12075 ورقة بحثية
تقدم الورقة البحثية Q-Guide، وهو وكيل موجه بالأسئلة يعمل على تحسين الإجابة على الأسئلة البصرية متعددة الوسائط من خلال تخصيص حوسبة وقت الاستدلال ديناميكيًا للحصول على أدلة مستهدفة (مثل قراءة النصوص، أو التكبير، أو تحديد المناطق) بدلاً من الاعتماد على ترميز ثابت واحد، مما يتفوق بشكل كبير على الأساليب الحالية في DocVQA2026 وManga109 من خلال الإدراك المتعمد متعدد الجولات.
تقترح هذه الورقة استراتيجية تعلم منهجي قابلة للتوسع وخالية من الملصقات للتدريب المسبق ذاتي الإشراف في الاستشعار عن بعد، تقوم بترتيب العينات بناءً على العزلة الجغرافية، مما يحقق أداءً فائقاً في المهام اللاحقة بتكاليف حوسبة وميزانيات تدريب أقل بكثير مقارنة بالنهج القائم على التعقيد البصري.
تقدم الورقة البحثية AsymFeX، وهو إطار عمل ثلاثي الأبعاد للتقسيم ثلاثي المراحل يعتمد على التماثل، يقوم بتصحيح ميل الرأس ويستفيد من مقارنة الميزات عبر نصفي الكرة المخية لتحقيق دقة هي الأفضل في حالتها في اكتشاف آفات السكتة الدماغية الإقفارية الحادة عبر مختلف أنماط التصوير ومراحل السكتة الدماغية.
تقترح هذه الورقة إطار عمل جديد للنقل الأمثل المقترن يدمج حقول التشوه الموجهة بالمعالم مع خطط النقل المدفوعة بالتكلفة من خلال قيد الاتساق المتبادل، مما يتيح استعادة التحويلات ذات المعنى الهندسي من التوصيفات الشحيحة مع إثبات الصلاحية النظرية وتوفير خوارزمية عددية متقاربة لمطابقة الأشكال.
تقترح الورقة البحثية إطار عمل MOSAIC، وهو إطار تعلم اتحادي مبتكر يحقق دقة عالية في تقسيم الأورام باستخدام تسميات على مستوى الصورة فقط من خلال معالجة نقص الأنماط الخاص بكل عميل عبر المحاذاة الطيفية غير المرتبطة بنمط معين وشبكة تحسين مخصصة، مما يتغلب على عدم تجانس البيانات وقيود الخصوصية في الإعدادات السريرية.
تقترح هذه الورقة وتقيم إطار عمل مزدوج لحراسة البوابة لإنشاء الفيديو بالذكاء الاصطناعي يجمع بين تنقيح السيناريو بقيادة المعلمين والتحقق الآلي القائم على المقاييس لضمان الدقة التربوية، مما يثبت أن المقاومة المبدئية لمخرجات الذكاء الاصطناعي تعزز الجودة التعليمية.
تُعد AutoLumNet إطار عمل متطور لتصحيح التعرض بلقطة واحدة، يضمن الرتابة الهيكلية ومحاذاة النقل الأمثل من خلال منحنى تدرج رتيب عالمياً مع معالجة العيوب المحلية عبر وحدة فك تشفير متبقية مقيدة، محققةً أداءً فائقاً وقدرة عالية على التعميم عبر أنظمة التعرض المتنوعة.
تقترح الورقة البحثية إطار عمل DIFFCZSL، الذي يعزز التعلم الصفري المكوناتي من خلال دمج تمثيلات الانتشار الوسيطة في مسارات العمل القائمة على نموذج CLIP لتوفير إشراف مساعد ودلالات غنية مدركة للمكونات دون زيادة تكاليف الاستدلال.
تقدم الورقة البحثية UPAL، وهي بنية موحدة وخفيفة الوزن تستخرج بشكل مشترك النقاط المفتاحية، والقطع الخطية، والواصفات لتحقيق أداء رائد مع تقليل التكلفة الحسابية بشكل كبير مقارنة بمسارات النقاط والخطوط المنفصلة الموجودة حالياً.
تقدم الورقة البحثية إطار عمل PVRA، وهو إطار تعلم معياري يعتمد على النقاط المفتاحية ثلاثية الأبعاد، والذي يطور التجميع الروبوتي عبر الانتقال من الإدراك المتمحور حول الكائن إلى تعلم تبعات التجميع، مما يمكّن من التنبؤ بالمخرجات القابلة للتنفيذ من مدخلات RGB-D لمهام التجميع التدريجية.