12381 ورقة بحثية
تقدم الورقة البحثية BARISTA، وهو معيار مرجعي تحدي متعدد المهام من منظور الشخص الأول، يضم 185 مقطع فيديو لتحضير القهوة مشروحة بكثافة مع رسوم بيانية للمشهد لكل إطار لتقييم وتشخيص قدرات الفهم البصري التركيبي عبر مهام إجرائية متنوعة.
يقدم MoCam إطار عمل موحداً ومبتكراً لتخليق المشاهد من منظور جديد يستخدم ديناميكيات إزالة الضجيج المهيكلة لفصل المحاذاة الهندسية وتكرير المظهر زمنياً ضمن عملية الانتشار، متجاوزاً بذلك بفعالية قيود الأساليب الحالية عبر تثبيت الهياكل الخشنة أولاً باستخدام الأولويات الهندسية ثم تصحيح الأخطاء وتكرير التفاصيل باستخدام أولويات المظهر.
يُعد EchoTracker2 بنية مبتكرة تعتمد على المرحلة الدقيقة فقط، حيث تعمل على تعزيز تتبع النقاط العضلية القلبية في تخطيط صدى القلب من خلال الاستفماط من السياق المكاني الزماني المحلي والاستدلال الزماني بعيد المدى، محققةً دقةً وتكراريةً وتوافقاً فائقين مع مقاييس الإجهاد السريرية مقارنة بالنماذج الحالية الرائدة.
تقدم الورقة البحثية إطار عمل SCOLAR، وهو إطار عمل مبتكر يتغلب على "انهيار كسب المعلومات" الذي يحد من طرق الاستدلال البصري الكامنة الحالية باستخدام "detransformer" خفيف الوزن لتوليد رموز بصرية مستقلة ومتسقة ذاتياً، مما يتيح سلاسل استدلال أطول بكثير ويحقق أداءً رائدًا في المعايير المرجعية الواقعية.
تقدم هذه الورقة البحثية SyncDPO، وهو إطار عمل فعال لما بعد التدريب يعزز التزامن الزمني في التوليد المشترك للفيديو والصوت من خلال الاستفادة من تحسين التفضيل المباشر مع بناء سلبي قائم على القواعد في الوقت الفعلي والتعلم المنهجي للتغلب على قيود الضبط الدقيق الخاضع للإشراف التقليدي.
تقترح هذه الورقة نهجاً هجيناً للتعلم الآلي يعمل على إثراء رسوم تمثيل الحدود القائمة على التصميم بمساعدة الحاسوب (CAD) بميزات تصنيع قائمة على القواعد، وذلك لتحسين دقة تقدير جهد ثني الصاج وتوقع قابلية التصنيع بشكل كبير على كل من مجموعات البيانات الاصطناعية والصناعية الواقعية.
تقدم هذه الورقة البحثية **V2V-Zero**، وهو إطار عمل خالٍ من التدريب يتيح التوليد من مرئي إلى مرئي عبر تكييف نماذج الرؤية واللغة الحالية بناءً على صفحات مواصفات بصرية بدلاً من المطالبات النصية، مما يثبت أن هذا النموذج الموحد يحقق أداءً تنافسياً مع الكشف عن القيود الحالية في توليد المحتوى والتحكم الهيكلي عبر نماذج الصور والفيديو.
تُثبت هذه الورقة أن تصور عدم اليقين المكاني في سير عمل التوسيم المدعوم بالذكاء الاصطناعي يوجه انتباه البشر بفعالية نحو التنبؤات غير الموضعة بدقة، مما يؤدي إلى تسميات عالية الجودة وسرعات مراجعة أعلى مقارنة بالطرق القياسية.
تقدم الورقة البحثية نموذج INSET، وهو نموذج توليد بصري موحد يدمج الصور كرموز مفردات أصلية ضمن التعليمات النصية ويستفيد من محرك بيانات قابل للتوسع يضم 15 مليون عينة متداخلة ليتفوق بشكل كبير على الأساليب الحالية في اتساق الصور المتعددة واتباع التعليمات المعقدة.
تقترح هذه الورقة إطار عمل للتعلم التبايني المدرك للضجيج يستفيد من البنية الزمنية المتأصلة في فيديوهات تنظير القولون لتعلم تمثيلات قوية للزوائد اللحمية دون الحاجة إلى تعليقات يدوية مكلفة، محققةً أداءً رائدًا عبر مهام متعددة لاحقة باستخدام مشفر خفيف الوزن تم تدريبه على مجموعة بيانات صغيرة.