12381 ورقة بحثية
تقدم هذه الورقة البحثية VIP، وهي طريقة لا تتطلب تدريباً تستفيد من إطار عمل DINO المدرك مكانياً والمعزز بالتطور الموجه بصرياً للمطالبات، للتغلب على الانحياز المكاني والغموض الدلالي في نموذج CLIP، محققةً بذلك أداءً هو الأفضل في مجال التجزئة الدلالية مفتوحة المفردات بكفاءة وقدرة عالية على التعميم.
تقدم الورقة البحثية نموذج GAP (نموذج المحاذاة الحبيبية)، وهو إطار عمل مبتكر يعالج عدم التطابق في فضاء الميزات في الاستدلال البصري الكامن للنماذج اللغوية الكبيرة متعددة الوسائط من خلال محاذاة مخرجات فك التشفير مع تضمينات المدخلات عبر مستويات الميزة والسياق والسعة، مما يحقق أداءً فائقاً في الإدراك والاستدلال على نموذج Qwen2.5-VL 7B.
يقدم SEMIR إطار عمل مبتكر للتجزئة المرئية يتغلب على قيود الحوسبة ذات الشبكة الثابتة وعدم توازن الفئات من خلال تعلم تمثيل "الحد الأدنى للرسم البياني" (graph minor) متكيف مع المهمة ومحاذٍ للحدود عبر عمليات التقليص والحذف المحددة بالمعلمات، مما يتيح فك تشفير دقيق وفعال لتجزئة الهياكل المتفرقة عالية الدقة.
تُعد LychSim إطار عمل محاكاة تفاعلي عالي التحكم مبني على محرك Unreal Engine 5، يعمل على جسر الفجوة بين أدوات الرسوميات المعقدة وأبحاث الرؤية الحاسوبية من خلال توفير واجهة برمجة تطبيقات Python مبسطة، ومسار بيانات إجرائي لتحديات متنوعة خارج نطاق التوزيع، وتكامل أصيل مع بروتوكول سياق النموذج (Model Context Protocol) لدعم التحسين في الحلقة المغلقة والاستدلال المنطقي للنماذج اللغوية الكبيرة الوكيلية.
تُعد OmniNFT إطار عمل جديد للتعلم التعزيزي للانتشار عبر الإنترنت والمدرك للنماذج، والذي يعزز التوليد المشترك للصوت والفيديو من خلال معالجة عدم الاتساق متعدد الأهداف، واختلال التوازن في التدرج، والتعيين الموحد للائتمان عبر التوجيه المتميز لكل نمط، والجراحة التدريجية للتدرج، وإعادة وزن الخسارة حسب المنطقة.
تقدم هذه الورقة بحثًا حول VECA (انتباه النواة المرن البصري)، وهي بنية محول رؤية (Vision Transformer) تحقق تعقيدًا حسابيًا خطيًا ومعالجة عالية الدقة وقابلة للتوسع عبر استبدال الانتباه الذاتي الشامل التربيعي بهيكل نواة-محيط فعال حيث تتواصل رموز الرقع (patch tokens) حصريًا من خلال مجموعة صغيرة متعلمة من تضمينات النواة.
تقترح الورقة البحثية AlphaGRPO، وهو إطار عمل يعزز قدرات التوليد والتحسين الذاتي التأملي للنماذج متعددة الوسائط الموحدة دون مرحلة بدء بارد عبر تطبيق تحسين السياسة النسبي المجموعي الموجه بمكافأة التحقق التفكيكية (DVReward) المبتكرة من أجل إشراف مستقر وقابل للتفسير.
تقدم هذه الورقة البحثية "Perception Deep Research"، وهو تحدٍ جديد للإدراك البصري في العالم المفتوح حيث يجب تحديد الأشياء عبر المعرفة الخارجية قبل التوطين، وتعالج هذا التحدي من خلال معيار WebEye وإطار العمل الوكيل Pixel-Searcher، الذي يُظهر أداءً رائدًا مفتوح المصدر في عمليات التوطين القائمة على البحث، والتجزئة، والأسئلة والأجوبة البصرية (VQA).
تتناول هذه الورقة ضعف موثوقية وكلاء استخدام الكمبيوتر في التفاعلات المعقدة ومنخفضة التكرار من خلال تقديم معيار CUActSpot ومسار لتخليق البيانات قائم على المُنظِّم (renderer)، واللذين مكنّا نموذجاً بـ 4 مليارات معلمة من التفوق على نماذج مفتوحة المصدر أكبر منه عبر مختلف أنماط واجهات المستخدم الرسومية (GUI).
تقدم هذه الورقة مجموعة بيانات الفهم البصري الجراحي (SurgVU)، وهي مجموعة واسعة النطاق من فيديوهات الجراحة بمساعدة الروبوت مع تسميات مصاحبة مصممة لتعزيز الأبحاث التأسيسية ومعالجة تحديات تعلم الآلة المتنوعة ضمن علوم البيانات الجراحية.