12113 ورقة بحثية
تقدم هذه الورقة نموذجاً لتوليد الفيديو رباعي الأبعاد مدركاً للهندسة، يفرض اتساقاً ثلاثي الأبعاد متعدد الرؤى من خلال محاذاة خرائط النقاط عبر الرؤى لإنتاج تسلسلات فيديو مستقبلية متماسكة زمنياً ومتوافقة مكانياً من وجهات نظر جديدة، مما يمكّن سياسات التحكم الروبوتية القوية التي تعمم عبر وجهات نظر كاميرا مختلفة.
تقترح هذه الورقة إطار عمل للتعلم العميق باسم WaveletInception-BiGRU يدمج تحويلات حزم الويفلت القابلة للتعلم، ووحدات Inception-ResNet أحادية الأبعاد متعددة المقاييس، والوحدات ذات التكرار ثنائي الاتجاه (BiGRUs) لتمكين مراقبة دقيقة وآلية وموضعية لصحة البنية التحتية على متن المركبات من خلال إشارات الاهتزاز الخام دون الحاجة إلى معالجة مسبقة صريحة.
تتحدى هذه الورقة الاعتماد السائد على الهياكل الظهرية العميقة في التعلم دقيق التفاصيل من عينات قليلة عبر تقديم LCN-4، وهو بنية ضحلة معززة بتجميع الميزات المدرك للموقع وتقنيات جديدة لتمثيل الموضع والتردد، تحقق أداءً يضاهي أو يتجاوز النماذج العميقة المتطورة.
تقترح الورقة البحثية MetaLab، وهو إطار عمل جديد للتعرف على الصور بلقطات قليلة يستخدم نهج تعلم تعميمي متماسك بتوجيه من نظام CIELab مع LabNet وLabGNN لتحقيق دقة تقارب دقة البشر عبر معايير اختبار متنوعة.
تقدم هذه الورقة IMAGEO-Bench، وهو معيار منهجي يقيم قدرات النماذج اللغوية الكبيرة في تحديد الموقع الجغرافي للصور عبر مجموعات بيانات متنوعة، كاشفاً عن تفاوتات كبيرة في الأداء بين النماذج مفتوحة المصدر والمغلقة، ومسلطاً الضوء على تحيزات جغرافية مكانية حرجة تنحاز للمناطق ذات الموارد العالية.
تقدم الورقة البحثية DAASH، وهو إطار عمل للهجوم الميتا (meta-attack) قابل للتفاضل بالكامل، يقوم بتركيب عدة هجمات أساسية مقيدة بـ Lp بشكل استراتيجي من خلال عملية تكيفية متعددة المراحل موجهة بخسارة ميتا (meta-loss) مبتكرة لتوليد أمثلة عدائية تحقق معدلات نجاح أعلى بكثير وجودة إدراكية متفوقة مقارنة بالطرق الرائدة مع التعميم بشكل جيد على الدفاعات غير المرئية.
تُعد Loupe وحدة بوابية مكانية خفيفة الوزن وسهلة التوصيل والتشغيل لنماذج المحولات الرؤيوية (Vision Transformers)، حيث تعزز بشكل كبير التصنيف البصري دقيق التفاصيل عبر التنبؤ بأقنعة مكانية متفرقة لتضخيم الميزات التمييزية، محققةً نتائج رائدة عالمياً في مجموعة بيانات CUB-200-2011 مع حد أدنى من الزيادة في عدد المعلمات.
تقترح هذه الورقة البحثية "التصحيح التكيفي الرتبي" (ORDAC)، وهو إطار عمل جديد متمحور حول البيانات يستفيد من تعلم توزيع الملصقات لضبط وتصحيح الملصقات الرتبية المشوشة ديناميكيًا أثناء التدريب، مما يحسن بشكل كبير من متانة النموذج ودقته في مجموعات بيانات مثل Adience وDiabetic Retinopathy تحت ظروف ضجيج مختلفة.
تُعد MaskAttn-SDXL وحدة إضافية لنموذج SDXL تعمل على تعزيز توليد الصور من النصوص على مستوى المناطق القابلة للتحكم عبر حقن بوابات مكانية مشروطة بالرموز (token-conditioned spatial gating) في لوغاريتمات الانتباه المتقاطع (cross-attention logits) لتثبيط ارتباطات السمات غير ذات الصلة وتحسين موثوقية التركيب دون تغيير بنية النموذج الأساسي أو الحاجة إلى إشراف إضافي.
تقدم الورقة البحثية CoUn، وهو إطار عمل جديد لـ "إلغاء التعلم" (machine unlearning) يستفيد من التعلم التبايني والتعلم الخاضع للإشراف على البيانات المتبقية لإزالة تأثير عينات النسيان بفعالية من خلال تعديل تمثيلاتها الدلالية، مما يجعله يتفوق على الأساليب الحالية الرائدة.