12446 ورقة بحثية
تقترح هذه الورقة استراتيجية تدريب تدريجية متعددة المراحل لتطوير نموذج وصف صور متخصص في مجال تكنولوجيا المعلومات والاتصالات بـ 7 مليارات معلمة، والذي يستفيد من البيانات المُخلّقة والموسومة من قبل الخبراء ليتفوق بشكل كبير على النماذج الأكبر والأكثر تطوراً في استخراج النصوص المنطقية من الصور التقنية.
تقدم هذه الورقة "مُنتقي الإطارات القابل للتعلم" (LFS)، وهي طريقة تستفيد من التغذية الراجعة للتعليقات الوصفية من النماذج اللغوية الكبيرة للفيديو (video-LLMs) المجمدة لاختيار إطارات متنوعة زمنياً وذات صلة بالأحداث بشكل ديناميكي لتحسين التعليق الوصفى للفيديو، مع اقتراح أيضاً معيار ICH-CC المتوافق مع البشر لتقييم فهم الفيديو التفصيلي بشكل أفضل.
يُعد FRISM إطار عمل لحقن الاستدلال دقيق الحبيبات يعزز نماذج الرؤية واللغة عبر تفكيك متجهات مهام نماذج الاستدلال الكبيرة بواسطة تحليل القيم المفردة وضبط معاملات قياس الفضاء الجزئي بشكل تكيفي، مما يؤدي بفعالية إلى تحسين قدرات الاستدلال مع الحفاظ على الأداء البصري.
تقدم هذه المساهمة "الاستدلال الإحصائي للعضوية" (SMI)، وهو إطار تدقيق خالٍ من التدريب يتغلب على القيود الجوهرية والأعباء الحسابية لهجمات استدلال العضوية التقليدية، وذلك عبر إعادة صياغة التحقق من نسيان النموذج كمسألة لتقدير نسب خليط غير الأعضاء، مما يتيح تقييماً للأداء أكثر موثوقية وكفاءة مع ضمانات نظرية.
تقدم هذه الورقة NeuroKalman، وهو إطار عمل معزز بالذاكرة يخفف من تراكم الأخطاء في الملاحة البصرية اللغوية للطائرات بدون طيار عبر إعادة صياغة التنبؤ المتسلسل كمسألة تقدير بايزي تكراري، مما يفصل بفعالية بين التنبؤ القبلي القائم على الحركة وتصحيح الاحتمالية المدفوع بالملاحظة لتنظيم انحراف الحالة.
تقدم هذه الورقة البحثية "Visual Para-Thinker"، وهو أول إطار عمل للتفكير المتوازي للنماذج اللغوية الكبيرة متعددة الوسائط، والذي يتغلب على قيود الاستكشاف في التوسع الرأسي التقليدي من خلال الاستفادة من التقسيم البصري، وPa-Attention، وLPRoPE لتحقيق استيعاب بصري متنوع وفعال.
تقدم الورقة البحثية إطار عمل MARVL، وهو إطار توجيه متعدد المراحل يعمل على الضبط الدقيق لنماذج الرؤية واللغة من أجل تحقيق الاتساق المكاني والدلالي لتوليد مكافآت كثيفة تلقائياً، مما يحسن بشكل كبير من كفاءة العينات والمتانة في مهام التعلم التعزيزي للروبوتات مقارنة بالطرق الحالية.
يُعد UniE2F إطار عمل انتشار موحداً يستفيد من نماذج الفيديو التأسيسية مسبقة التدريب والتوجيه المتبقي بين الإطارات القائم على الأحداث لإعادة بناء إطارات فيديو عالية الدقة من بيانات أحداث متفرقة، مع تمكين استيفاء إطارات الفيديو والتنبؤ بها بنمط الصفر المعرف (zero-shot) أيضاً.
تقترح هذه الورقة طريقة قائمة على شبكات الخصومة التوليدية (GAN) القائمة على التناقض الواقعي لنسب الصور الطبية، والتي تولد حالات تناقض واقعي معقولة لتقديم رؤى قائمة على القياس وتفسيرية ذاتية لقرارات التصنيف، مما يعالج أوجه القصور في تقنيات التصور التمييزية الحالية.
تقترح الورقة البحثية إطار عمل LAMP، وهو إطار عمل مبتكر يحقق تتبعًا قويًا لحركة البشر ثلاثية الأبعاد في بيئات الكاميرات المتعددة ذات المنظور الشخصي الديناميكي، وذلك من خلال توحيد عمليات الكشف ثنائية الأبعاد أولاً في إطار عالمي متري ثلاثي الأبعاد باستخدام حركة الجهاز المعروفة، ثم ملاءمة محول مكاني-زماني لهذه السحابة الشعاعية ثلاثية الأبعاد، مما يعمل بفعالية على فصل حركة المراقب عن حركة الهدف للتغلب على تحديات مثل الحركة الذاتية الشديدة والانسدادات.