس قاع البحر ثلاثية الأبعاد من صورة واحدة لسونار أمامي في أقل من 30 ثانية عن طريق تحسين حقل ارتفاع صريح ليتطابق مع الصورة المستهدفة، مما يوفر قدرة فائقة على التكيف عبر البيئات المختلفة مقارنة بنهج التعلم الخاضع للإشراف.
تقدم الورقة البحثية GIBLy، وهي طبقة خفيفة الوزن ومستقلة عن البنية الهندسية، تدمج الأولويات الهندسية القابلة للتعلم في نماذج التجزئة ثلاثية الأبعاد لتحسين الأداء والقدرة على التعميم بشكل كبير مع حد أدنى من العبء الحسابي.
تقدم هذه الورقة معياراً شاملاً للكشف المستمر عن الشذوذ في ظل قيود الحافة الصناعية الواقعية، مما يكشف عن محدودية الأساليب الحالية ويقترح DINOSaur، وهو نهج خالٍ من التدريب يحقق انعدام النسيان، وأداءً فائقاً عبر جميع البروتوكولات، واستنتاجاً فورياً فعالاً على أجهزة الحافة.
تقترح هذه الورقة بنية عابرة للأنماط قائمة على نموذج Mamba للتعرف على الأفعال من منظور الشخص الأول، والتي تدمج بيانات الفيديو (RGB) وهيكل اليد، مظهرةً أن استراتيجية خلط رمز CLS المتوسط يتفوق بشكل كبير على النماذج أحادية النمط على مجموعة بيانات H2O.