12159 ورقة بحثية
تقدم الورقة البحثية RoiMAM، وهو نموذج رؤية-لغة فعال ولا يتطلب تدريباً، يستفيد من توليد منطقة الاهتمام والكبح الدلالي الانتقائي لتحقيق دقة فائقة في مهام MedVQA على معايير SLAKE وPMC-VQA مع تقليل حجم النموذج بنسبة تزيد عن 80% مقارنة بـ MedVInT-TD.
تقدم الورقة البحثية MI-CXR، وهو معيار جديد مصمم لتقييم قدرات الاستدلال الطولي لنماذج الرؤية واللغة عبر تسلسلات صور الأشعة السينية للصدر متعددة الزيارات، مما يكشف أن النماذج الحالية المتطورة تعاني من ضعف في الاتساق الزمني وتلخيص المسار العالمي رغم تحقيقها دقة متواضلة فقط فوق مستوى التخمين العشوائي.
تقترح هذه الورقة البحثية إطار عمل TVRN، وهو شبكة عصبية عكسية شاملة (end-to-end) تجمع بين تحويل موجي زمني متعدد المدخلات والمخرجات مع شبكة بديلة للترميزات ذات الفقد لتحقيق إعادة تحجيم زمني للفيديو متوافق مع الضغط وقوي مع جودة إعادة بناء فائقة باستخدام استراتيجية التعلم من أجل الترتيب.
تقترح هذه الورقة طريقة أخذ عينات أسلاف متعددة المشاهد مشروطة (cMAS) تستفيد من نماذج الانتشار الحركي ثنائية الأبعاد لتقدير وضعيات الجسم البشرية ثلاثية الأبعاد من مشاهد أحادية، محققةً أداءً فائقاً عبر النطاقات المختلفة في الوضعيات القصوى مقارنة بالأساليب الحالية الرائدة.
تقدم الورقة البحثية OmniManim، وهو إطار عمل مدرك للتغذية الراجعة لعملية الرندرة (render-feedback-aware) يستفيد من وكيل رؤية (Vision Agent) ذي تخطيط بصري صريح وتحسين مدرك للاستكمال (interpolation-aware optimization) لإنتاج رسوم متحركة تعليمية عالية الجودة ودقيقة مكانياً عبر معالجة العيوب البصرية التي لا يمكن اكتشافها إلا بعد تنفيذ الكود.
تقدم هذه الورقة إطار عمل مفكك يتكون من مشفر صور مسبق التدريب وثابت ونموذج إزالة ضجيج كامن كروي منفصل يلغي الانتقالات غير الفعالة في فضاء البكسل وتضارب الأهداف، مما يحقق جودة توليد وسرعة استدلال فائقتين مقارنة بـ Sphere Encoder وغيره من النماذج المرجعية ذات الخطوات القليلة.
تقدم هذه الورقة CM-EVS، وهي مجموعة بيانات بانورامية متفرقة من نوع RGB-D-pose مشتقة من أصول ثلاثية الأبعاد متنوعة باستخدام خوارزمية COVER الخالية من التدريب، والتي تعمل بكفاءة على تنسيق وجهات نظر متسقة هندسيًا لضمان تغطية كاملة للمشهد مع حد أدنى من التكرار ومصدر قابل للتدقيق للتعلم البصري ثلاثي الأبعاد.
تقدم هذه الورقة دراسة منهجية تثبت أن نماذج التنبؤ بالفيديو الكامنة، مثل V-JEPA 2.1، تتفوق على النماذج التقليدية القائمة على إعادة البناء والنماذج الخاضعة للإشراف عبر خمسة محاور للمتانة، مما يثبت أنها مرشحات متفوقة لبناء نماذج عالم متينة.
تقترح هذه الورقة البحثية "المشفر التلقائي متعدد الرؤى المعمم" (GMAE)، وهو إطار عمل يستخدم مشفرات تلقائية ثنائية المسار ومميزات تنافسية لتعلم تمثيلات منفصلة، مما يعالج تشابك توزيع الرؤى ويحقق أداءً فائقاً في مهام التجميع متعدد الرؤى، سواء كانت كاملة أو ناقصة، عبر 13 مجموعة بيانات مرجعية.
تقدم هذه الورقة ChronoEarth-492K، وهي أول مجموعة بيانات للتعلم الذاتي فائقة الطيف، واسعة النطاق ومعايرة زمنياً، مستمدة من أرشيف NASA لـ EO-1 Hyperion الممتد لـ 17 عاماً، إلى جانب معيار شامل وبروتوكول تقييم لتعزيز النمذجة المكانية الزمانية طويلة المدى لبيانات مراقبة الأرض.