12202 ورقة بحثية
تقدم هذه الورقة البحثية UMo، وهي بنية نمذجة حركة موحدة ومتباعدة تستفيد من إطار عمل "خليط الخبراء" المتباعد مكانياً وتصميم متمحور حول الإطارات الرئيسية ومتباعد زمنياً، لتحقيق رسوم متحركة لصور رمزية (أفاتار) متزامنة مع الكلام عالية الدقة وفي الوقت الفعلي مع محاذاة دقيقة بين الصوت والحركة.
تقدم الورقة البحثية Video2GUI، وهو إطار عمل مؤتمت يقوم بتخليق مجموعة بيانات ضخمة تضم 12 مليون مسار تفاعل مع واجهات المستخدم الرسومية (GUI) من فيديوهات إنترنت غير مصنفة للتغلب على ندرة البيانات وتعزيز أداء تعميم وكلاء واجهات المستخدم الرسومية متعددي الوسائط بشكل كبير.
تقدم هذه الورقة BioHuman، وهو نموذج متكامل (end-to-end) تم تدريبه على مجموعة بيانات BioHuman10M المنشأة حديثاً لاستنتاج تنشيطات العضلات الداخلية وحركة الإنسان مباشرة من فيديو أحادي العدسة، مما يسد الفجوة بين الملاحظات البصرية والحالات الميكانيكية الحيوية لتطبيقات في إعادة التأهيل وتقييم الإصابات.
تكشف هذه الورقة أن معايير استرجاع الصور المركبة الحالية تبالغ في تقدير قدرات التركيب متعدد الوسائط لأن جزءاً كبيراً من الاستعلامات يمكن حله عبر طرق مختصرة أحادية الوسائط أو أنها صيغت بشكل سيئ، مما يستلزم وجود مجموعة فرعية تم التحقق منها لضمان دمج النماذج فعلياً بين المدخلات الصورية والنصية.
تقدم هذه الورقة تقييماً منهجياً لنماذج "Vision Mamba" للكشف عن الصور المولدة بواسطة الذكاء الاصطناعي، من خلال مقارنة دقتها وكفاءتها وقدرتها على التعميم مقابل كواشف تعتمد على الشبكات العصبية الالتفافية (CNN)، والمحولات البصرية (ViT)، والنماذج اللغوية البصرية (VLM) المرجعية، وذلك لتوضيح إمكاناتها وحدودها في التمييز بين المحتوى البصري الحقيقي والاصطناعي.
تقدم الورقة البحثية SuperADD، وهو مسار لتجزئة الشذوذ غير مرتبط بفئة ولا يتطلب تدريباً، يستفيد من نموذج DINOv3 الأساسي وتقنيات المعالجة المسبقة القوية لتحقيق أداء رائد في مجموعة بيانات MVTec AD 2 تحت تحولات التوزيع الصعبة دون الحاجة إلى ضبط المعلمات الفائقة لكل فئة.
تقترح هذه الورقة طريقة للتحكم في الكاميرا خالية من التدريب لنماذج الانتشار بالفيديو، تعيد صياغة حركة الكاميرا كإرشاد هندسي عبر حقول الإزاحة وإعادة أخذ العينات القابلة للتفاضل، مما يتيح تحكماً فعالاً مع العمل كأداة استقصاء لتحليل ومعايرة القدرات والانحيازات الجوهرية ثلاثية الأبعاد/رباعية الأبعاد للنماذج الأساسية.
تحدد هذه الورقة البحثية "عجز السرعة" في مطابقة التدفق كسبب لتأخر التكامل في الفضاءات عالية الأبعاد، وتقترح مصحح جدول المقياس (SSC) الخالي من التدريب ومطابقة تدفق المقدار الواعي (MAFM) القائم على التدريب لحقن الطاقة الأولية، مما يحسن جودة التوليد وكفاءته بشكل كبير عبر معايير ImageNet وMS-COCO.
يعالج HDRFace تحدي استعادة الوجه في ظل التدهورات المعقدة عن طريق حقن تمثيلات غنية دلاليًا وعالية الأبعاد من كل من المدخلات منخفضة الجودة وعمليات الاستعادة الوسيطة في نماذج الانتشار عبر آلية دمج تكيفية جديدة واعية بالبنية والتفاصيل، مما يعزز استعادة الهوية ودقة التفاصيل دون تغيير الهيكل التوليدي الأساسي.
تقدم هذه الورقة أول معيار وإطار تقييم لتحرير الصور التجريدي، كاشفةً أن النماذج الحالية تعاني في الموازنة بين القصد والحفاظ على التفاصيل، وموضحةً أن مشفرات النماذج اللغوية الكبيرة المتقدمة والتفكير التكراري ضروريان لسد الفجوة بين التواصل التجريدي البشري والتنفيذ الآلي.