12113 ورقة بحثية
يُعد Tango3D نموذجاً تأسيسياً جديداً ثلاثي الأبعاد يوحد بين الاسترجاع الدلالي العالمي والمراسلة الدقيقة بين البكسل والنقطة عبر رسم خرائط لقطع الصور ثنائية الأبعاد ورموز السحابة النقطية ثلاثية الأبعاد في مساحة مشتركة من خلال عمود فقري مدرك للهندسة واستراتيجية تدريب تصاعدية مكونة من ثلاث مراحل.
تقدم الورقة البحثية **Aero-World**، وهي طريقة تعمل على تكييف نماذج الانتشار (diffusion models) المدربة مسبقاً لتحويل الصور إلى فيديو لإنتاج فيديوهات جوية قابلة للتحكم من خلال إشارات التحكم بالقصور الذاتي عبر حقن رموز الحركة (action tokens) والاستفادة من مسبار فيزيائي (Physics Probe) مجمد في الفضاء الكامن للإشراف، جنباً إلى جنب مع معيار **AeroBench** لتقييم محاذاة الحركة والاتساق الفيزيائي.
تقدم هذه الورقة البحثية CPC-VAR، وهو إطار عمل موحد يعالج النسيان الكارثي وتشابك الميزات في النماذج التوليدية البصرية ذاتية الانحدار من خلال توظيف اختيار عصبون المفهوم القائم على التدرج للتعلم المستمر للمفهوم الواحد، واستراتيجية تركيب مدركة للسياق لتخليق متعدد المفاهيم قابل للتحكم.
تستخدم هذه الورقة أدوات التفسير الآلي للكشف عن أن تحديد مواقع الأشياء في نماذج الرؤية واللغة يعتمد على آلية "الاحتواء" التي تقودها مجموعة ضيقة من رؤوس الانتباه المتخصصة في الطبقات المبكرة إلى المتوسطة أو المتوسطة إلى المتأخرة، والتي تحدد الامتدادات المكانية بشكل مستقل إلى حد كبير عن دلالات الرموز الداخلية.
تقدم هذه الورقة Depth2Pose، وهو معيار ومجموعة بيانات جديدة تقيم نماذج تقدير العمق أحادي العين بناءً على قدرتها على دعم تقدير وضعية الكاميرا النسبية اللاحقة، مما يوفر بديلاً قائماً على المهام لمقاييس العمق التقليدية القائمة على الحقيقة الأرضية، وهو أمر فعال بشكل خاص للمشاهد الصعبة حيث لا تتوفر تعليقات توضيحية كثيفة للعمق.
يقدم البحث إطار عمل StitchVM، وهو إطار عمل لدمج النماذج خفيف الوزن يقوم بنقل نماذج المكافأة مسبقة التدريب من فضاء البكسل بكفاءة إلى الفضاءات الكامنة المشوشة عبر إلحاق عمود فقري لنموذج انتشار مجمد، مما يتيح محاذاة دقيقة وفعالة حاسوبياً لنماذج الانتشار دون التحيز لتقديرات "توييدي" (Tweedie) أو التكلفة العالية لعمليات "مونت كارلو" المتكررة (Monte Carlo rollouts).
تقدم هذه الورقة FineBench، وهو معيار واسع النطاق للأنشطة البشرية دقيق التفاصيل مع تعليقات توضيحية كثيفة على مقاطع الفيديو طويلة المدى، وتقترح FineAgent، وهو إطار عمل معياري يعزز بشكل كبير قدرات الاستدلال المكاني وفهم الأفعال في النماذج اللغوية البصرية مفتوحة المصدر.
تقترح هذه الورقة طريقة تعزز متانة نماذج الرؤية واللغة في فهم الوثائق المرئية خارج نطاق التوزيع عبر حقن كيانات التخطيط المكتشفة مسبقًا كعلامات وثائق (DocTags) مهيكلة داخل المطالبة، مما يحل بفعالية مشكلة عنق الزجاجة ثنائية الخطوات ويحسن دقة التحليل الهيكلي بشكل كبير دون تغيير بنية النموذج الأساسي.
تقدم هذه الورقة نظاماً سلبياً لمراقبة سلامة البناء في نهاية المناوبة يدمج بين كشف YOLO11 الدقيق، وتجزئة SAM 3، وبروتوكول تسلسل أفكري تنافسي قائم على الشخصية ومسند إلى Qwen3-VL-8B، وذلك لتحسين دقة التحقق من الامتثال وتقليل الهلوسة بشكل كبير مع إنشاء تقارير سلامة مرتبطة بمعايير OSHA من منظور العامل ومن لقطات الكاميرا الثابتة.
تقدم هذه الورقة معياراً منهجياً يثبت أن التنوع داخل الفئة الواحدة هو عامل حاسم لفعالية سياسات ذاكرة التكيف وقت الاختبار، مما أدى إلى تطوير إطار عمل "التكيف وقت الاختبار القائم على الملاحظة الموجهة" (GOTTA)، الذي يجمع بين التخصيص المتوازن للفئات والتنوع في فضاء السمات لتحسين متانة النموذج بشكل كبير تحت تدفقات البيانات غير المستقلة والموزعة غير متماثلة (non-i.i.d.) والقيود المفروضة على ميزانيات الذاكرة.