12113 ورقة بحثية
تقدم هذه الورقة نهجًا مطورًا لشبكة FamNet مع مكون فقدان إضافي لعد أجزاء غسالات الملابس، والذي يتفوق على النماذج المرجعية التقليدية لمعالجة الصور، وتجزئة المثيلات، وتقدير خريطة الكثافة، من خلال تحقيق متوسط خطأ مطلق قدره 1.96.
تقترح هذه الورقة البحثية "الترميز البصري المتفكك" (DiVT)، وهي طريقة مبتكرة تعمل على تجميع تضمينات رقع الصور في وحدات دلالية متماسكة وتعديل ميزانيات الرموز ديناميكيًا بناءً على تعقيد الصورة، مما يمكن النماذج اللغوية الكبيرة متعددة الوسائط من معالجة المدخلات البصرية بكفاءة أكبر وتوافق أعلى مع تقليل تكاليف الذاكرة وزمن الاستجابة بشكل كبير.
تقدم هذه الورقة نظاماً لتتبع نظرات العين في الوقت الفعلي وبزمن انتقال فائق الانخفاض، يتجاوز معالجة الصور التقليدية باستخدام مشفر بصري سلبي مزود بمصفوفة عدسات مجهرية وقناع ثنائي لالتقاط الميزات الكامنة ذات الصلة بالمهمة بشكل مباشر، محققاً زمن انتقال قدره 3.4 مللي ثانية من البداية إلى النهاية وكفاءة طاقة محسنة مقارنة بالنهج التقليدي القائم على الكاميرا.
تقترح هذه الورقة البحثية طريقة MARR، وهي طريقة إعادة بناء المتبقي المتكيفة مع الوحدات (module-adaptive residual reconstruction) للكمية بعد التدريب منخفضة البت، والتي تستخدم استراتيجية قائمة على نظام التحكم التناسبي التكاملي التفاضلي (PID) لتعيين معاملات قياس خاصة بكل وحدة ديناميكيًا، مما يوازن بفعالية بين تصحيح الخطأ المتراكم وانحياز تقريب هسيان (Hessian-approximation bias) لتحسين الأداء بشكل كبير في النماذج اللغوية الكبيرة (LLMs) ونماذج المحولات الرؤيوية (ViTs).
تقدم هذه الورقة البحثية "الوظيفية الكائنية" (object functionalization)، وهي مهمة مبتكرة تحول النماذج ثلاثية الأبعاد غير الوظيفية إلى نماذج قابلة للتشغيل فيزيائياً باستخدام "مُوظِّف رسومي عصبي" (neural Graph Functionalizer) لإكمال الرسوم البيانية الهيكلية وتصحيح أخطاء الحركة، وقد تم التحقق من صحتها على مجموعة بيانات أثاث جديدة ومقارنتها بأحدث الأساليب المتبعة.
تُعد SoftG مساراً جوهرياً موحداً يتعلم سمات دلالية-هندسية مدمجة عبر إشارات ناعمة موجهة بالنماذج لتحقيق تطابق في الأشكال ثلاثية الأبعاد الكثيفة في الوقت الفعلي تقريباً وبأداء رائد، مع تعميم قوي عبر مختلف الوضعيات والهياكل والطبولوجيا دون الحاجة إلى محاذاة مسبقة أو تحسين.
يُعد OmniSelect إطار عمل لتقليم الرموز (token pruning) يتكيف مع الأنماط المختلفة ولا يتطلب تدريباً، حيث يقوم ديناميكياً باختيار وتطبيق استراتيجيات ضغط بناءً على الصلة بين الأنماط المتعددة لتقليل تسلسلات الرموز متعددة الوسائط بكفاءة في نماذج OmniLLMs مع الحفاظ على الأداء.
تُقدم هذه الأطروحة تقدماً في مجال إنشاء المحتوى ثلاثي الأبعاد آلياً من خلال تقديم Instant3D، وهو نظام توليد سريع للأصول عالية الجودة، وFastMap، وهو مسار هيكلي من الحركة عالي التسريع يحسن سرعة إعادة البناء بشكل كبير مع الحفاظ على الدقة.
تقدم الورقة البحثية MixCount، وهي مجموعة بيانات ومعيار واسع النطاق لعد الكائنات المختلطة يتم إنشاؤها عبر مسار تلقائي يقوم بتخليق صور متنوعة مع تعليقات توضيحية دقيقة على مستوى البكسل، مما يثبت أن التدريب على هذه البيانات الاصطناعية يحسن بشكل كبير أداء النماذج الرائدة في مهام العد في العالم الحقيقي من خلال معالجة قيود مجموعات البيانات الحالية التي تعاني من الضجيج أو الندرة.
تقدم هذه الورقة البحثية BanglaMedVQA، وهي أول مجموعة بيانات ومعيار معتمد سريريًا للإجابة على الأسئلة البصرية الطبية باللغة البنغالية، والتي كشفت أن النماذج التأسيسية الرائدة حاليًا، بما في ذلك Gemini وGPT-4.1 mini، تؤدي بشكل ضعيف للغاية في المهام التشخيصية المتخصصة بسبب التحديات المتأصلة في اللغات ذات الموارد المنخفضة والاستدلال الطبي المعقد.