12113 ورقة بحثية
تقترح هذه الورقة إطار عمل للتعلم الفائق حيث يتم تحسين نموذج توليدي مجمد (المبتكر) عبر إشارة مكافأة مستمدة من التعلم السريع لمراقب متكيف (المُقيّم)، مما يتيح إنتاج مفاهيم وتنوعات أسلوبية جديدة وغير مألوفة ولكنها قابلة للتعلم بسرعة دون الحاجة إلى تكييف لغوي إضافي.
تقترح الورقة البحثية "الذاكرة الوكيلة البصرية" (VAM)، وهي إطار عمل خالٍ من التدريب يعزز فهم الفيديوهات الطويلة عبر الإنترنت من خلال الفهرسة الانتقائية، والتنظيم الهرمي للذاكرة، والاسترجاع الوكيلي، محققةً أداءً هو الأفضل في فئته على اختبارات معيارية مثل OVO-Bench وMM-Lifelong عبر التعامل مع الذاكرة البصرية كركيزة صريحة، وقابلة للفحص، وقابلة للاستعلام.
تقدم هذه الورقة البحثية SeamCam، وهو مقياس مبتكر يحدد كمية التمويه السلس من خلال صياغته كمسألة تحديد موقع بصري مشروطة بالفئة، وهو ما يحقق توافقًا عاليًا مع الأحكام البشرية ويعمل كإشارة تفضيل فعالة لتدريب نماذج الانتشار لتوليد تمويه واقعي، مدعومًا بمجموعة بيانات CamFG-1.5k الجديدة.
يقدم تحدي TriALS مجموعة بيانات معيارية متعددة المراكز وإطار تقييم لتجزئة آفات الكبد آلياً على الأشعة المقطعية بدون صبغة، مما يكشف أنه بينما تقترب الخوارزميات الرائدة من مستوى الأداء البشري في الفحوصات المعززة بالصبغة، لا تزال هناك تحديات كبيرة في الصور غير المعززة بالصبغة رغم التحسينات المحرزة مقارنة بالنماذج الجاهزة.
تقدم هذه الورقة البحثية ARL2، وهي بنية انتباه هجينة لانتشار الفيديو ذاتي الانحدار تستبدل الانتباه المتقاطع التربيعي بين الإطارات بحالة متكررة ثابتة الحجم لتحقيق توسع زمني خطي واستخدام ثابت للذاكرة مع الحفاظ على الاتساق الزمني وجودة التوليد أو تحسينهما.
تقدم هذه الورقة Controlla، وهو إطار عمل معياري ينمذج القدرة على التحكم كبنية هندسية كامنة منظمة عبر محاذاة عوامل الهوية والسمات المتعلمة مع الأولويات الرسومية (graph priors) عبر النقل الأمثل المقيد بالرسوم البيانية، مما يحسن الحفاظ على الهوية والاتساق عبر الوسائط في التوليد متعدد الوسائط، وهو ما تم التحقق من صحته على معيار جديد يسمى AffectHuman-43K.
يقدم AtlasVid إطار عمل عالمي-محلي منفصل يعمل بكفاءة على توليد فيديوهات طويلة فائقة الدقة من خلال الاستفادة من وسيط دلالي منخفض الدقة لتوجيه فرع تفاصيل عالي الدقة، محققاً بذلك تخليقاً بدقة +4K مع تسريع بمقدار 60.9 ضعفاً وخفض تكاليف التدريب بشكل كبير مقارنة بالنماذج الأصلية عالية الدقة.
تُثبت هذه الورقة أن دمج نماذج تتبع الأجسام المتعددة (MOT) لدمج التنبؤات الزمنية من بيانات الكاميرات الفخية يحسن بشكل كبير من دقة واتساق تصنيف الحياة البرية من خلال التخفيف من عدم استقرار الملصقات والضجيج من إطار إلى آخر.
تقترح هذه الورقة البحثية ID-ControlNet، وهو إطار عمل لترميم الوجوه يحافظ على الهوية ومبني على نماذج الانتشار الكامنة، يستخدم تضمينات الهوية الوجهية واستراتيجية فقد ثلاثي متخصصة لإعادة بناء المناطق المحجوبة مع الحفاظ على دقة عالية للهوية دون الحاجة إلى عملية ضبط دقيق مكلفة.
يعالج GeoWorld-VLM محدودية الاستدلال المكاني في النماذج البصرية اللغوية من خلال استخلاص الإشارات الهندسية ثلاثية الأبعاد من نماذج عالم فيديو مجمدة مشروطة بالكاميرا ونقلها إلى المسار البصري، محققاً تحسينات متسقة في الأداء على معايير الاختبار المكانية مع الحفاظ على القدرات اللغوية للنموذج الأصلي.