12063 ورقة بحثية
تقدم الورقة البحثية TimeCatch، وهو معيار مرجعي يكشف أنه بينما تتفوق نماذج الرؤية واللغة في اكتشاف الشذوذ على مستوى الإطار، فإنها تعاني بشكل كبير من تحديد التناقضات الزمنية الناتجة عن تبديل الإطارات، مما يشير إلى وجود فجوة جوهرية في قدرتها على الاستنتاج بشأن البنية الزمنية مقارنة بالبشر.
تقدم هذه الورقة GeoWAM، وهو نموذج عمل عالمي للقيادة الذاتية يستبدل التنبؤ المستقبلي القائم على البكسل بالتنبؤ بالهندسة المستقبلية باستخدام السحب النقطية لالتقاط البنية المكانية والحركة بشكل أفضل، مما يؤدي إلى سياسات قيادة أقوى بكثير مقارنة بالبدائل القائمة على الصور.
تتقصى هذه الورقة ما إذا كانت نماذج الرؤية واللغة تفهم حقاً العلاقات البصرية أم تعتمد على اختصارات لغوية، وذلك باستخدام مجموعة بيانات هندسية اصطناعية ونموذج Qwen3-VL-4B، مما يكشف أن نماذج الرؤية واللغة الحالية تجمع بين الاستدلال البصري الحقيقي والاستراتيجيات المتجذرة أساساً في الإشارات اللغوية.
تُظهر هذه الدراسة أن نموذج التعلم العميق متعدد المخرجات (NODE)، الذي يستفيد من بيانات الاستشعار متعددة الأنماط من مجموعة بيانات MAISON-LLF، يتفوق على النهج أحادي المخرج في التنبؤ المتزامن بخمس نتائج سريرية تتعلق بالتعافي الوظيفي والعزلة الاجتماعية لكبار السن الذين يتعافون من كسور الأطراف السفلية أو استبدال مفصل الورك.
تقدم هذه الورقة معيار "سترووب المضمن" (Embedded Stroop) ومجموعة بيانات "ما لون النص" (WCIT) لإثبات أن النماذج اللغوية الكبيرة متعددة الوسائط تعاني بشكل متكرر من "هلوسات ستروب"، حيث تجيب بشكل غير صحيح بالمعنى الدلالي للنص المضمن في صورة ما بدلاً من اللون الفعلي لذلك النص، مما يكشف أن المقروئية الدلالية يمكن أن تطغى على الإدراك البصري للون.
تقدم هذه الورقة MeltwaterBench، وهو إطار عمل للتعلم العميق يدمج بيانات الاستشعار عن بعد مع النماذج القائمة على الفيزياء لإنشاء خرائط يومية لمياه الذوبان السطحي بدقة 100 متر فوق نهر هيلهيم الجليدي في جرينلاند، محققاً دقة أعلى بكثير (95%) من النهج الحالية غير القائمة على التعلم العميق، مع توفير مجموعة بيانات مرجعية جديدة لأبحاث تقليل النطاق الزماني والمكاني.
تقدم الورقة البحثية "المحاذاة الضحلة" (Shallow Alignment)، وهو إطار عمل يحسن فك التشفير البصري العصبي من خلال محاذاة إشارات الدماغ بشكل منهجي مع الطبقات المتوسطة لنماذج الرؤية مسبقة التدريب بدلاً من مجرد التضمينات النهائية، مما يعالج عدم تطابق الحبيبية ويحقق مكاسب كبيرة في الأداء تتناسب طردياً مع سعة النموذج.
تُعد MultiCube طريقة مبتكرة تعتمد على الانتشار ثنائي المراحل، تتيح توليد نماذج ثلاثية الأبعاد تركيبية بدقة عبر قبول مطالبات نصية عامة إلى جانب تخطيطات دلالية ومكانية محددة على مستوى الأجزاء، لإنتاج كائنات ثلاثية الأبعاد عالية الجودة ذات مكونات يمكن التحكم بها بشكل مستقل.
تقدم هذه الورقة البحثية OraRL، وهو إطار عمل للتعلم التعزيزي القابل للتوسع لنماذج اللغات الكبيرة متعددة الوسائط للفيديو (video MLLMs)، والذي يعامل التوصيفات كمسارات أوراكل (oracle rollouts) ضمن آلية تقدير ميزة مفككة للتغلب على انقلاب الميزة (advantage inversion)، محققاً بذلك أداءً فائقاً في الاختبارات المعيارية الزمنية والمكانية مع كفاءة تدريب أعلى بكثير واستدلال أسرع مقارنة بالطرق الحالية.
تقدم هذه الورقة Grounded-Exo2Ego، وهو إطار عمل لانتشار الفيديو ثنائي الفروع يجمع بين الارتكاز الهندسي وفرع تجذير دلالي مبتكر وخوارزمية إعادة تحديد موقع الكاميرا لتوليد فيديوهات من منظور الشخص الأول (egocentric) من مدخلات من منظور خارجي (exocentric) بشكل قوي، محققاً أداءً هو الأفضل في فئته على مجموعة بيانات EgoExo4D من خلال تحسين البنية وتوليد البيانات الاصطناعية بشكل مؤتمت بالكامل.