12113 ورقة بحثية
تقدم هذه الورقة Skyra، وهو نموذج لغوي كبير متعدد الوسائط متخصص يكتشف ويفسر مقاطع الفيديو المُنشأة بواسطة الذكاء الاصطناعي من خلال تحديد الآثار البصرية التي يمكن للإنسان إدراكها، مدعوماً بمجموعة بيانات ViF-CoT-4K الجديدة، واستراتيجية تدريب ثنائية المرحلة، وتقييم ViF-Bench الشامل.
تقدم هذه الورقة البحثية OmniVL-Guard، وهو إطار عمل موحد للرؤية واللغة يستخدم توليد سلسلة أفكار (CoT) ذاتي التطور وسياسة تحسين قياس المكافأة التكيفية للتغلب على انحياز الصعوبة وتحقيق كشف وتحديد دقيق وقوي للتزييف عبر مختلف أشكال التضليل متعدد الوسائط.
تقدم هذه الورقة Chain-of-Glimpse، وهو إطار عمل موجه بالبحث يعزز فهم الفيديو من خلال ربط الاستدلال متعدد الخطوات بمناطق كائنات بصرية محددة بشكل تكراري عبر التعلم التعزيزي، مما يحسن الدقة، والقابلية للتفسير، والقدرة على التعميم عبر معايير قياسية متنوعة.
تقترح هذه الورقة إطار عمل قائمًا على الرؤية للتعاون بين الإنسان والروبوت يضمن السلامة القابلة للتحقق من خلال دمج تقدير عدم اليقين العشوائي وكشف البيانات الخارجة عن التوزيع لتوليد مجموعات تنبؤ متوافقة لحركة الإنسان مع ثقة احتمالية مضمونة.
تقدم هذه الورقة إطاراً للتعلم العميق الاحتمالي يعامل تأريخ المخطوطات التاريخية كمسألة انحدار مستمر، محققاً دقة هي الأفضل في فئتها ومعايرة فائقة لعدم اليقين على معيار DIVA-HisDB من خلال إخراج توزيعات تنبؤية كاملة مع تفكيك عدم اليقين العشوائي والنموذجي في تمريرة أمامية واحدة.
تقدم هذه الورقة نموذج Mask-Morph Graph U-Net (MMGUNet)، وهو نموذج بديل مبتكر يعزز القدرة على التعميم وكفاءة البيانات للتنبؤ بمجالات ملاءمة التصادم القائمة على الشبكات (mesh) تحت التغيرات الهندسية الكبيرة، وذلك عن طريق تحويل هرميات الرسوم البيانية الخشنة (coarsened graph hierarchies) إلى الشبكات المدخلة واستخدام التدريب المسبق الخاضع للإشراف المقنع مع الضبط الدقيق كفء المعلمات.
يُعد ReactiveGWM نموذجاً مبتكراً لعالم الألعاب يعمل على فصل عناصر تحكم اللاعب عن سلوكيات الشخصيات غير القابلة للعب لتخليق عمليات محاكاة ديناميكية وتفاعلية، مما يتيح نقل الاستراتيجيات بنمط "الصفر من التدريب" (zero-shot) واستجابات قابلة للتوجيه للشخصيات غير القابلة للعب عبر ألعاب مختلفة دون الحاجة لإعادة تدريب خاص بكل مجال.
تقدم الورقة البحثية نموذج RTM، وهو نموذج توليدي يستبدل التعيين الكامن أحادي المرور بالصقل المتكرر لإعطاء الأولوية صراحةً لتغطية النمط، مما يحقق دقة واستدعاءً متفوقين إلى جانب درجات FID تنافسية عبر مجموعات بيانات متعددة.
يعد FFAvatar إطار عمل عاماً وتغذوياً يعيد بناء صور رمزية ثلاثية الأبعاد للرأس بجودة عالية وقابلة للتحريك من صور قليلة غير محددة الوضعية في ثوانٍ معدودة، وذلك عبر دمج بيانات متعددة المشاهد في تمثيل موحد والتنبؤ بمعلمات نموذج FLAME بشكل متكامل من البداية إلى النهاية، محققاً أداءً رائداً في مجاله ونشراً برمجياً في الوقت الفعلي من خلال منهج تدريبي مبتكر يتكون من ثلاث مراحل.
يُعد COPRA إطار عمل مبتكرًا يسخر التعلم المعزز لتوليد تحديثات للمعلمات الخاصة بالمدخلات للنماذج الرؤيوية اللغوية المجمدة، مما يحل بفعالية عدم التطابق بين التدريب والاستدلال ويحقق أداءً رائدًا في كشف الشذوذ في الفيديو ومهام فهم الفيديو الأخرى.