12381 ورقة بحثية
تقدم الورقة البحثية إطار العمل ICER، وهو إطار عمل "صندوق أسود" يستفيد من إعادة كتابة قائمة على النماذج اللغوية الكبيرة وإعادة تشغيل الخبرة في السياق لتوليد مطالبات هجومية سلسة ومحافظة على المعنى بكفاءة لاختبار الاختراق لنماذج تحويل النص إلى صورة، مما يظهر أداءً متفوقاً وقدرة عالية على الانتقال عبر مختلف آليات السلامة مقارنة بالنماذج المرجعية الحالية.
تقترح هذه الورقة وتُقيّم إطار عمل جديداً غير خاضع للإشراف يجمع بين نماذج الرؤية التأسيسية وتقنيات تقدير الكثافة للكشف بفعالية عن الانزياحات في التوزيع الدلالي والمغاير في القيادة الذاتية، متفوقةً بذلك على الأساليب الحالية في تحديد المدخلات ذات المخاطر العالية الخارجة عن التوزيع.
تقدم هذه الورقة البحثية DIPSER، وهي مجموعة بيانات جديدة وشاملة في البيئات الواقعية للتعرف على تفاعل الطلاب حضورياً، والتي تجمع بشكل فريد بين بيانات كاميرا RGB متعددة الزوايا، ومقاييس مستشعرات الساعة الذكية، وتسميات متنوعة تم التحقق منها من قبل خبراء لتسهيل تحليل انتباه الطلاب وعواطفهم عبر مختلف السياقات التعليمية.
تُثبت هذه الورقة أن الضبط الدقيق لنماذج "Vision Transformers" المدربة مسبقاً على بيانات طيفية فلكية حقيقية واسعة النطاق تم تحويلها إلى صور ثنائية الأبعاد يحقق دقة فائقة في تصنيف النجوم وتقديراً تنافسياً للإزاحة الحمراء مقارنة بطرق التعلم الآلي التقليدية ونماذج التعلم العميق الحالية، مما يمثل أول تطبيق من هذا النوع دون الاعتماد على مدخلات اصطناعية.
تقدم هذه الورقة DSA-NRP، وهو إطار عمل جديد للتعلم الآلي يستفيد من تسلسلات تصوير الأوعية بالطرح الرقمي (DSA) داخل الإجراء والمتغيرات السريرية للتنبؤ بدقة بمضاعفات عدم تدفق الدم (no-reflow) التي تلي عملية استئصال الخثرة عبر الأوعية الدموية للسكتة الدماغية الإقفارية الحادة، متفوقاً بذلك على المراجع السريرية والملغي للحاجة إلى التصوير المتأخر بعد الإجراء.
تقدم هذه الورقة B4DL، وهو معيار شامل وبنية مبتكرة لنماذج اللغات الكبيرة متعددة الوسائط مصممة لربط بيانات ليدار (LiDAR) رباعية الأبعاد الخام بالفهم اللغوي، مما يتيح الاستدلال المكاني-الزماني المتقدم في البيئات الخارجية الديناميكية.
تثبت هذه الورقة تجريبياً أنه بينما يرتبط الاستنتاج التركيبي وفهم التعليقات الطويلة في نماذج الرؤية واللغة التباينية بعلاقة ثنائية الاتجاه، فإن تعزيزهما المتبادل يعتمد بشكل حاسم على بيانات تدريب عالية الجودة وجيدة التأسيس وخيارات معمارية محددة، مما يقدم إرشادات قابلة للتنفيذ لتحسين تعميم النموذج.
تقدم هذه الورقة MoTIF، وهو إطار عمل قائم على المحولات (transformer) يعزز تصنيف الفيديو القابل للتفسير من خلال الاستفيادة من نموذج لغوي بصري (VLM) مشروط بالفئة لاكتشاف المفاهيم الزمنية تلقائيًا ونمذجة أنماطها الديناميكية عبر آلية الانتباه الذاتي لكل مفهوم، مما يقلص فجوة الأداء بين النماذج القابلة للتفسير والنماذج المرجعية للفيديو ذات الصندوق الأسود.
تقدم هذه الورقة InPose، وهو أسلوب لتقدير وضعية جسم الإنسان بنمط (zero-shot)، يصيغ المهمة كمسألة عكسية عبر الاستفادة من نموذج انتشار مُدرب مسبقاً مشروط بالقياسات الدورانية وموجه بحد احتمالية مستمد من بيانات موقع متفرقة لتحقيق تعميم قوي عبر المستخدمين ذوي أحجام الأجسام المتفاوتة.
تقترح هذه الورقة إطار عمل مبتكر يجمع بين النماذج اللغوية البصرية وعملية انتشار مقيدة لإعادة بناء حالات المشهد الماضية المعقولة من الآثار الحرارية المتلاشية التي تتركها التفاعلات البشرية، مما يتيح التصوير العكسي للزمن لفترة تصل إلى 120 ثانية سابقة.