12087 ورقة بحثية
يُعد Mask2Real-WM نموذج عالم مكون من مرحلتين مشروط بالأفعال للمناولة الماهرة، حيث يعمل على جسر الفجوة بين المحاكاة والواقع عبر فصل التنبؤ بالديناميكيات في فضاء التجزئة عن التصوير الواقعي، مما يتيح تحكماً دقيقاً لكل مفصل من خلال التدريب المسبق الاصطناعي واسع النطاق والضبط الدقيق الأدنى في العالم الحقيقي.
تقترح هذه الورقة البحثية إطار عمل "إعادة المحاذاة الإدراكية المدفوعة بالبروز" (SDPR)، وهو إطار عمل خالٍ من التدريب يعمل على التخفيف من الهلوسة في النماذج اللغوية البصرية الكبيرة عن طريق إعادة توزيع الانتباه من الرموز غير الدلالية، ومحاذاة ميزات ذاكرة التخزين المؤقت لـ (KV) لمنع التشوه المكاني، وتطبيق فك التشفير التبايني لمواجهة الأولويات اللغوية، مما يحقق أداءً فائقاً دون تدريب إضافي أو عبء تشغيلي كبير.
تقترح هذه الورقة إطار عمل لا يتطلب تدريباً يعزز الاستدلال المكاني في النماذج اللغوية الكبيرة متعددة الوسائط من خلال بناء "رسم بياني للأدلة المكانية" للتحقق من مدى صدق سلاسل الاستدلال مقابل الأدلة البصرية، وتحديد التناقضات، وتوجيه النموذج لتصحيح الأخطاء، مما يحسن الدقة بشكل كبير عبر مختلف الاختبارات المرجعية.
تقترح الورقة البحثية SE-MoLoRA، وهو إطار عمل فعال من حيث المعلمات يعزز النقد الفوتوغرافي المتخصص في مجال معين من خلال فصل المعرفة العامة عن الأحكام المتخصصة عبر خبير LoRA مشترك ومهايئات موجهة ومتعامدة لكل من التكوين، والإضاءة، والجودة التقنية.
تقدم الورقة البحثية AGS-PlantSeg، وهي طريقة لتجزئة أعضاء النبات ثلاثية الأبعاد بنظام التعلم بلقطات قليلة (few-shot)، تستفيد من نموذج تأسيسي مجمد مع اختيار تكيُّفي للتحبيب لتحسين استخراج الميزات ديناميكيًا عبر مورفولوجيا النباتات المتنوعة، محققةً تعميمًا فائقًا عبر الأنواع وأداءً عاليًا بأقل قدر من البيانات المشروحة.
يُعد TractoGraphVLM إطار عمل موحداً للرؤية واللغة يستفيد من محول رسوم بيانية بنظام GPS والتعلم التبايني لتمثيل حزم ألياف المادة البيضاء ثلاثية الأبعاد كرسوم بيانية، مما يُمكّن نموذجاً واحداً مدرباً بشكل مشترك من إجراء تصنيف الحزم، واسترجاع الحزم من النص إلى التراكب، والوصف التشريحي، والإجابة على الأسئلة البصرية مع أداء قوي وقابلية نقل صفرية عبر الفئات العمرية.
تقدم الورقة البحثية HEDL، وهو إطار عمل للتعلم العميق فوق-الأدلي (hyper-evidential) مبتكر يستفيد من تصنيف التسميات كعائلة بؤرية لنمذجة عدم اليقين الهرمي بكفاءة وتحسين المعايرة في مهام التصنيف دقيق التفاصيل.
تُعد LumiTokens إطار عمل مبتكرًا لإعادة الإضاءة ثلاثية الأبعاد يتجاوز التفكيك الصريح للمواد ومعادلات الرندرة من خلال تحويل رموز المشهد الكامنة المدمجة مباشرة إلى صور مُعاد إضاءتها عبر محرر يعتمد على الانتباه الذاتي، مما يتيح تعديلات إضاءة موحدة وتدريجية وقابلة للتركيب لمصادر ضوء متنوعة.
تقترح هذه الورقة طريقة نقل من نوع "التعلم الصفري" (zero-shot transfer) مكونة من مرحلتين، تعمل على تعميم تقدير خريطة القوة ثلاثية الأبعاد عبر وحدات مستشعرات "GelSight Mini" المختلفة، وذلك عن طريق تكييف الصور اللمسية أولاً إلى نطاق مشترك باستخدام نموذج قائم على "UniT"، ثم تقدير القوى باستخدام شبكة "U-Net"، مما يلغي الحاجة إلى إعادة التدريب لكل مستشعر على حدة.
تقترح هذه الورقة نموذجاً من مرحلة واحدة ونهاية إلى نهاية لإعادة تحديد هوية الحياة البرية بدقة عالية، يدمج بين DINOv2 وMegaDescriptor مع استعلامات كامنة موجهة بالنماذج اللغوية (prompt-guided latent queries) للقيام بعمليتي البحث عن الهوية وكشف الأجسام في آن واحد، محققةً أداءً تنافسياً مقارنةً بمسارات العمل التقليدية المكونة من مرحلتين.