12113 ورقة بحثية
تُثبت هذه الورقة أن تقنية تعزيز البيانات CutMix ضمن بروتوكولات التدريب الحديثة تُحدث موضعية مكانية وانتباهاً مركزاً في الطبقات الأولى من نماذج "رؤية المحولات" (Vision Transformers) التي يتم تدريبها من الصفر، دون الحاجة إلى تدريب مسبق واسع النطاق.
تقدم الورقة البحثية تحويل الصبغة الموجه جزيئياً (MIST)، وهو ملحق يُستخدم أثناء التدريب يستفيد من البيانات النسخية المكانية المزدوجة لإنشاء صبغات جزيئية افتراضية وإعادة تنظيم سمات رقعات صبغة الهيماتوكسيلين والإيوسين (H&E)، مما يؤدي إلى تحسين أداء التعلم متعدد الأمثلة بشكل كبير عبر مهام علم الأمراض المتنوعة دون الحاجة إلى بيانات نسخية عند الاستدلال.
تقدم الورقة البحثية ViTC-UNet، وهي بنية مبتكرة تسد فجوة الأداء لـ "محولات الرؤية" (Vision Transformers) في التجزئة الطبية الحيوية من خلال تكييف نموذج UNet بناءً على تمثيلات محولات الرؤية المجمدة عبر رموز قابلة للتعلم وفك تشفير ذي انتباه ثنائي الاتجاه، مما يجمع بفعالية بين الأولويات البصرية العالمية والتحيزات الاستقرائية المحلية لتحقيق نتائج رائدة عبر وسائط الرنين المغناطيسي والأشعة المقطعية دون الحاجة إلى ضبط دقيق شامل للنهاية.
تقدم هذه الورقة ProxiMAP، وهو إطار عمل معياري جاهز للتشغيل (Plug-and-Play) يقرب عملية استعادة الحد الأقصى للاحتمال اللاحق (MAP) من خلال محاذاة الضجيج المتبقي مع توزيع تدريب وحدة إزالة الضجيج لضمان الموثوقية ضمن التوزيع وضمان التوقف المبكر الضمني، مما يتجنب الآثار الشبيهة بالرسوم الكرتونية لطرق استهداف MAP التقليدية مع تعزيز جودة إعادة بناء الصور باستمرار عبر مختلف المسائل العكسية.
تقترح هذه الورقة آلية استدلال تكيفية مدركة للمسار للكشف عن الأجسام القائم على نموذج YOLOv8 في الملاحة البحرية ذاتية القيادة، والتي تعمل على ضبط الحمل الحسابي ديناميكيًا بناءً على المسافة بين السفن وسرعة التقارب، مما يقلل بشكل كبير من وقت وتكلفة الاستدلال مع الحفاظ على دقة الكشف.
تقترح هذه الورقة إطار عمل مستقر لتحرير الصور يجمع بين حلول "رونج-كوتا" شبه العكسية وتنعيم الحقل المتجه للتغلب على عدم الاستقرار وتدهور الجودة في طرق المعادلات التفاضلية العادية العكسية تماماً، محققةً توازناً أفضل بين الحفاظ على الخلفية والالتزام بالوصف النصي.
تقدم الورقة البحثية نظام CADS، وهو نظام تكيفي قائم على التنبؤ المطابق يقوم بتوجيه الصور ديناميكياً عبر سلسلة من النماذج تتراوح من خفيفة الوزن إلى عالية السعة، مما يحقق تخفيضات كبيرة في التكلفة وتحسيناً في الكفاءة مع الحفاظ على دقة تشخيصية عالية.
تقدم هذه الورقة البحثية Contrastive-SDXL، وهو إطار عمل لتعزيز الصور من النهار إلى الليل يستفيد من SDXL-Turbo وLoRA مع خسائر تباين دلالية لتوليد صور ليلية واقعية تحافظ على التوصيفات، مما يحسن بشكل كبير أداء كشف المشاة مقارنة بالتدريب المقتصر على الصور النهارية فقط.
تُظهر هذه الورقة أن إبداع نماذج الانتشار ينبع من التفاعل المحدد بين بنية مزيل الضجيج والتوزيع المستهدف، مما يثبت أن كلاً من التحليل النظري والنتائج التجريبية يؤكدان أن التوليد الناجح يتطلب توافقاً قوياً بين الانحياز الاستقرائي للنموذج وتوزيع البيانات الحقيقي.
تقدم الورقة البحثية CAVE، وهي طريقة مكافأة عملية مهيكلة تستفيد من GRPO وTRACER-Bench لتعزيز قدرة النماذج اللغوية البصرية على دمج الأدلة البصرية المجزأة وغير الموضعية من خلال تخصيص الائتمان لخطوات الاستدلال الوسيطة، مما يحسن الأداء بشكل كبير في مهام الاستدلال البصري المعقدة.