12446 ورقة بحثية
تكشف هذه الورقة أن نماذج المحولات الرؤية المسبقة التدريب الحديثة تنتهك فرضية الموضعية من خلال إظهار "تسرب داخل الكائن" (الكناية البصرية)، مما يقوض موثوقية أساليب التفسير القائمة على الانتباه في الاستدلال القائم على الأجزاء، وتثبت أن نهجاً ذا مرحلتين يمكنه بفعالية تخفيف هذه المشكلة لتحسين اكتشاف الأجزاء المدفوع بالسمات.
تقترح الورقة البحثية "Prologue"، وهي طريقة تسد الفجوة بين إعادة البناء والتوليد في نماذج الصور ذات الترتيب الذاتي من خلال إدخال مجموعة منفصلة من الرموز (tokens) التي يتم تدريبها حصرياً على التوليد، مما يحسن جودة الصورة بشكل كبير (بتقليل gFID من 21.01 إلى 10.75 على ImageNet) دون المساس بدقة إعادة البناء.
تقدم هذه الورقة البحثية wAR-Tok، وهي طريقة تعمل على تحسين التوليد الذاتي الانحداري للصور المنفصلة من خلال دمج إشارة مطابقة مسبقة قائمة على تدفق تدرج واسرستاينين في تدريب المرمز (tokenizer)، مما يؤدي إلى محاذاة توزيع الرموز المتعلم مع النموذج الذاتي الانحداري المستهدف دون المساس بجودة إعادة البناء.
تقدم هذه الورقة إطاراً نظرياً مستقلاً عن النموذج لتقييم العلامات المائية القائمة على البذرة في نماذج الانتشار بناءً على الأمن والمتانة والدقة، وتقترح طريقة مبتكرة تسمى SSB تتيح التحكم الدقيق في هذه المقايضات دون الاعتماد على التقييمات التجريبية المكلفة.
تقدم هذه الورقة DynT2I-Eval، وهو إطار تقييم ديناميكي مؤتمت بالكامل يقلل من حدوث الإفراط في التخصيص وتلوث المعايير في نماذج تحويل النص إلى صورة من خلال توليد مطالبات هيكلية جديدة واستخدام نظام ترتيب عبر الإنترنت قوي لضمان تقييم أداء مستقر وعادل.
تقترح هذه الورقة إطار عمل للتفسير متعدد الوسائط يدمج تصنيف وتجزئة الأورام القائم على الشبكات العصبية التلافيفية (CNN) مع خرائط البروز البصري والنماذج اللغوية الكبيرة لتوليد تقارير تشخيصية بأسلوب إشعاعي قابلة للتفسير بشرياً لتحليل رنين أورام الدماغ، مما يعزز الشفافية والاعتماد السريري للذكاء الاصطناعي في التصوير الطبي.
تحدد هذه الورقة ظاهرة "منحدر الإنتروبيا" (Entropy Cliff) في التوليد البصري ذاتي الانحدار، حيث تؤدي مجموعات الرموز ثابتة الحجم إلى حفظ سريع، وتقترح التكميم بحجم مجموعة رموز متغير (VCQ) لزيادة سعة مجموعة الرموز ديناميكيًا على طول التسلسل، مما يحقق جودة توليد صور رائدة وهيكلية دلالية ناشئة دون تغيير إطار التدريب القياسي.
تقترح هذه الورقة آلية تضمين الانتباه العكسي التي تعزز البحث الدلالي في الفيديو في المشاهد المزدحمة من خلال التقاط المناطق الخلفية المغفلة بشكل صريح، مما يحسن أداء الاستدعاء دون الحاجة إلى تدريب إضافي.
تقدم هذه الورقة نظاماً تم نشره في المدار للكشف عن حرائق الغابات في بيئة محدودة الموارد على كوكبة من تسعة أقمار صناعية تعمل بالأشعة تحت الحمراء الحرارية، يستخدم التعلم الخاضع للإشراف الذاتي القائم على DenseMAE لتحقيق دقة فائقة وزمن استجابة للتنبيه يقل عن 10 دقائق، مع العمل ضمن حدود صارمة للنموذج تقل عن ميجابايت واحدة وللاستدلال تقل عن 150 مللي ثانية على صور أحادية النطاق غير معايرة.
تكشف هذه الورقة عن تسريب تقييمي كبير في عملية تفكيك الصور الجوهرية ناتج عن تقسيمات مجموعات البيانات على مستوى الإطارات، وتدعو إلى اعتماد التقسيم على مستوى المشهد كمعيار جديد، وتقدم نموذجاً مستنداً إلى الفيزياء مع عدم يقين قابل للفصل حسب المصدر يحقق أداءً تنافسياً مع تحديد وتصفية البكسلات ذات الخطأ العالي بفعالية.