12067 ورقة بحثية
تقدم هذه الورقة مجموعة بيانات جديدة للتصوير المقطعي للاتساق البصري (OCT) للقوقعات الليفية في خنازير غينيا، وتثبت أن بنية UNET المعدلة (2-D-OCT-UNET) يمكنها قياس التليف داخل القوقعة بفعالية باستخدام الرؤية الحاسوبية، مما يوفر أداة موثوقة لتقييم نتائج زراعة القوقعة.
تقترح الورقة البحثية "التحفيز البصري المشكل بالطاقة" (ES-VP)، وهو أسلوب فعال من حيث عدد المعلمات يستفيد من التهيئة منخفضة الرتبة والتكيف الديناميكي الموجه بالطاقة لتوليد محفزات خاصة بالصور مباشرة من النماذج سابقة التدريب، محققاً أداءً فائقاً وقدرة على التعميم عبر بنيات ومجموعات بيانات متنوعة مع تقليل استخدام المعلمات بشكل كبير مقارنة بالأساليب الحالية المتطورة.
تُثبت هذه الورقة البحثية أنه في عملية كشف الشذوذ في الفيديو الخالية من التدريب باستخدام نماذج الرؤية واللغة، فإن استخدام مخرجات قائمة على الاحتمالات تستفيد من توزيع الإجابة الكامل يتفوق بشكل كبير على نهج الإجابة المولدة القياسي عبر تجنب "ضغط الترتيب"، حيث تندمج توزيعات المقاطع المتميزة في درجات متطابقة، مما يحافظ على الترتيب الدقيق اللازم للتقييم الدقيق.
تُثبت هذه الورقة أنه بالنسبة للكشف عن الأعشاب الضارة في الحقول الزراعية عبر المجالات المختلفة، فإن الضبط الدقيق لتعلم القليل من الأمثلة باستخدام 25 مثالاً مستهدفاً مُصنفاً فقط يتفوق على التكيف مع النطاق غير الخاضع للإشراف، مما يشير إلى أن الاختيار الاستراتيجي للمصدر مقترناً بإشراف متواضع هو أكثر فعالية من خوارزميات التكيف المعقدة.
تقدم هذه الورقة WildFin، وهي مجموعة بيانات ضخمة وموسومة من قبل خبراء لسلوك الأسماك في بيئتها الطبيعية تشمل نماذج تسجيل ثابتة وديناميكية، والتي تعمل كمعيار للكشف عن فجوات أداء كبيرة في نماذج الرؤية الحاسوبية الحالية فيما يتعلق بالتحليل الإيكولوجي المعقد تحت الماء.
تقدم هذه الورقة البحثية "مطابقة التدفق المعايرة بالصعوبة" (Difficulty-Calibrated Flow Matching)، وهي طريقة تعمل على ضبط جدول الاستيفاء ديناميكيًا في "مطابقة التدفق الشرطية" (Conditional Flow Matching) بناءً على ملف الصعوبة المتعلم للنموذج لتحسين التقارب وجودة العينات، لا سيما في الأنظمة ذات الحوسبة المحدودة.
تقدم هذه الورقة البحثية ReCap، وهو إطار عمل للتعلم التعزيزي الموجه بالاسترجاع يستفيد من الاسترجاع متعدد الوسائط لتحسين الأوصاف النصية للصور من خلال تحديد الهلوسات والسهو، وبذلك يتفوق على كل من الضبط الدقيق الخاضع للإشراف وطرق التعلم التعزيزي الحالية مثل GRPO دون الحاجة إلى تعليقات توضيحية إضافية.
تقدم الورقة البحثية ReynoldsFlow، وهي طريقة تمثيل فيديو خفيفة الوزن ومعيارية تستفيد من المبادئ المستوحاة من الفيزياء لتفكيك الحركة إلى مكونات خالية من الدوران (curl-free) وخالية من التباعد (divergence-free)، مما يعزز الأداء والقدرة على التعميم في المهام اللاحقة مثل التعرف على الأفعال وكشف الأشياء مع تقليل التكاليف الحسابية.
تقترح الورقة البحثية CLOT، وهو إطار عمل جديد لتقسيم الأفعال غير الخاضع للإشراف، والذي يعزز قصور طرق النقل الأمثل السابقة من خلال توظيف آلية تعلم ميزات حلقية متعددة المستويات لتعزيز تمثيلات الإطارات والقطع بشكل مشترك عبر الانتباه المتقاطع ومشكلات النقل الأمثل التكرارية.
تُعد MambaX-Net بنية هندسية مبتكرة للتجزئة ثلاثية الأبعاد تعتمد على التعلم شبه المشرف والمدخلات المزدوجة، حيث تستفيد من وحدة انتباه تقاطعي معززة بـ Mamba ومستخرج للشكل لتجزئة مناطق البروستاتا بفعالية في صور الرنين المغناطيسي للمراقبة النشطة الطولية عبر استخدام بيانات النقطة الزمنية السابقة والملصقات الزائفة، متفوقةً بذلك على النماذج الحالية في السيناريوهات ذات التوصيفات الخبيرة المحدودة.