12113 ورقة بحثية
تقدم الورقة البحثية HEED، وهي طريقة تقطير خالية من التدريب تستخدم محاذاة البواقي الموزونة بالكثافة لإعطاء الأولوية لقطع الصور ذات المعلومات العالية، مما يعالج الانخفاض الكبير في الأداء في مهام التعرف الضوئي على الحروف (OCR) والمهام المستندية الملحوظ عند تقطير النماذج الرؤية-اللغوية الكبيرة إلى بنيات هجينة فعالة، مع تحقيق دقة تضاهي دقة النموذج المعلم مع مكاسب كبيرة في الذاكرة والإنتاجية.
تقدم هذه الورقة نظاماً يراعي الخصوصية يقوم بتحويل لقطات كاميرات الجسم إلى جداول زمنية مرئية من خلال تصنيف نوافذ مدتها 10 ثوانٍ للسياق العملياتي وكثافة الحركة، مما يسرع مراجعة الحوادث ويعزز سير عمل تدريب الضباط.
تقدم هذه الورقة مسحاً منهجياً لبنيات التعلم العميق لتصنيف وتقسيم السحب النقطية ثلاثية الأبعاد، تغطي خصائص البيانات، والتصنيف المنهجي، وتقييمات المعايير المرجعية، واتجاهات البحث المستقبلية.
يُعد CAM-VFD إطار عمل مبتكرًا متعدد الوسائط يعتمد على الانتباه المتقاطع، حيث يقوم بالكشف عن فيديوهات التزييف العميق من خلال نمذجة التناقضات بين الوسائط عبر سمات المظهر والحركة والعمق، محققًا بذلك دقة فائقة ومتانة ضد مختلف الاضطرابات في مجموعات البيانات المرجعية.
تقدم هذه الورقة CoLLiS، وهو إطار عمل للتعلم التعاوني يتدرب فيه عدة تمثيلات لبيانات ليدار (LiDAR) في آن واحد كطلاب متساوين لتخفيف حدة الانحياز التأكيدي وانتشار الخطأ في التجزئة الدلالية شبه المشرفة، محققاً بذلك أداءً هو الأفضل في فئته، لا سيما في أنظمة البيانات ذات الملصقات المحدودة.
تقدم هذه الورقة البحثية طريقة "الكمية المتوافقة مع الواقع المضاد" (CFQ)، وهي طريقة تحافظ على استقرار التراجع القابل للتنفيذ في النماذج ذات البتات المنخفضة من خلال تحسين تخصيص البتات ومعلمات المكمم للحفاظ على صلاحية وتكلفة الواقع المضاد، مما يعالج نمط فشل حرج حيث يؤدي التكميم القياسي إلى تدهور التراجع رغم الحفاظ على الدقة التنبؤية.
تستقصي هذه الورقة تجريبيًا الأهداف المساعدة في تدريب نموذج Video-JEPA صغير النطاق، كاشفةً عن مقايضات سعة متأصلة عبر مختلف المهام اللاحقة، ومثبتةً أن طريقة FWM-HW-LD المقترحة، التي تُجزئ التمثيلات الكامنة إلى فضاءات فرعية للمظهر والديناميكيات مع وزن منطقة صلب، تُحسن بشكل كبير الأداء في معايير الاستدلال الزمني والمظهر مع الحفاظ على قدرات الحركة دقيقة التفاصيل.
تقدم هذه الورقة البحثية iMiGUE-3K، وهي أكبر مجموعة بيانات فيديو واسعة النطاق في البيئات الواقعية وتضم 3.4 ألف مقطع للاعبي تنس محترفين تتميز بـ 32 فئة من الإيماءات الدقيقة، وتقترح نموذج التأسيس MG-FMs للنهوض بفهم العواطف القائم على الإيماءات الدقيقة من خلال مهام تقييم شاملة.
يقدم OPTNet وحدة فرز نقاط (Point Sorter) قابلة للتعلم تعمل على تحسين ترتيب النقاط ديناميكيًا عبر التعلم ذاتي الإشراف لتعزيز المحلية في آليات الانتباه، مما يحقق كفاءة ودقة فائقتين في التجزئة الدلالية ثلاثية الأبعاد لما بعد الكوارث مقارنة بطرق التسلسل الثابتة الحالية.
تقدم الورقة البحثية LiteFrame، وهو مشفر فيديو فعال تم تدريبه عبر تقنية "تقطير الرموز المضغوطة" (Compressed Token Distillation) لتجاوز المعالجة المكلفة لكل إطار، مما يمكّن نماذج الفيديو اللغوية الكبيرة (Video LLMs) من التعامل مع عدد أكبر بكثير من الإطارات مع تقليل زمن الاستجابة وتحسين دقة الفهم.