12065 ورقة بحثية
تقدم هذه الورقة إطار عمل MVAP-G، وهو إطار عمل مبتكر يولد اضطرابات خصامية متعددة الرؤى متسقة في تمريرة أمامية واحدة لتعطيل محول الهندسة البصرية المرتكز (VGGT) بفعالية دون الحاجة إلى عملية تحسين مكلفة لكل مشهد.
تقترح الورقة البحثية إطار "التعزيز الوكيل والإصلاح الدلالي" (AESR)، وهو إطار عمل خفيف الوزن يجمع بين وحدة تعزيز الأوامر الوكيلية ووحدة إصلاح الدلالات البصرية المدفوعة بنماذج الرؤية واللغة الكبيرة (VLM) للتغلب على انحراف الهوية وفشل اتباع التعليمات في نماذج تحويل النص إلى فيديو مغلقة المصدر، محققةً المركز الأول في تحدي ACM MM 2026 لتوليد الفيديو مع الحفاظ على الهوية.
تقدم هذه الورقة CARD، وهي طريقة تشخيصية تكشف عن فشل نماذج الرؤية واللغة في توجيه تمثيلات المعتقدات الداخلية بفعالية إلى تنبؤات أفعالها، وهو قصور تم تحديده من خلال معيار عالم الشبكة التعاوني الجديد المسمى Relay Chain.
تقترح الورقة البحثية M2Depth، وهو إطار عمل مبتكر يوحد بين الأوليات التأسيسية للعمق أحادي العدسة وبين الرؤية المجسمة متعددة المناظر من خلال استراتيجية صقل متبادل ثنائية الاتجاه وتحسين حجم التكلفة الموجه بالأوليات، محققاً تفوقاً في اكتمال خرائط العمق، والتعميم، والدقة عبر كل من إعدادات المشاهد الكثيفة والمتفرقة.
تقترح هذه الورقة طريقة "الإشراف من المقطع إلى الفيديو" (S2V)، وهي طريقة تدريب فعالة تولد أزواجاً من الأسئلة والأجوبة دقيقة التفاصيل من مقاطع فيديو محددة مكانياً لتعزيز فهم الفيديوهات الطويلة في النماذج اللغوية الكبيرة متعددة الوسائط، محققةً دقة وكفاءة متفوقتين مقارنة بالنهج القائمة على الاستنتاج الحالية مع تجنب التكاليف العالية وزمن الاستجابة الطويل لأطر الضبط الدقيق المعقدة القائمة على التعزيز.
تقدم هذه الورقة KoViDoRe، وهو معيار شامل ومجموعة بيانات تدريبية مصاحبة صُممت لمعالجة نقص الموارد لاسترجاع المستندات المرئية الكورية من خلال تقييم وتحسين النماذج متعددة الوسائط على مستندات معقدة متعددة الصفحات ذات تخطيطات متنوعة.
تقدم هذه الورقة إطار عمل قوي ومتعدد المناطق للكشف عن علامات المرور للقيادة الذاتية، يدمج بيانات ليدار (LiDAR) والكاميرا عبر وحدة دمج مرنة مدركة للشدة ونموذج تتبع ثنائي الحركة للتغلب على تحديات التعميم عبر المناطق، والكشف عن الأجسام الصغيرة بعيدة المدى، والتشوه المنظوري غير الخطي، محققاً نسبة فقدان أجسام بلغت 0.49% عبر مجموعة بيانات عالمية تشمل أكثر من 60 دولة.
تقدم الورقة البحثية InfinityEdit، وهو مُكيِّف خفيف الوزن لمولدات الفيديو مسبقة التدريب يتيح تحريراً غير محدود ومبنياً على التعليمات للفيديو المتدفق من خلال ضمان الاستمرارية الزمنية الوفية واستقرار جودة التوليد عبر تسلسل لانهائي من طلبات التحرير.
تقترح هذه الورقة إطار عمل مبتكر للكشف القابل للتفسير عن التزييف العميق يجمع بين التعزيز القوي للميزات والتعلم التبايني الخاضع للإشراف لتعزيز المرونة ضد تدهور الصور، ويستخدم تحسين التفضيل القائم على الأدلة لتوليد تفسيرات دقيقة واقعياً، محققاً المركز الأول في تحدي ACM Multimedia 2026 للكشف عن التزييف العميق القابل للتفسير.
يُعد OccluRank إطار عمل بسيطاً وقابلاً للتحكم لتوليد الصور من التخطيطات، حيث يحقق تركيباً دقيقاً واعياً بالاحتجاب عبر تعزيز المربعات المحيطة برتبة ترتيبية واحدة واستخدام وحدة تفاعل مثيل مدركة للترتيب، مما يلغي الحاجة إلى شروط هندسية معقدة أو إجراءات استدلال متخصصة.