12113 ورقة بحثية
تقدم FineVision أكبر مجموعة بيانات مفتوحة مكونة من 24 مليون عينة من الرؤية واللغة منسقة بدقة، والتي تم إنشاؤها من خلال مسار شبه مؤتمت صارم يوحد أكثر من 200 مصدر مع إشراف بشري للقضاء على التلوث والتكرار، مما يمكن النماذج المدربة على هذه المجموعة من التفوق بشكل كبير على البدائل المفتوحة الحالية.
تقدم هذه الورقة البحثية "تحسين سياسة تقسيم المجموعات" (GCPO)، وهو نهج جديد للتعلم المعزز على مستوى المجموعات (chunk-level) يعمل على التخفيف من عدم دقة إسناد الميزة في مطابقة التدفق عبر تجميع الخطوات المتتالية، مما يحقق مكاسب في الأداء تصل إلى 43% نسبيًا مقارنة بأسلوب "تحسين السياسة النسبية للمجموعات" (GRPO) القياسي في مهام توليد النصوص إلى صور.
لمعالجة نقص مقاييس التقييم الكافية لتوليد فيديوهات الرؤوس المتحدثة، تقترح هذه الورقة إطار عمل جديدًا يتكون من ثمانية مقاييس فعالة عبر أبعاد الجودة، والطبيعية، والمزامنة، تم التحقق من صحتها على مجموعة بيانات جديدة و85,000 فيديو من 17 نموذجًا من أحدث النماذج المتطورة للكشف عن القيود الحالية في التعبير وتقليل العيوب الاصطناعية.
تقدم هذه الورقة سياسة "القبول القطعي المعاير بالاستعلام" (QCSA)، وهي سياسة لإغلاق الحلقة غير مرتبطة بالواصفات تعمل على تعزيز استقرار مخطط الرسم البياسي للوضعية في البيئات المتكررة من خلال قبول عوامل إغلاق الحلقة عالية الثقة والمحققة هندسياً بشكل انتقائي، مما يقلل بشكل كبير من الإيجابيات الكاذبة وأخطاء المسار في أسوأ الحالات مع الحفاظ على الدقة الإجمالية.
تقدم هذه الورقة البحثية "أخذ عينات الفيديو ذاتي التحسين" (Self-Refining Video Sampling)، وهي طريقة استدلال لا تتطلب تدريباً تستفيد من مولد فيديو مُدرب مسبقاً كمرشح لإزالة الضجيج (denoising autoencoder) خاص به مع استراتيجية واعية بعدم اليقين لتحسين المخرجات بشكل تكراري، مما يحسن بشكل كبير من تماسك الحركة والواقعية الفيزيائية دون الحاجة إلى مُحققات خارجية أو تدريب إضافي.
تقدم هذه الورقة Q-DiT4SR، وهو أول إطار عمل للكمّ ما بعد التدريب مصمم خصيصاً لترقية دقة الصور في العالم الحقيقي القائمة على نماذج DiT، والذي يستخدم تحليل القيم المفردة (SVD) الهرمي والدقة المختلطة المكانية-الزمانية المدركة للتباين لتحقيق أداء رائد مع تقليل حجم النموذج والتكلفة الحسابية بشكل كبير.
تقدم الورقة البحثية ParaX، وهي طريقة لضبط النماذج الرؤيوية بكفاءة في المعلمات، تستخدم آلية توجيه ديناميكية للمعلمات لتوليد مصفوفات أوزان منخفضة الرتبة تعتمد على المدخلات من مراكز خبراء مشتركة، مما يعزز تنوع الميزات والأداء عبر مهام التنبؤ الكثيف المعقدة.
تقدم الورقة البحثية GeoQuery، وهو نظام لاسترجاع صور الأقمار الصناعية بنمط "التعلم الصفري" (zero-shot)، يعمل على الربط بين الاستعلامات باللغة الطبيعية وبيانات مراقبة الأرض من خلال محاذاة التضمينات النصية لمجموعة بيانات وسيطة مع التضمينات البصرية المجمدة من نموذج CLAY، مما يتيح بحثاً فعالاً للاستجابة للأزمات دون الحاجة إلى بيانات تدريب مقترنة واسعة النطاق.
تقدم هذه الورقة ProDG، وهو إطار عمل جديد خالٍ من البيانات يستفيد من النماذج التوليدية لتخليق نماذج أولية بصرية عالية الدقة مباشرة من أوزان النماذج المجمدة، مما يتيح قابلية تفسير قوية لما بعد الحدوث للمجالات الحساسة للخصوصية دون الحاجة إلى الوصول إلى أي بيانات خارجية.
إن DeformMaster هو نموذج عالم فيزيائي-عصبي تفاعلي يتعلم من فيديوهات العالم الحقيقي لمحاكاة الأجسام القابلة للتشوه عبر توحيد الديناميكيات الفيزيائية والمظهر عالي الدقة، مما يتيح التنبؤ المستقبلي الدقيق، وتوليد استجابات حركية جديدة، وتخليق مشاهد ديناميكية من زوايا رؤية مختلفة.