12063 ورقة بحثية
تلخص هذه الورقة المساهمات والنتائج الخاصة بتحدي CASTLE الأول غير المتزامن، والذي عُقد في ورشة عمل الرؤية من منظور الشخص الأول (Egocentric Vision) بالاقتران مع مؤتمر CVPR 2026.
تقترح هذه الورقة طريقة مؤتمتة لفحص جودة إدخال دبابيس لوحات الدوائر المطبوعة تجمع بين التجزئة الدلالية القائمة على شبكة U-Net واستخراج الميزات المشتقة من المحيط والانحدار اللوجستي، محققةً دقة تصنيف تقارب الكمال على كل من مجموعات البيانات الصناعية والعامة مع تفوقها على أساليب كشف الشذوذ وتجزئة المثيلات الحديثة.
تقدم هذه الورقة البحثية WADE، وهو معيار مرجعي مُعلق بالاستنتاج يضم 2,167 صورة لنفايات عائمة في ريف بنغلاديش مع قواعد بصرية مفصلة، لتقييم وتحسين أداء نماذج الرؤية واللغة المدمجة في تحديد مواقع، وعدّ، وتفسير النفايات متعددة الحالات تحت ظروف صعبة.
تقدم الورقة البحثية WildHandBench، وهو معيار شامل لفهم النصوص المكتوبة بخط اليد، والذي يكشف أن النماذج اللغوية الكبيرة متعددة الوسائط الحالية تتخلف بشكل كبير عن الأداء البشري وتظهر اعتماداً منهجياً على الأولويات اللغوية بدلاً من الأدلة المرئية، وهو عيب لا يمكن كشفه بواسطة مقاييس الدقة التقليدية.
تقترح هذه الورقة إطار عمل مبسط للمعايرة عبر الوسائط بدون حركة لأنظمة الرؤية المجسمة (stereo) غير المتجانسة المكونة من أحداث وصور RGB، والتي تستخدم هدف ChArUco مدمجاً ومعدلاً زمنياً على شاشات استهلاكية لتحقيق أخطاء إعادة إسقاط أقل بكثير وقيود مزامنة مخفضة مقارنة بالطرق القائمة على الحركة وغير القائمة على الحركة الموجودة حالياً.
تُعد AnaDiffusion إطار عمل للانتشار الكامن ذو تكوين تشريحي، يقوم بتوليد صور رنين مغناطيسي ثلاثية الأبعاد للدماغ قابلة للتحكم عبر تفكيك العملية إلى أجزاء إقليمية متميزة وإعادة تجميعها مع تحسين شامل، مما يحقق دقة تشريحية فائقة وقابلية تعديل محلية دون الحاجة إلى خرائط تجزئة خاصة بكل حالة.
يُعد Loopy إطار عمل مبتكرًا يحقق توليد فيديوهات حلقية عالية الجودة وسلسة من خلال تقديم استراتيجية إزاحة لتمثيل الموضع المثبت ضمن نماذج محولات الانتشار (Diffusion Transformers)، والتي تستفيد من التحكم الزمني الخاص بكل طبقة لتحويل الإدراك الزمني الخطي إلى إدراك دائري.
تقدم هذه الورقة PeFuse، وهو إطار عمل لا يتطلب تدريباً لاسترجاع الصور المركبة، يستفيد من نماذج الانتشار مسبقة التدريب والنماذج اللغوية الكبيرة متعددة الوسائط لتحويل الاستعلامات التركيبية إلى مهام استرجاع أحادية الوسيط عبر التحويل التوليدي، محققاً أداءً تنافسياً دون الحاجة إلى تدريب مخصص للمهمة.
تقدم هذه الورقة 3DTongueQA، وهو إطار عمل قائم على المحاكاة يولد مجموعات بيانات للأسئلة والأجوبة قابلة للتحقق وموجهة بالعضلات من نماذج ثلاثية الأبعاد للسان باستخدام نموذج ArtiSynth Badin، مما يثبت أن مثل هذه الإشراف الاصطناعي يدعم بفعالية كلاً من التنبؤ الميكانيكي الحيوي المهيكل والأسئلة والأجوبة باللغة الطبيعية عبر لغات متعددة.
تقدم الورقة البحثية CaRGo-T، وهو إطار عمل لـ "رسم بياني للأفكار" يعتمد على الاستدلال السببي، والذي يعزز فهم وكشف الفكاهة متعددة الوسائط من خلال تمثيل العلاقات المعقدة بين الكيانات والسياق كبنية رسم بياني خفيفة الوزن قائمة على الكود، مما يظهر تحسينات كبيرة في الأداء مقارنة بالنماذج المرجعية الحالية عبر مجموعات بيانات متنوعة.