12113 ورقة بحثية
يُعد Helix4D إطار عمل ديناميكي لتوليد الشبكات (mesh generation) يعمل على تطويع بنية Trellis2 لإنشاء محتوى رباعي الأبعاد مشروط بالفيديو، وذلك عبر إدخال آلية انتباه عبر الإطارات بنظام النافذة المنزلقة وتشفير زمني رباعي الأبعاد خالٍ من المعلمات للتغلب على تحديات التغيرات المعقدة في الطوبولوجيا، والمواد الشفافة، والهياكل الدقيقة.
تقترح الورقة البحثية AnyScene، وهو إطار عمل موحد متمحور حول الإشغال يستفيد من محول انتشار إشغالي مكاني-زماني ووحدة توسيع منظور قائمة على الهندسة لتوليد فيديوهات قيادة متعددة المشاهد عالية الدقة، وعالية التحكم، ومتسقة زمنياً من تخطيطات رؤية علوية (BEV) عشوائية دون الاعتماد على إطارات مرجعية.
تقترح الورقة البحثية MirrorCheck، وهو إطار عمل للكشف يتميز بالمتانة وعدم الارتباط بنموذج محدد، يدافع عن نماذج الرؤية واللغة ضد الهجمات العدائية التكيفية من خلال الاستفادة من إعادة توليد "النص إلى صورة" للتحقق من الاتساق الدلالي، معززًا باختيار النماذج العشوائي واضطرابات الاستخدام لمرة واحدة.
تقدم هذه الورقة البحثية BVI-RLV، وهي مجموعة بيانات فيديو للإضاءة المنخفضة مسجلة بالكامل وتضم أكثر من 30,000 إطار محاذٍ بدقة دون البكسل عبر مشاهد ديناميكية متنوعة، والتي تثبت أن التسجيل الدقيق أمر بالغ الأهمية لتدريب نماذج التعلم العميق لتحقيق أداء فائق في تحسين الفيديو في ظروف الإضاءة المنخفضة مقارنة بمجموعات البيانات غير المسجلة الموجودة حالياً.
تُعد TerraQ نظاماً لمعالجة اللغات الطبيعية صُمم لجعل بيانات مراقبة الأرض أكثر سهولة في الوصول إليها من خلال تمكين المستخدمين من الاستعلام عن أرشيفات الصور الساتلية باستخدام طلبات باللغة الطبيعية تجمع بين البيانات الوصفية وكيانات قاعدة المعرفة المتخصصة.
تقدم هذه الورقة EnDfuser، وهو نظام قيادة ذاتية من طرف إلى طرف يستخدم الانتشار التجميعي لتوليد توزيع من المسارات المرشحة من بيانات الإدراك المدمجة، مما يتيح اتخاذ قرارات مدركة لعدم اليقين تعمل على تحسين أداء القيادة وقابلية التفسير على معيار LAV.
تقدم الورقة البحثية SENTINEL، وهو إطار عمل يعمل على الحد من هلاوس الكائنات في النماذج اللغوية الكبيرة متعددة الوسائط من خلال تعزيز بيانات التفضيل داخل النطاق عبر كواشف ذات مفردات مفتوحة وتطبيق تعلم التفضيل المعتمد على السياق على مستوى الجملة للتدخل المبكر في عملية التوليد دون الحاجة إلى تعليقات توضيحية بشرية.
تقدم هذه الورقة إطار عمل للتقسيم ضعيف الإشراف متعدد المقاييس يستفيد من التصنيفات على مستوى النقاط من الصور تحت الماء والجوية لتدريب نماذج عالية الدقة لرسم خرائط موائل الشعاب المرجانية واسعة النطاق، محققاً دقة كبيرة دون الحاجة إلى تعليقات توضيحية على مستوى البكسل.
تقترح الورقة البحثية DWTA-Net، وهو إطار عمل عميق متكرر ومبتكر للتعلم العميق لتحسين الفيديو في ظروف الإضاءة المنخفضة، يجمع بين المحاذاة متعددة الإطارات القائمة على نموذج Mamba والتجميع الزمني القائم على الأوزان الديناميكية الموجه بالتدفق البصري، وذلك لقمع الضجيج الشديد بفعالية مع الحفاظ على الاتساق الزمني والتفاصيل الدقيقة.
تُبين هذه الورقة أن التوزيع "المتكتل" وشديد الانحراف للتجارب البصرية التي يواجهها الرضع في حياتهم اليومية — والذي يتميز بالتعرض المتكرر لعدد قليل من نماذج أشياء محددة ضمن مجموعات مترابطة — يُمكّن من التعميم السريع للفئات من خلال أمثلة تدريبية قليلة جداً، مما يقدم حلاً مستوحىً بيولوجياً للتعلم الآلي على مجموعات البيانات الصغيرة.