12381 ورقة بحثية
تقترح هذه الورقة البحثية مساراً خفيف الوزن يعمل على ضبط محول (LoRA) على مجموعة صغيرة من الصور الحقيقية للاستفادة من نماذج الانتشار مسبقة التدريب لتوليد بيانات اصطناعية، مما يثبت أن هذا النهج يحسن بفعالية استدعاء الفئات النادرة ودرجات F1 في مهام الرؤية عبر المجالات الطبية والصناعية دون الحاجة إلى بيانات واقعية إضافية.
تقترح هذه الورقة مصنفاً هرمياً مدركاً للطوبولوجيا، HC-SOINN، مقترناً بطريقة محاذاة البنية والطوبولوجيا عبر البواقي (STAR)، للتغلب على قيود افتراضات الانهيار العصبي النقطي في التعلم التزايدي للفئات من خلال نمذجة ماني فولد الفئات المعقدة بفعالية والتكيف مع انزياح الميزات غير الخطي.
تقترح الورقة البحثية إطار عمل VISTA، وهو إطار تدريب للتحسين الذاتي المدرك للرؤية يعالج عدم توازن البيانات وتحيز الأولوية اللغوية في النماذج اللغوية الكبيرة متعددة الوسائط من خلال تقديم إعادة أخذ عينات البادئة ودرجة انتباه مدركة للرؤية، مما يعزز بشكل كبير أداء الاستدلال متعدد الوسائط عبر مختلف المهام والنماذج.
تجادل هذه الورقة بأن صحة أنظمة الذكاء الاصطناعي الطبي، والتي تتجلى في تصنيف الخلايا البلازمية لمرض الورم النخاعي المتعدد، هي مفهوم متعدد الأبعاد يعتمد على بيانات الخبراء، وقابلية التفسير، والمقاييس ذات المعنى، والمساءلة، بدلاً من كونها خاصية أحادية يمكن اختزالها في أداء المعايير المرجعية.
تقيم هذه الورقة أحد عشر نموذجاً من الشبكات العصبية العميقة المدربة مسبقاً على مجموعة بيانات ImageNet لتصنيف الصور من خلال تحسين طبقات مخرجاتها ومعاملاتها عبر خمس مجموعات بيانات مستهدفة، وتقييم أدائها بناءً على الدقة، ووقت التدريب، وحجم النموذج لتوجيه الاختيار الأمثل للنموذج.
تقدم هذه الورقة البحثية FAME، وهي طريقة جديدة للذكاء الاصطناعي القابل للتفسير تجمع بين التلاعب بالمدخلات المدفوع بالتدرج وتحليل تنشيط الميزات لإنتاج خرائط عزو تنافسية لتصنيف الصور والتعرف على الوجوه، مع إثبات أن افتراضات خرائط تنشيط الفئات التقليدية تفشل في الشبكات الأكثر عمقاً.
يقدم محول "ماذا-أين" (WWT) بنية محولة رؤية قائمة على الفتحات (slot-based) مبتكرة تفصل صراحةً بين مظهر الكائن وموقعه المكاني إلى تدفقات متزامنة من الرموز (tokens) وخرائط الانتباه، مما يُمكّن من اكتشاف الكائنات بأسلوب التعلم الصفري (zero-shot) والتقطيع المعتمد على الإشراف الضعيف ببراعة من خلال قدرات التحديد الناشئة دون الحاجة إلى معالجة لاحقة إضافية.
تقترح الورقة البحثية بنية "ترانسفورمر الرؤية الطيفي" (Spectral Vision Transformer) مبتكرة تستفيد من خصائص الأساس الطيفي لترميز الرموز بكفاءة وتقليل التعقيد، مما أظهر أداءً متكافئاً أو متفوقاً بعدد أقل من المعلمات عبر نماذج مختلفة على بيانات التصوير الطبي المحدودة.
تقدم هذه الورقة البحثية OmniClean، وهو معيار مرجعي مُنزّه بصرياً يكشف عن مكاسب مضخمة في النماذج متعددة الوسائط، ويُظهر أن وصفة تدريب لاحق ثلاثية المراحل (OmniBoost) تمكّن نموذجاً صغيراً بحجم 3 مليارات معلمة من التفوق على نظيره الأكبر بكثير بحجم 30 مليار معلمة عبر دمج الأدلة السمعية والبصرية واللغوية بفعالية دون الاعتماد على الاختصارات البصرية.
يعالج PairDropGS عدم الاستقرار والتعلم غير الأمثل في تقنية Gaussian Splatting ثلاثية الأبعاد ذات المشاهد الشحيحة الناتج عن مجموعات الإسقاط (dropout) غير المتسقة، وذلك من خلال تقديم إطار عمل إسقاط مزدوج مع تنظيم اتساق التردد المنخفض واستراتيجية جدولة تدريجية لضمان إعادة بناء قوية وعالية الجودة.