12113 ورقة بحثية
تقدم هذه الورقة LESSViT، وهي بنية "ترانسفورمر رؤية" (Vision Transformer) مرنة تجاه المستشعرات، توظف انتباهً مكانيًا-طيفيًا منخفض الرتبة ومشفرًا تلقائيًا مقنعًا متخصصًا لتحقيق تعلم تمثيلي فائق الأطياف يتسم بالقوة والكفاءة والقدرة على التعميم عبر تكوينات طيفية متباينة.
تُعد StableHand إطار عمل لمطابقة التدفق مدركاً للجودة، يعمل على تحسين تقدير حركة اليد المزدوجة في الفضاء العالمي من خلال الفيديو من منظور الشخص الأول عبر التكيف ديناميكياً مع موثوقية الملاحظة لكل إطار من خلال إشارة جودة رباعية القنوات، محققاً أداءً هو الأفضل في حالته في التعامل مع حالات الاحتجاب والبيانات المفقودة.
تقدم الورقة البحثية "التجويع من أجل الإدراك" (Starve to Perceive)، وهو نموذج تدريبي يقضي على "الإدراك الكسول" في النماذج الرؤية-اللغوية عبر تقييد عرض النطاق البصري لفرض عملية البحث البصري النشط ومتعدد الخطوات الضروري لإتمام المهام، مما يحقق مكاسب كبيرة في الأداء دون الحاجة إلى تغييرات هيكلية أو خسائر مساعدة.
تقدم هذه الورقة ManiSoft، وهو معيار ومحاكي جديد مصمم لمعالجة تحديات التلاعب بالرؤية واللغة في الروبوتات المستمرة اللينة من خلال توفير مسار قابل للتوسع لتوليد مهام ومسارات متنوعة، مع الكشف عن القيود الحالية في تقدير الاستقبال الحسي وتجنب العوائق التكيفي.
تقدم هذه الورقة البحثية "Articulation in Prime"، وهو إطار عمل للتحسين غير مرتبط بفئة معينة يستعيد الحركية ثلاثية الأبعاد للأجسام المفصلية من فيديو عارض واحد عن طريق ملاءمة الأشكال الهندسية الأولية المقيدة بمفاصل دورانية وانزلاقية، مما يتغلب بفعالية على تحديات مثل حالات الاحتجاب الشديد وحركة الكاميرا السريعة حيث تفشل الأساليب الحالية.
تقدم هذه الورقة البحثية الضبط التوليدي الدلالي (SGT)، وهو نموذج جديد لمرحلة ما بعد التدريب يستفيد من تجزئة الصور كوسيط توليدي لسد الفجوة بين الفهم البصري والتوليد في النماذج متعددة الوسائط الموحدة، مما يعزز بشكل كبير كلاً من الإدراك الاستيعابي والدقة التوليدية.
يقدم SafeDiffusion-R1 إطار عمل للتعلم المعزز عبر الإنترنت باستخدام تحسين السياسة النسبي للمجموعات (GRPO) وآلية مكافأة توجيهية مبتكرة قائمة على نموذج CLIP لمواءمة نماذج الانتشار بفعالية مع قيود السلامة وتحسين جودة التوليد دون الحاجة إلى بيانات خاضعة للإشراف باهظة التكلفة أو المعاناة من النسيان الكارثي.
تقدم الورقة البحثية EgoExpMem، وهو أول معيار للاستدلال الذاكراتي عبر الرؤى باستخدام فيديوهات متزامنة من منظور الشخص الأول (egocentric) ومن منظور الشخص الثالث (exocentric)، إلى جانب طريقة E-Select الخالية من التدريب التي تستفيد من الإشارات المزدوجة المتكاملة لتحقيق أداء رائد في هذه المهمة الصعبة التي تعاني فيها النماذج الحالية.
يُعد PIXLRelight مُصيّرًا عصبيًا سريعًا يعمل بنظام التغذية الأمامية، ويحقق إعادة إضاءة للصور الفردية ذات تحكم فيزيائي وبأداء رائد من خلال الربط بين التصيير القائم على الفيزياء والتوليد المُتعلم عبر شروط جوهرية مشتركة مستمدة من الألبيدو، والتظليل المنتشر، والمتبقيات.
تُعد Vision-OPD إطار عمل للتقطير الذاتي يعمل على تعزيز الفهم البصري دقيق التفاصيل في النماذج اللغوية الكبيرة متعددة الوسائط من خلال تدريب سياسة الصورة الكاملة على محاكاة الأداء المتفوق لمعلم مشروط بالقصاصات (crop-conditioned) على مخرجاته الخاصة، مما يُمكّن النموذج من استيعال فوائد التركيز على الأدلة ذات الصلة دون إشراف خارجي أو أدوات.