12113 ورقة بحثية
يُعد WonTok مُجزئاً بصرياً هجيناً يفصل بين الفهم والتوليد عبر الجمع بين الرموز الدلالية القابلة للتعلم، والمستخلصة من نماذج تأسيسية مدربة مسبقاً، مع رموز البكسل لتحقيق أداء فائق في كلتا المهمتين باستخدام بيانات تدريب أقل بكثير من النهج الموحد الحالي.
يُعد Rad-VLSM إطار عمل ثنائي المراحل ومتعدد الوسائط يستفيد من نموذج BLIP-2 لتحديد موقع الآفات بتوجيه دلالي ومن نموذج SAM للتجميع القوي لضمان تجزئة دقيقة، مما يؤدي في النهاية إلى دمج الميزات البصرية والراديومية لتمكين التشخيص المستند إلى أدلة محددة للآفة بدلاً من التنبؤ المباشر من النص إلى التشخيص.
تتناول هذه الورقة تحدي تحديد المصدر التوليدي للأصول ثلاثية الأبعاد من خلال تقديم أول معيار لنسب المصدر السلبي يغطي 22 نموذجاً، واقتراح محول (Transformer) هرمي متعدد الرؤى ومتعدد الوسائط يحقق دقة عالية عبر دمج البصمات عبر الرؤى، والهندسية، والنطاق الترددي.
تقدم هذه الورقة إطار عمل يعتمد على نظام RGB فقط ومستقل عن الأجهزة، يستخدم كاميرات خارجية ثابتة كخرائط أولية مشتركة لتمهيد وتوجيه توليد الرسوم البيانية للمشاهد ثلاثية الأبعاد النشط والتزايدي، مما يحسن بشكل كبير من استدعاء الكائنات الأولي وكفاءة الاستكشاف من خلال دمج المشاهد الخارجية واسعة المجال مع ملاحظات الروبوت على متن المنصة.
تقدم هذه الورقة نهجاً مبتكراً لإنشاء مراسلات قوية من التجزئة إلى التجزئة بين الصور الطبيعية والأشكال ثلاثية الأبعاد غير المزخرفة من خلال سد الفجوة عبر الأنماط المختلفة باستخدام الميزات البصرية المستخلصة وتحديد "أفضل رفاق التجزئة" لربط بكسلات الصورة برؤوس الأشكال المتناظرة دلالياً.
تقدم هذه الورقة إطار عمل بصرياً بالكامل، ومستقلاً عن الأجهزة، للبناء النشط والتزايدي لرسوم المشاهد ثلاثية الأبعاد باستخدام مدخلات RGB فقط، والذي يوحد بين الإدراك والتخطيط لتحقيق أداء مكافئ للعمق والتفوق بشكل كبير على النماذج الهندسية المرجعية في اكتشاف الأشياء من خلال اختيار وجهة النظر المدفوع دلالياً.
إنَّ SIREM هو إطار عمل لإعادة بناء صور الرنين المغناطيسي المعتمد على الكلام، والذي يستفيد من الصوت المتزامن كأولوية عابرة للأنماط للتنبؤ بهياكل المجرى الصوتي ودمجها مع بيانات الفضاء-k ناقصة العينات، مما يتيح تصويراً عالي الإنتاجية وفي الوقت الفعلي مع الحفاظ على التفاصيل التشريحية.
تقدم هذه الورقة MIGA، وهي طريقة جديدة لا تتطلب تدريباً لتوليد فيديوهات متسقة وغير متناهية الطول عبر توظيف آلية محاذاة ثنائية المرحلة لسد الفجوة بين التدريب والاستنتاج، واستراتيجية تعزيز اتساق مزدوجة تجمع بين التأمل الذاتي والتوجيه بعيد المدى لتحسين التماسك الزمني.
يُعد RT-Splatting إطار عمل مبتكر يعزز تقنية "Gaussian Splatting" ثلاثية الأبعاد للمشاهد شبه الشفافة من خلال فصل الإشغال الهندسي عن العتامة البصرية لنمذجة الانعكاسات عالية الدقة والنفاذية الواضحة معًا ضمن تمثيل موحد، مع توظيف آلية "بوابة التدرج المدركة للانعكاس" (Specular-Aware Gradient Gating) للتخفيف من غموض الأمثلة وتمكين التصيير في الوقت الفعلي.
تقدم هذه الورقة RAEv2، وهو إطار عمل مُحسّن للمُشفّر التلقائي للتمثيل (Representation Autoencoder) يستفيد من التمثيلات متعددة الطبقات المعممة، وآليات REPA المتكاملة، والتوجيه المُعاد تمثيله لتحقيق تقارب أسرع بأكثر من 10 أضعاف وجودة توليد صور رائدة في مجال (state-of-the-art) على مجموعة بيانات ImageNet-256 دون الحاجة إلى تدريب ما بعد المعالجة.