12113 ورقة بحثية
تقدم هذه الورقة إطار عمل مكون من مرحلتين ولا يتطلب تدريبًا يسمى FungiTastic، والذي يستفيد من SAM3 لتجزئة الفطر بمعزل عن الفئات ومن نهج مطابقة النماذج الأولية المعزز لـ DINOv3 للتصنيف دقيق التفاصيل، مما يؤسس لأول خط أساس للتجزئة الدلالية دقيقة التفاصيل في أنظمة البيانات المنخفضة.
يُعد GeoWeaver إطار عمل لما قبل الاستنتاج يعمل على تعزيز الاستدلال المكاني والزماني في النماذج اللغوية البصرية من خلال التخصيص التكيفي للأدلة الهندسية دقيقة التفاصيل لكل رمز بصري على حدة، مما يجعل الهندسة شرطاً تمثيلياً أساسياً بدلاً من كونها إشارة مساعدة للدمج المتأخر.
تقدم هذه الورقة SOSPA وPLD، وهما إطار تقييم مبتكر يعتمد على الوعي بالترتيب يتغلب على قيود مسافة تشامفر المحددة بعتبة من خلال توفير تقييم هندسي دقيق وتسجيل كشف ناعم، مما يكشف أن قدرة الكشف هي العائق الأساسي في طرق الخرائط عبر الإنترنت الحالية.
تقدم الورقة البحثية GLeVE، وهو إطار عمل موجه بالرسوم البيانية يستفيد من الأولويات التشريحية والتحسين القائم على الشجرة الثمانية (octree) لتحقيق تحديد دقيق لمواقع الآفات في التصوير المقطعي المحوسب ثلاثي الأبعاد عبر سد الفجوة الدلالية المكانية بين التقارير الإشعاعية والتشريح الحجمي.
تقترح هذه الورقة البحثية وتتحقق من صحة طريقة كشف موجهة بالدلالات الصورية، تستفيد من النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) لدمج الصور المرئية مع التحليل النصي، محققةً أداءً هو الأفضل في فئته في كشف الشعر الصيني الحديث المُنشأ بواسطة الذكاء الاصطناعي، ومتفوقةً بذلك على كل من النماذج اللغوية الكبيرة المعتمدة على النص فقط والمكتشفات التقليدية مثل RoBERTa.
يقدم SegCompass إطار عمل للتجزئة الاستدلالية متكامل الطرفين يستخدم مشفرًا تلقائيًا متفرقًا لإنشاء محاذاة صريحة، وقابلة للتفسير، وقابلة للاشتقاق بين تسلسل التفكير والاستدلال والإدراك البصري، مما يحقق أداءً رائدًا مع تعزيز الشفافية مقارنة بالطرق الحالية "الصندوق الأسود" أو الطرق اللاحقة.
تُعد SEGA طريقةً لا تتطلب تدريباً تعمل على تعزيز استقراء الدقة في محولات الانتشار (Diffusion Transformers) عبر تغيير مقياس الانتباه ديناميكياً عبر مكونات تضمين الموضع الدوراني (Rotary Position Embedding) بناءً على البنية المكانية-الترددية للكمون، مما يحسن كلاً من التماسك الهيكلي ودقة التفاصيل الدقيقة في توليد الصور عالية الدقة.
تقدم الورقة البحثية Slimmable ConvNeXt، وهو إطار عمل للاستنتاج متكيف مع العرض يستفيد من تصميم ConvNeXt الحديث لتمكين النشر الفعال متعدد الأجهزة باستخدام مجموعة أوزان مشتركة واحدة، محققاً دقة فائقة عبر مختلف القيود الحسابية مقارنة بنهج الشبكات العصبية التلافيفية (CNN) ونماذج المحولات الرؤية (Vision Transformer) الحالية دون الحاجة إلى آليات تطبيع معقدة.
تقدم الورقة البحثية CEDAR، وهي طريقة لاحقة (post-hoc) تعمل على فك تشابك الدلالات الداخلية لنماذج الرؤية واللغة مسبقة التدريب إلى سمات قابلة للتفسير ومتعامدة عبر دوران قابل للعكس وعنق زجاجة يعتمد على تشتت (sparsity) من نوع top-، مما يكشف عن البنى التركيبية دون زيادة الأبعاد أو المساس بالهندسة الأصلية.
إنّ AnyMo هو إطار عمل مدرك للهندسة وغير مرتبط بإعدادات محددة، يستفيد من محاكاة وحدة قياس القصور الذاتي (IMU) القائمة على الفيزياء والمواءمة مع النماذج اللغوية الكبيرة (LLM) لتمكين فهم قوي ومعمم لحركة الإنسان عبر مختلف الأجهزة القابلة للارتداء ومجموعات البيانات غير المرئية، متفوقاً بشكل كبير على الطرق الحالية في التعرف على الأنشطة في وضع الصفر، والاسترجاع متعدد الوسائط، ووصف الحركة.