12381 ورقة بحثية
تقدم الورقة البحثية AFFORDMEM، وهو إطار عمل لا يتطلب تدريباً يعزز تحديد الإمكانات الوظيفية ثلاثية الأبعاد من خلال الاستفادة من الذاكرة عبر المشاهد للأمثلة المشروحة لتوجيه نماذج الرؤية واللغة نحو المناطق دقيقة التفاصيل، ومن الذاكرة المكانية داخل المشهد لحل الاستعلامات العلاقاتية المعقدة، محققاً أداءً هو الأفضل في فئته على معيار SceneFun3D دون الحاجة إلى ضبط النموذج.
تقدم هذه الورقة إطار عمل جديد لتقطير النماذج اللغوية البصرية (VLM) يسمى "Hide to See" يعزز قدرات الاستدلال متعدد الوسائط للنماذج الطلابية المدمجة من خلال توظيف قناع بادئة الاستدلال البارزة والجدولة ذاتية الخطوات لإجبار النموذج على الاعتماد على الأدلة البصرية أثناء عملية التفكير، مما يؤدي إلى التفوق على أساليب التقطير والتقطير الذاتي الحالية.
تقدم الورقة البحثية SkyPart، وهو نموذج أولي خفيف الوزن لاكتشاف الأجزاء الدلالية يعتمد على النماذج الأولية (prototype-based) لشبكات المحولات الرؤيوية (vision transformers)، والذي يحقق أفضل النتائج الحالية في تحديد المواقع الجغرافية عبر الرؤى المختلفة والمتينة تجاه الظروف الجوية من خلال الفصل الصريح بين التخطيط والنسيج، وتهميش تباينات الارتفاع، واستخدام تدريب متعدد الأهداف بوزن عدم اليقين.
تقدم الورقة البحثية ShapeCodeBench، وهو معيار مرجعي اصطناعي متجدد مصمم لتقييم النماذج في مهام إعادة بناء الإدراك إلى برنامج من خلال مطالبتها بتوليد برامج رسم قابلة للتنفيذ من صور مُصورة، مما يكشف أنه بينما تحافظ النماذج متعددة الوسائط الحالية على بنية المقدمة، إلا أنها لا تزال تعاني من صعوبة في المطابقة التامة بسبب أخطاء طفيفة في المعلمات.
تُثبت هذه الورقة أن الوكلاء البصريين غير المتجانسين يمكنهم تطوير رموز تواصل مشتركة ومعلوماتية من خلال التعلم اللامركزي والتقييم الإدراكي المحلي وحدهما، حيث يتم تشكيل خصوصية اللغة وتماثلها بشكل مباشر عبر مدى تشابه تمثيلاتها البصرية الأساسية.
تقترح هذه الورقة إطار عمل جديد للتعلم المستمر بلقطات قليلة، يقوم بفصل تعلم التمثيل عن الاستدلال التركيبي عبر استغلال الهندسة على مستوى الرقع (patch-level geometry) لنماذج المحولات الرؤية ذاتية الإشراف لتحسين تمثيلات الفتحات (slot representations) من أجل الهوية الكلية للفئة أثناء التدريب، وتركيبها ديناميكياً للمفاهيم الجديدة عند الاستدلال، مما يحقق تعميماً رائداً مع تقليل النسيان الكارثي إلى أدنى حد.
تقدم الورقة البحثية نموذج CaC، وهو نموذج مكافأة تركيز مكاني-زماني هرمي يستفيد من مجموعة بيانات ضخمة وموسومة بطريقة مبتكرة ومنهج تدريب تقدمي ثلاثي المراحل مع مكافآت IoU متخصصة لتعزيز دقة اكتشاف الشذوذ بشكل كبير وتحسين جودة الفيديوهات المولدة.
يُعد WorldComp2D إطار عمل جديداً وخفيف الوزن يقوم بهيكلة هندسة الفضاء الكامن بشكل صريح باستخدام مجالات استقبال محلية متعددة المقاييس لالتقاط كل من هوية الكائن والموقع المكاني بكفاءة، مما يحقق تخفيضات كبيرة في عدد المعلمات والتكلفة الحسابية مع الحفاظ على الأداء في الوقت الفعلي.
تقدم الورقة البحثية W-Flow، وهو إطار عمل للنمذجة التوليدية من خطوة واحدة يقوم بضغط تدفقات تدرج واسرستاينين (Wasserstein gradient flows) في استنتاج شبكة عصبية واحدة لتحقيق أفضل النتائج الحالية في توليد صور ImageNet بقيمة 1.29 FID وسرعة أخذ عينات تبلغ حوالي 100 ضعف نماذج الانتشار متعددة الخطوات.
تقدم هذه الورقة تقدير العمق أحادي المنظور القابل للتركيز (FDE)، وهو مهمة مدركة للمناطق، وإطار عمل FocusDepth المقابل الذي يستفيد من دمج الميزات متعدد المقاييس المشروط بالوصف لتعزيز دقة المنطقة المستهدفة مع الحفاظ على الهندسة العالمية للمشهد، والذي تم التحقق من صحته بواسطة معيار FDE-Bench الجديد.