12113 ورقة بحثية
يُعد PixIE إطار عمل للتغذية الأمامية في فضاء البكسل لتحسين الصور ذات الإضاءة المنخفضة، وهو يستفيد من محفزات DINOv3 الدلالية، وإزالة الضجيج عبر المقاييس، والضغط المكاني-القنوي الفعال ليتفوق بشكل كبير على أحدث الأساليب المتبعة في كل من دقة إعادة البناء والجودة الإدراكية.
تقترح هذه الورقة إطار عمل مدفوعاً بخريطة دعم لمعايرة مستشعر ليدار (LiDAR) والكاميرا عبر الإنترنت في البيئات الزراعية، والذي يفصل عملية المعايرة إلى أربع كتل وظيفية ويستخدم خريطة دعم كثيفة لتحديد المناطق غير المتجانسة مكانياً ودلالياً من أدلة المعايرة الموثوقة، مما يؤدي إلى تحسين دقة الإزاحة في مجموعة بيانات KITTI.
تقدم هذه الورقة MetaEvaluator، وهو إطار عمل فعال من حيث التكلفة وغير مرتبط بنموذج محدد، يستفيد من التعلم الفائق لتقييم أداء نماذج تعلم آلي متنوعة وغير مرئية بدقة على مجموعات بيانات غير مصنفة دون الحاجة إلى عمليات تصنيف مكلفة أو إعادة تدريب لكل نموذج.
يعالج GlowGS أوجه القصور في أساليب "Gaussian Splatting" ثلاثية الأبعاد الحالية في مشاهد التوهج الليلي من خلال الاستفادة من نموذج انتشار ونموذج رؤية أساسي لتوليد سمات دلالية كإشارات هيكلية ضمنية، مما يتيح تركيب مشاهد من زوايا جديدة بشكل قوي دون الحاجة إلى إشراف من بيانات حقيقية.
تقترح الورقة البحثية EM-Vid، وهي طريقة لا تتطلب تدريباً تحقق توليد فيديو متعدد اللقطات بكفاءة واتساق عبر استخدام بنك ذاكرة متمحور حول الكيان، وتكييف الرموز المتفرقة، وآلية حقن الضوضاء للحفاظ على اتساق الموضوع مع تقليل التكاليف الحسابية ومنع تسرب المعلومات.
يُعدُّ ExpOS إطار عملٍ تفسيريًا قائمًا على البيانات، يستخدم إعادة بناء اليد ثلاثية الأبعاد وآليات الانتباه الزمني لتقييم مهارات الجراحة المفتوحة تلقائيًا وتقديم ملاحظات قابلة للتنفيذ، محققًا ارتباطًا قويًا مع تقييمات الخبراء دون الاعتماد على مقاييس محددة مسبقًا.
يُعد CVSearch إطار عمل تكيفيًّا لا يتطلب تدريبًا، يعمل على تعزيز الإدراك الصوري عالي الدقة للنماذج اللغوية الكبيرة متعددة الوسائط من خلال الجمع ديناميكيًا بين البحث بمساعدة الخبراء وآلية مسح مبتكرة واعية دلاليًا لتحقيق التوازن بين التغطية والكفاءة.
يُعد RiGS إطار عمل جديداً لتقنية "Gaussian Splatting" رباعية الأبعاد، يقوم بإعادة بناء المشاهد ثلاثية الأبعاد الديناميكية من فيديوهات أحادية العدسة عبر تفكيك المشهد إلى عناصر "Gaussian" ثابتة، وصلبة، وعابرة، لالتقاط التحولات السلسة طويلة المدى والتشوهات المعقدة قصيرة المدى في آن واحد، محققاً بذلك أداءً هو الأفضل في مجاله لتوليد مناظر من زوايا رؤية جديدة.
تقدم الورقة البحثية CRONOS، وهو معيار مرجعي واقعي يعتمد على محرك Unreal Engine، لتقييم ما إذا كانت نماذج التنبؤ بالفيديو تتعلم الهياكل الفيزيائية السببية الكامنة أم أنها تكتفي باستغلال الارتباطات السطحية، وذلك من خلال اختبار اتساقها في مواجهة السيناريوهات المقابلة للواقع عبر التدخلات في زاوية الرؤية، والمشهد، وفئة الكائن، والمظهر بشكل منهجي.
تعمل هذه الورقة على إحياء معيار "Apple Dense Material Segmentation" من خلال تقديم إطار تدريب مستقر يحقق أداءً جديداً هو الأفضل في فئته، بينما يكشف في الوقت ذاته عن "مفارقة تعميم" حرجة حيث تحجب المقاييس المتضخمة الناتجة عن تعديل تقسيمات البيانات تدهوراً شديداً في الأداء في العالم الحقيقي.