12113 ورقة بحثية
تتناول هذه الورقة تحدي التخطيط الرقمي للشاشة (digital screen banding) في فيديوهات الهواتف الذكية من خلال تقديم مجموعة بيانات DeViD الواقعية واقتراح إطار عمل VDFP، وهو إطار توليد مبتكر موجه بالإدراك يستخدم نمذجة حقل التدهور والأسس المستمرة المكانية-الزمانية للقضاء بفعالية على الوميض مع الحفاظ على التفاصيل عالية الدقة والاتساق الزمني.
تقترح الورقة البحثية إطار عمل R2AoP، وهو إطار موثوق ومتين لتقدير زاوية التقدم من التصوير بالموجات فوق الصوتية أثناء الولة، والذي يدمج التجزئة القائمة على البنية، والنمذجة الهندسية الموجهة بالثقة، والتكيف في وقت الاختبار للتغلب على ضجيج التصوير وغموض الحدود، محققاً دقة وقابلية تكرار فائقتين عبر معايير متعددة المراكز.
تقترح هذه الورقة البحثية Linear-DPO، وهو إطار عمل موحد لتحسين التفضيلات يشتق هدفاً عاماً لكل من نماذج الانتشار (diffusion) ونماذج مطابقة التدفق (flow-matching) عن طريق استبدال المنفعة القياسية القائمة على دالة السيجمويد (sigmoid) بمنفعة خطية ونموذج مرجعي يتم تحديثه عبر المتوسط المتحرك الأسي (EMA) للتغلب على عدم توافق الأهداف وتحسين محاذاة توليد الصور من النصوص.
تقدم الورقة البحثية SurgOnAir، وهو نموذج رؤية-لغة للبث المباشر في الوقت الفعلي تم تدريبه على مجموعة بيانات هرمية لتوليد سرد جراحي فوري متعدد المستويات وكشف انتقالات سير العمل دون الوصول إلى الإطارات المستقبلية، مما يتيح مساعدة فورية بالذكاء الاصطناعي في غرفة العمليات.
تقدم هذه الورقة أربع مجموعات بيانات متخصصة للطيف المرئي (التدرج الرمادي، والحراري، والليلي، ورؤية أوبسكورا) مشتقة من مجموعة بيانات KIIT-MiTA لتدريب وتقييم نموذج YOLOv11-small من أجل الكشف القوي عن الأجسام العسكرية بواسطة الطائرات بدون طيار في ظروف واقعية متنوعة وصعبة.
تقدم هذه الورقة FTerViT، وهو نموذج Vision Transformer ثلاثي القيم بالكامل (fully ternarized) يقوم بتكميم جميع الأوزان ومعلمات التقييس (normalization parameters) لتحقيق ضغط كبير في الذاكرة وتمكين النشر الفعال على الأجهزة في المتحكمات الدقيقة مع الحفاظ على دقة تنافسية في مجموعة بيانات ImageNet-1K.
تقترح الورقة البحثية إطار عمل "المعايرة الموجهة بالقمة" (PGC)، وهو إطار عمل مبتكر يعزز الكشف عن الصور المُنشأة بواسطة الذكاء الاصطناعي من خلال استخدام آلية تركيز على القمة لتسليط الضوء على الأدلة التمييزية المحلية الدقيقة ومعايرة القرارات العالمية، محققاً أداءً هو الأفضل في فئته على معيار تجاري جديد مكون من 15 نموذجاً وعلى مجموعات البيانات الحالية.
تقدم هذه الورقة تقييماً مقارناً بين الشبكات العصبية الالتفافية (CNNs) ومحولات الرؤية (ViTs) لتصنيف مشاهد استخدام الأراضي، كاشفةً أنه في حين تتفوق الشبكات العصبية الالتفافية مع البيانات المحدودة والأنماط النسيجية المحلية، توفر محولات الرؤية فهماً فائقاً للسياق العالمي عندما تتوفر بيانات تدريب وموارد حوسبة كافية.
تقدم هذه الورقة Hyper-V2X، وهو إطار عمل قائم على الشبكة الفائقة (hypernetwork) يقوم بتقدير كل من اليقين المعرفي (epistemic) واليقين العشوائي (aleatoric) بكفاءة في عملية التجزئة الدلالية لمنظور عين الطائر (Bird's-Eye-View) التعاوني لتقنية مركبة-إلى-كل شيء (V2X)، وذلك عبر توليد توزيعات أوزان عشوائية مشروطة بميزات متعددة الوكلاء مدمجة، مما يعزز موثوقية الإدراك بأقل قدر من العبء الحسابي.
تقدم الورقة البحثية iTryOn، وهو إطار عمل مبتكر يستفيد من نموذج انتشار فيديو محول (Transformer) واسع النطاق مع توجيه مكاني-دلالي لمعالجة مهمة تجربة الملابس الافتراضية التفاعلية المحددة حديثاً، والتي تتيح استبدال الملابس بشكل واقعي في مقاطع الفيديو التي تتضمن تفاعلات نشطة بين الإنسان والملابس.