12321 ورقة بحثية
يُعد FedHPro إطار عمل جديد للتعلم الاتحادي يقدم نماذج أولية فائقة قابلة للتعلم ومُحسّنة عبر مطابقة التدرج للحفاظ على الاتساق الدلالي عبر العملاء، مما يحقق أداءً رائدًا من خلال تعزيز الفصل بين الفئات والانتظام داخل الفئة الواحدة في السيناريوهات غير المتجانسة.
تقدم هذه الورقة PhysEditBench، وهو معيار تقييم جديد مشروط بالبروتوكول يعمل على توحيد تقييم محررات الصور العامة مقابل النماذج المتخصصة في التنبؤ بخمس خرائط فيزيائية كثيفة (العمق، والناظم، والوضاءة، والخشونة، والمعدنية) من صور RGB واحدة، مما يكشف أنه بينما تتفوق النماذج المتخصصة عموماً على المحررات، إلا أن المحررات تظهر واعداً في بعض المقاييس القياسية رغم معاناتها من أخطاء هيكلية وتتعلق بالإضاءة.
تقترح هذه الورقة البحثية ArcVQ-VAE، وهو إطار عمل جديد للكمية المتجهة يعزز تعلم التمثيل المنفصل في نماذج VQ-VAE من خلال إدخال مسبق للهامش الزاوي الكروي لتقييد متجهات كتاب الشفرات وتحسين قابليتها للانفصال الزاوي، مما يؤدي إلى تحسين استخدام كتاب الشفرات وأداء أفضل في إعادة بناء الصور وتوليدها.
تُعد Qwen-Image-VAE-2.0 مجموعة مشفرات تلقائية تباينية عالية الضغط تحقق دقة إعادة بناء رائدة وقدرة فائقة على الانتشار من خلال ابتكارات معمارية مثل الوصلات التخطّية العالمية، والتدريب واسع النطاق باستخدام التصيير الاصطناعي، وتعزيز المحاذاة الدلالية، وتتفوق بشكل خاص في السيناريوهات الغنية بالنصوص.
تُعد HetScene إطار عمل انتشار ثنائي المراحل يراعي عدم التجانس، يعمل على تحسين توليد المشاهد الداخلية الكثيفة من خلال تفكيك الأشياء إلى فئات أولية وثانوية لإنشاء هيكل هيكلي عالمي مستقر أولاً ثم تخليق تخطيطات سياقية مفصلة، مما يتغلب على قيود الطرق الحالية في نمذجة التبعيات المكانية المعقدة والواقعية الفيزيائية.
تقترح الورقة البحثية SCOUP، وهي طريقة مبتكرة تفصل بين تعلم التمثيل اللغوي وتحسين غاوس ثلاثي الأبعاد (3D Gaussian optimization) عبر الاستفادة من التمثيلات القائمة على كتاب الرموز المتناثر (sparse codebook) المستمدة من مناطق الصور ثنائية الأبعاد ورفعها إلى ثلاثة أبعاد عبر التجميع المتناثر الموزون، مما يحقق تحسينات متزامنة في سرعة التدريب، وكفاءة الذاكرة، وأداء التصيير لفهم المشاهد ثلاثية الأبعاد ذات المفردات المفتوحة.
يعد DeepFilters إطار عمل بصري عميق مدرك للتشتت يعمل على تحسين مرشح بؤري وشبكة إعادة بناء رقمية بشكل مشترك باستخدام نموذج أمامي قابل للتفاضل، مما يتيح مجهرية ذات مجال عمق ممتد مع استعادة الإشارة لما يتجاوز 120 ميكرومتر في الأنسجة البيولوجية المشتتة دون الحاجة إلى إعادة التدريب.
يُعد SceneGraphVLM نموذجاً لغوياً بصرياً مدمجاً، تم تدريبه على مرحلتين، يقوم بتوليد رسوم بيانية للمشاهد عالية الدقة من الصور ومقاطع الفيديو بمدة تأخير تبلغ ثانية واحدة تقريباً، وذلك عبر استخدام تنسيق تسلسل TOON كفؤ في استهلاك الرموز (tokens) والتعلم المعزز المدرك للهلوسة.
تقدم هذه الورقة البحثية SpurAudio، وهو معيار جديد لتصنيف الصوت في ظل محدودية العينات (few-shot)، والذي يكشف كيف تعتمد الأساليب المتطورة والنماذج التأسيسية الضخمة غالباً على ارتباطات خلفية زائفة بدلاً من الميزات الأمامية القوية، مما يؤدي إلى تدهور حاد في الأداء عند اختلال هذه الإشارات السياقية.
تقترح هذه الورقة نهجاً عصبياً رمزياً يدمج المنطق الضبابي القابل للتفاضل مع نموذج "Segment Anything" (SAM) لتوحيد التوصيفات الضعيفة والبديهيات النطاقية كقيود منطقية مستمرة، مما يؤدي إلى توليد تسميات مستعارة عالية الجودة تتيح أداءً في التجزئة تحت الإشراف الضعيف يتجاوز الأساليب المرجعية ذات الإشراف الكامل.