12078 ورقة بحثية
تقدم الورقة البحثية إطار عمل STEP، وهو إطار عمل خفيف الوزن يعزز الكشف عن الشذوذ في الفيديو القائم على الهيكل العظمي من خلال إسقاط تسلسلات الوضعية في فضاء مُبيّض باستخدام تحليل المكونات الرئيسية (PCA) لضمان حقن ضجيج منطقي فيزيائياً للنوافذ الزمنية الأطول، ودمج التوزين القائم على الثقة للتخفيف من أخطاء تقدير الوضعية، محققاً أداءً هو الأفضل حالياً في معايير UBnormal وShanghaiTech.
تحدد هذه الورقة البحثية "انزياح المتشعب" (manifold drift) كسبب جذري لـ "اختراق المكافأة" (reward hacking) في مطابقة التدفق في الزمن المستمر، حيث تدفع تحديثات التفضيل العينات بعيداً عن متشعب البيانات المدربة مسبقاً، وتقترح ThermoDPO —وهو هدف خاضع للتحكم في درجة الحرارة مع متغير مرجح— لتثبيت عملية التحسين وتحسين الأداء بشكل كبير في اختبارات قياسية مثل SD3.5-M.
تقدم هذه الورقة البحثية حليّين فعالين، هما UP1PfAC وUP2PfORI، يستفيدان من متجهات الجاذبية المستمدة من وحدة القياس بالقصور الذاتي (IMU) والمعلومات الهندسية المحلية من الميزات المتوافقة مع التآلف أو الدوران لتحقيق تقدير سريع ودقيق للوضعية المطلقة والبعد البؤري باستخدام عدد أقل من الارتباطات مقارنة بالطرق التقليدية.
تقدم الورقة البحثية BeyondMasks، وهو معيار مرجعي مزدوج وبروتوكول تقييم CORE المصمم لتقييم إزالة الكائنات من الفيديو عبر قياس الاتساق السببي والفيزيائي — مثل الظلال والانعكاسات — بدلاً من مجرد دقة المنطقة المقنعة محلياً، مما يكشف أن الأساليب الحالية المتطورة تفشل في إزالة التأثيرات الفيزيائية الثانوية رغم المعقولية البصرية العالية.
تقدم هذه الورقة البحثية AdvSpot، وهو أول معيار اختبار للتعرف الضوئي على الحروف (OCR) التنافسي القائم على التمركز، وتقترح ArmorOCR، وهو إطار تدريب ثنائي المراحل يستفيد من التقطير الذاتي المنقول عبر الملاحظة وتحسين السياسة النسبية الجماعية لتعزيز متانة النماذج اللغوية الكبيرة متعددة الوسائط بشكل كبير ضد النصوص المرئية التنافسية مع الحفاظ على الأداء العام للتعرف الضوئي على الحروف.
تقدم هذه الورقة البحثية مهمة ومعيارًا جديدين لتقصي الزمن في الفيديو يُعرفان بـ ID-VTG، واللذان يستفيدان من الصور المرجعية إلى جانب الاستعلامات النصية لحل حالات الغموض بين الأحداث المتشابهة بصريًا، مصحوبين بإطار العمل المقترح VGD-Agg الذي يستخدم بنية ذات فرعين ورموزًا قابلة للتعلم ومتخصصة لتحقيق أداء رائد في هذا المجال.
تقدم هذه الورقة إطار عمل مبتكرًا يستخدم المشفرات التلقائية المتفرقة (Sparse Autoencoders) لتصور تطور الميزات عبر عمق الشبكة ووقت التدريب في نماذج المحولات الرؤية (Vision Transformers)، مما يكشف أن هجرة الميزات تتركز في مراحل مبكرة من التدريب، وتفضل الانتقال نحو الطبقات الأقل عمقًا، وأن الطبقات الأكثر عمقًا تستقر في وقت أبكر من الطبقات الأقل عمقًا.
تقترح هذه الورقة البحثية شبكة DPC-Net، وهي شبكة تعاونية ثنائية الأولويات (Dual-Prior Collaborative Network) مبتكرة تعزز عملية استعادة الصور الشاملة (All-in-One Image Restoration) من خلال الاستفادة المشتركة من الأولويات المقترنة بين التدهور والدلالات المستخرجة عبر إشراف النماذج الرؤية-اللغوية، والأولويات البصرية منخفضة المستوى من قواعد المعرفة، لتحقيق استعادة صور عالية الدقة ومتسقة هيكلياً.
يُعد RoMAN-Flow إطار عمل للتعلم التعزيزي غير المتصل (offline reinforcement learning) يُمكّن من الاستخدام العملي لتدفقات التوزيع الطبيعي ذاتية الانحدار (autoregressive normalizing flows) في معالجة الروبوتات عبر توظيف هدف تحسين خالٍ من أخذ العينات وتقطير السياسة الناتجة إلى مولد ذي خطوة واحدة ومنخفض التأخير من أجل النشر الفعال.
تقترح هذه الورقة JFSnet، وهو إطار عمل لإزالة النظارات من الفيديو قائم على الفيزياء، يقوم بنقل المعرفة متعددة المشاهد من نموذج توليدي تجاري عبر تعزيز البيانات الاصطناعية والمحاكاة البصرية لتحقيق استعادة عالية الدقة ومتسقة زمنياً مع منع انحراف الهوية.