12113 ورقة بحثية
تقدم الورقة البحثية PhotoFlow، وهو إطار عمل وكيل يتميز بهيكلية (المخرج-المراجع-العاكس)، وVPhotoBench، وهو معيار جديد، لتمكين التصوير الفوتوغرافي الافتراضي المشروط باللغة في مشاهد ثلاثية الأبعاد عشوائية من خلال الجمع بفعالية بين الاستدلال المكاني المعقد والتقدير الجمالي للتفوق على الأساليب الحالية.
تقترح هذه الورقة طريقة مبتكرة للكشف عن البيانات خارج التوزيع باستخدام نماذج الرؤية واللغة سابقة التدريب، والتي تعالج مشكلة السلبيات الكاذبة في تنقيب الملصقات السلبية من خلال تقديم إطار نظري لأخذ العينات غير المنحازة، والذي تم تنفيذه عملياً كأخذ عينات بطريقة مونت كارلو لتحقيق أداء يمثل أحدث ما توصل إليه العلم.
باستخدام نماذج الطاقة المشتركة لعزل أهداف التعلم ضمن بنية ثابتة، تُظهر هذه الدراسة أن التمثيلات المرئية المتوافقة مع القدرات البشرية لا يتم تعظيمها من خلال التدريب التمييزي أو التوليدي البحت، بل من خلال توازن أمثل بين كلا الهدفين.
تقدم الورقة البحثية ToolMerge، وهي طريقة مبتكرة لاسترجاع الإطارات الرئيسية تستفيد من نموذج لغوي كبير لتفكيك الاستعلامات إلى استدعاءات أدوات محددة ودمج نتائجها عبر معاملات بولينية، مما يظهر أداءً تنافسيًا على مقياس Molmo-2 Moments المقترح حديثًا.
يقدم MuellerPT إطار عمل للتدريب المسبق بتوجيه فيزيائي يتنبأ بخرائط تفكيك Lu-Chipman من مصفوفات ميويلر باستخدام مجموعة بيانات جديدة واسعة النطاق، مما يحسن بشكل كبير من كفاءة الملصقات ونقل العينات عبر مختلف العينات لمهام التجزئة والتصنيف في المجال الحيوي الطبي تحت سيناريوهات التعلم بلقطات قليلة.
تقدم هذه الورقة FM-CGM، وهو إطار عمل معياري يستفيد من النماذج التأسيسية سابقة التدريب وآلية توجيه دلالي سببي مبتكرة لتمكين الاكتشاف السببي، والتدخل، وتوليد الصور الواقعي المضاد للواقع (counterfactual) ضمن مسار موحد في مرحلة الصفر (zero-shot).
تحدد هذه الورقة "الانتشار الدلالي" كسبب لتدهور تمثيلات الرقع في نماذج المحولات الرؤيوية أثناء التدريب المطول، وتقترح استبدال انتباه "softmax" بـ "entmax-1.5" لتمكين تفاعلات الرموز الانتقائية، مما يحسن بشكل كبير أداء التنبؤ الكثيف مع الحفاظ على السياق العالمي.
تُعد HorizonStream نموذج "ترانسفورمر" (Transformer) مبتكرًا للمدى الطويل، يحقق إعادة بناء ثلاثية الأبعاد عبر الإنترنت مستقرة وبأداء فائق على تسلسلات تتجاوز 10,000 إطار بذاكرة ثابتة ووقت خطي، وذلك من خلال تحليل الانتشار الهندسي إلى اضمحلال متعدد المقاييس الزمنية ومطابقة مكانية زمانية موضعية للتغلب على قيود الانجراف والذاكرة في الطرق الحالية.
تقترح الورقة البحثية Smart-Insertion-V، وهو إطار عمل ثنائي المسار ذو تغذية راجعة مغلقة الحلقة يدمج إدراج الفيديو مع نقل أسلوب الصورة، ويستخدم وحدات متخصصة مثل Dual-World-View RoPE ووحدة التوجيه المنفصلة (Decoupled Guidance Module) لتحقيق إدراج كائنات واقعي ومتناغم حتى في ظل وجود فجوات أسلوبية حادة بين النطاقات.
تقدم الورقة البحثية ETCHR، وهو إطار عمل لتحرير الصور يعتمد على الفصل والوعي بالاستدلال، يعمل على سد الفجوة بين الأسئلة المجردة والتحولات البصرية من خلال وصفة تدريب مكونة من مرحلتين، مما يعزز بشكل كبير قدرات الاستدلال البصري لمختلف النماذج اللغوية الكبيرة متعددة الوسائط عبر عائلات مهام متعددة.