12113 ورقة بحثية
تُعد "الفرض المركّز" (Focused Forcing) طريقةً لا تتطلب تدريباً لعمليات الانتشار بالفيديو ذات التوليد الذاتي الفعال، حيث تعمل على تحسين الجودة البصرية وتحقيق تسارع يصل إلى 1.48 ضعفاً من خلال الاختيار الديناميكي لإطارات تاريخية متميزة وتخصيص ميزانيات ذاكرة التخزين المؤقت (KV cache) بناءً على أهمية كل إطار وأهمية كل رأس.
تُعد RAVE آلية خفيفة الوزن ومتوافقة مع التدريب، تعمل على إعادة تخصيص الانتباه البصري في النماذج متعددة الوسائط الضخمة من خلال إدخال انحياز استعلام-مفتاح مُتعلم، مما يحسن الأداء بشكل كبير في المهام كثيفة الإدراك مثل التعرف الضوئي على الحروف (OCR) وفهم المخططات دون الحاجة إلى تغييرات هيكلية.
تقدم هذه الورقة VFMTok، وهو مُجزئ صور عام مبني على نماذج رؤية تأسيسية مجمدة يستفيد من التكميم المتكيف مع المناطق وإعادة البناء الدلالي لتحقيق جودة توليد وكفاءة تبلغ أحدث ما توصل إليه العلم مع إلغاء الحاجة إلى التوجيه الخالي من التصنيف.
تقدم هذه الورقة البحثية "تصدعات في الأساس" (CiF)، وهي مجموعة بيانات للبنية التحتية المدنية واسعة النطاق تضم حوالي 150,000 صورة عالية الدقة، لتوضيح أن نماذج الرؤية التأسيسية الحالية وخوارزميات التجزئة المتخصصة تعاني بشكل كبير في الكشف عن العيوب في العالم الحقيقي، مما يكشف عن قيود جوهرية في تطبيق الذكاء الاصطناعي المدرب على شبكة الإنترنت على البيئة العمرانية.
تقدم هذه الورقة البحثية GAUC، وهي طريقة لاختيار النواة الأساسية (coreset) خالية من التدريب، تستفيد من التباين الأقصى بين المتوسطات (Maximum Mean Discrepancy)، والمعلومات المتبادلة الفعالة، والتباين التنبؤي لتعزيز الدقة، والمعايرة، ومتانة التلقين في نماذج الرؤية واللغة في مجال علم الأمراض النسجي دون الحاجة إلى تحديثات للمعلمات.
تقترح الورقة البحثية TIGER-FG، وهو إطار عمل ضمني للتوجيه الدقيق الموجه بالنصوص يستفيد من نص العنصر لتوليد تمثيلات تركز على الهدف دون الحاجة إلى كشف الكائنات، مما يحسن بشكل كبير أداء استرجاع الصور متعدد الوسائط في التجارة الإلكترونية على معيار مرجعي واقعي تم إنشاؤه حديثاً.
تكشف هذه الورقة أن نماذج الاستدلال البصري الكامنة الحالية تفشل في استخدام الرموز البصرية الوسيطة لأن مجموعات البيانات الحالية لا توفر معلومات كافية لجعلها ضرورية، كما أن التنبؤات أثناء الاستدلال غير دقيقة، مما يشير إلى أن التقدم المستقبلي يتطلب كلاً من مجموعات بيانات أكثر إفادة وتوليدًا أفضل للرموز.
تقترح الورقة البحثية "Code-as-Room"، وهو إطار عمل وكيل يعتمد على النماذج اللغوية الكبيرة متعددة الوسائط (MLLM)، يقوم بتوليد غرف داخلية ثلاثية الأبعاد واقعية من صور علوية عبر تخليق كود "Blender" قابل للتنفيذ من خلال مسار متعدد المراحل ومنظم مع ذاكرة عابرة للمراحل للتغلب على قيود الدقة المكانية والاستقرار التي تعاني منها الطرق الحالية.
تقدم الورقة البحثية PERL، وهو إطار عمل للتكيف خفيف الوزن يعزز أداء نماذج CLIP المجمدة في التعلم من أمثلة قليلة عبر معايم قياسية متنوعة من خلال تحسين التمثيلات الكامنة بشكل تكراري عبر وحدة استدلال مدمجة، محققاً كفاءة فائقة في عدد المعلمات مقارنة بالطرق الحالية.
تقدم هذه الورقة البحثية InstructAV2AV، وهو أول إطار عمل متكامل (end-to-end) للتحرير المشترك للصوت والفيديو الموجه بالتعليمات، والذي يستفيد من مجموعة بيانات ضخمة تم إنشاؤها حديثاً (InsAVE-80K) واستراتيجية تدريب متخصصة مكونة من مرحلتين للتفوق على الأساليب الحالية في إنشاء محتوى مُحرر عالي الجودة ومتزامن.