cs.CV ورقة بحثية

HarmoGS: Robust 3D Gaussian Splatting in the Wild via Conflict-Aware Gradient Harmonization

يعالج HarmoGS تحديات المشتتات العابرة وعدم اتساق الإضاءة في تقنية "Gaussian Splatting" ثلاثية الأبعاد في البيئات الواقعية من خلال تقديم إطار عمل مدرك للنزاعات يجمع بين القناع الموجه باتساق دلالي واستراتيجية توحيد التدرج ثنائية الرؤية لاستقرار عملية التحسين وتحقيق جودة رندر هي الأفضل في فئتها.

Yulei Kang, Tianze Zhu, Jian-Fang Hu, Jianhuang Lai, Wei-Shi Zheng2026-05-14

💻 computer science

Learning to See What You Need: Gaze Attention for Multimodal Large Language Models

تقدم هذه الورقة البحثية "Gaze Attention" (انتباه التحديق)، وهي آلية مبتكرة للنماذج اللغوية الكبيرة متعددة الوسائط تختار ديناميكيًا المناطق المرئية ذات الصلة بالمهمة أثناء عملية التوليد لتقليل العبء الحسابي بشكل كبير مع الحفاظ على الأداء أو تحسينه من خلال استخدام رموز سياقية قابلة للتعلم.

Junha Song, Byeongho Heo, Geonmo Gu, Jaegul Choo, Dongyoon Han, Sangdoo Yun2026-05-14

💻 computer science

PRA-PoE: Robust Alzheimer's Diagnosis with Arbitrary Missing Modalities

تقترح الورقة البحثية إطار عمل PRA-PoE، وهو إطار عمل قوي لتشخيص مرض الزهايمر في ظل وجود فقدان عشوائي للأنماط، والذي يجمع بين محاذاة التمثيل المرتكز على النماذج الأولية للتخفيف من انزياحات التمثيل الشرطي، وآلية دمج "حاصل ضرب الخبراء" المدركة لعدم اليقين لتحسين الموثوقية، محققاً أداءً هو الأفضل في فئته على مجموعتي بيانات ADNI وOASIS-3.

Guangqian Yang, Ye Du, Wenlong Hou, Qian Niu, Shujun Wang2026-05-14

💻 computer science

Flow Augmentation and Knowledge Distillation for Lightweight Face Presentation Attack Detection

تقترح هذه الورقة إطار عمل لتقطير المعرفة يدرب نموذجًا طالبًا خفيف الوزن يعتمد على الأشعة المرئية (RGB) فقط لتعلم تمثيلات حساسة للحركة بشكل ضمني من معلم معزز بالتدفق البصري، مما يتيح كشف هجمات عرض الوجه عالي الأداء وفي الوقت الفعلي دون العبء الحسابي لتقدير التدفق البصري الصريح أثناء الاستدلال.

Muhammad Shahid Jabbar, Muhammad Sohail Ibrahim, Taha Hasan Masood Siddique, Kejie Huang, Shujaat Khan2026-05-14

💻 computer science

Pyramid Forcing: Head-Aware Pyramid KV Cache Policy for High-Quality Long Video Generation

تقترح الورقة البحثية "Pyramid Forcing"، وهو إطار عمل هرمي لتخزين الذاكرة المخبئية (KV cache) مدرك لرؤوس الانتباه، يقوم بتصنيف رؤوس الانتباه إلى أنواع: "المرساة" (Anchor)، و"الموجة" (Wave)، و"الحجاب" (Veil) لتعيين سياسات تخزين متباينة، مما يحسن بشكل كبير الجودة والاستمرارية طويلة المدى في توليد الفيديو بالتسلسل التكراري.

Jiayu Chen, Junbei Tang, Wenbiao Zhao, Maoliang Li, Jiayi Luo, Zihao Zheng, Jiawei Yang, Guojie Luo, Xiang Chen2026-05-14

💻 computer science

Rigel3D: Rig-aware Latents for Animation-Ready 3D Asset Generation

يُعد Rigel3D إطار عمل توليديًا مبتكرًا ينتج شبكات ثلاثية الأبعاد مهيأة للتحريك عبر نمذجة الهندسة وهياكل الهياكل العظمية بشكل مشترك من خلال تمثيلات كامنة مقترنة، مما يتغلب على قيود المخرجات الثابتة وطرق التجهيز التلقائي اللاحقة في النماذج التوليدية ثلاثية الأبعاد الحالية.

Nikitas Chatzis, Marios Loizou, Evangelos Kalogerakis2026-05-14

💻 computer science

Multi-Modal Guided Multi-Source Domain Adaptation for Object Detection

تقترح هذه الورقة البحثية MS-DePro، وهو إطار عمل جديد للتكيف مع النطاق متعدد المصادر للكشف عن الأشياء، يستفيد من خرائط العمق والمطالبات النصية لتوليد مقترحات مناطق محايدة للنطاق ومحاذاة تضمينات نصية قابلة للتعلم، مما يحقق أداءً هو الأفضل في فئته على معايير MSDA.

Sangin Lee, Seokjun Kwon, Jeongmin Shin, Namil Kim, Yukyung Choi2026-05-14

💻 computer science

Dual-Pathway Circuits of Object Hallucination in Vision-Language Models

تقدم هذه الورقة تحليل المسار المزدوج (Dual-Pathway Circuit Analysis) لتحديد وتوصيف مسارات متميزة لترسيخ الرؤية (visual grounding) والهلوسة في النماذج البصرية اللغوية، مما يثبت أن التثبيط المستهدف لمسار الهلوسة يمكن أن يقلل من هلاوس الأشياء بنسبة تصل إلى 76% مع الحفاظ على الدقة.

Jiaxin Liu, Ding Zhong, Yue Wang, Zhidong Yang, Zhaolu Kang, Guangyuan Dong, Qishi Zhan, Pengcheng Fang, Aofan Liu2026-05-14

🤖 machine learning

A $_3$ B $_2$ : Adaptive Asymmetric Adapter for Alleviating Branch Bias in Vision-Language Image Classification with Few-Shot Learning

تقترح هذه الورقة البحثية A $_3$ B $_2$ ، وهو مُكيِّف غير متماثل تكيفي يعالج انحياز الفرع في التعلم بلقطات قليلة للرؤية واللغة من خلال توظيف التخميد الواعي باليقين ومزيج الخبراء متوازن الحمل للتحكم ديناميكيًا في تكييف فرع الصورة، مما يجعله يتفوق على النماذج المرجعية الحالية عبر 11 مجموعة بيانات.

Yiyun Zhou, Zhonghua Jiang, Wenkang Han, Kunxi Li, Mingjing Xu, Chang Yao, Jingyuan Chen2026-05-14

🤖 AI

PanoWorld: Towards Spatial Supersensing in 360 $^\circ$ Panorama World

تقدم هذه الورقة PanoWorld، وهو إطار عمل مبتكر يُمكّن النماذج اللغوية الكبيرة متعددة الوسائط من إجراء استدلال مكاني قوي بـ 360 درجة عبر التعامل مع الصور البانورامية ذات الإسقاط المستطيل المتساوي (equirectangular) كفضاءات مستمرة متمحورة حول المراقب من خلال تكيف مخصص للهندسة الكروية ومعيار تشخيصي جديد.

Changpeng Wang, Xin Lin, Junhan Liu, Yuheng Liu, Zhen Wang, Donglian Qi, Yunfeng Yan, Xi Chen2026-05-14

→ السابق التالي ←

cs.CV

HarmoGS: Robust 3D Gaussian Splatting in the Wild via Conflict-Aware Gradient Harmonization

Learning to See What You Need: Gaze Attention for Multimodal Large Language Models

PRA-PoE: Robust Alzheimer's Diagnosis with Arbitrary Missing Modalities

Flow Augmentation and Knowledge Distillation for Lightweight Face Presentation Attack Detection

Pyramid Forcing: Head-Aware Pyramid KV Cache Policy for High-Quality Long Video Generation

Rigel3D: Rig-aware Latents for Animation-Ready 3D Asset Generation

Multi-Modal Guided Multi-Source Domain Adaptation for Object Detection

Dual-Pathway Circuits of Object Hallucination in Vision-Language Models

A3_33​B2_22​: Adaptive Asymmetric Adapter for Alleviating Branch Bias in Vision-Language Image Classification with Few-Shot Learning

PanoWorld: Towards Spatial Supersensing in 360∘^\circ∘ Panorama World

A $_3$ B $_2$ : Adaptive Asymmetric Adapter for Alleviating Branch Bias in Vision-Language Image Classification with Few-Shot Learning

PanoWorld: Towards Spatial Supersensing in 360 $^\circ$ Panorama World