12446 ورقة بحثية
تقدم الورقة البحثية BEVCALIB، وهو نموذج تعلم عميق مبتكر يحقق أداءً رائدًا في معايرة ليدار-كاميرا من خلال دمج ميزات منظور عين الطائر من البيانات الخام واستخدام مُنتقي ميزات موجه هندسيًا ليتفوق بشكل كبير على النماذج المرجعية الحالية في دقة الإزاحة والدوران عبر مجموعات بيانات متعددة.
تقدم الورقة البحثية MWT-Diff، وهو إطار عمل مبتكر يدمج البيانات الوصفية، وتحويلات المويجات، والوعي الزمني في نموذج انتشار كامن لتوليد صور أقمار صناعية عالية الدقة من مدخلات منخفضة الدقة، مما يعزز الجودة الإدراكية ويحافظ على التفاصيل المكانية الحرجة لتطبيقات الاستشعار عن بعد.
تستعرض هذه الدراسة المسحية بشكل منهجي أكثر من 200 عمل بحثي حول تطبيقات التعلم العميق والذكاء الاصطناعي في المحاصيل والثروة السمكية والماشية، مغطيةً تقنيات تتراوح من التعلم الآلي التقليدي إلى نماذج الرؤية واللغة، مع تحليل تحديات التنفيذ، ومجموعات البيانات، والتوجهات المستقبلية مثل التكامل متعدد الوسائط والنشر عند الحافة.
تقدم هذه الورقة نظام تشغيل عن بُعد بالتحكم المشترك يعتمد على الرؤية، يستخدم كاميرا خارجية وتعلم الآلة لربط حركات معصم المشغل بأسلوب حدسي بذراع آلية لروبوت رباعي الأرجل، مع توظيف مخطط مسار لضمان تجنب الاصطدام في الوقت الفعلي في البيئات الخطرة.
تقدم هذه الورقة إطار عمل للتعلم العميق من المحاكاة إلى الواقع باستخدام شبكة عصبية تلافيفية تشبه بنية U-Net، تم تدريبها على بيانات Genesis الاصطناعية لتمكين الروبوتات رباعية الأرجل المزودة بأذرع من التنقل والإدراك والقبض بدقة على الأشياء من خلال المناورة الحركية.
تقترح هذه الورقة البحثية "أخذ عينات دمج الضجيج" (Noise Combination Sampling)، وهي طريقة مبتكرة تعمل على تخليق متجه ضجيج أمثل من فضاء جزئي للضجيج لدمج المعلومات الشرطية بشكل طبيعي في نماذج الانتشار، مما يؤدي إلى حل المشكلات العكسية الخطية بمتانة واستقرار فائقين دون الحاجة إلى ضبط المعلمات الفائقة خطوة بخطوة.
تقدم هذه الورقة البحثية "فك التشفير المقترن الاستباقي" (Speculative Coupled Decoding - SCD)، وهو إطار عمل خالٍ من التدريب وغير فاقد للمعلومات، يعمل على تعزيز "فك تشفير جاكوبي الاستباقي" (Speculative Jacobi Decoding) عبر تطبيق استراتيجية اقتران قائمة على نظرية المعلومات لتثبيت أخذ عينات الرموز المسودة، مما يحقق تسريعاً يصل إلى 4.2 ضعفاً و13.6 ضعفاً في توليد الصور والفيديو على التوالي دون تقليل الجودة.
تقترح الورقة البحثية ProSeg، وهو إطار نمذجة احتمالية يستخدم الاستدلال التبايني مع متغيرين كامنين لتحقيق تقسيم الآفات بشكل متنوع ومخصص للخبير في آن واحد، مما يعالج عدم اليقين التصويري والتباين بين المراقبين مع التفوق على الأساليب الحالية المتطورة في مجموعات بيانات سرطان البلعوم الأنفي وعقيدات الرئة.
تقدم الورقة البحثية InfiniteDiffusion، وهو خوارزمية لا تتطلب تدريباً تتيح توليد تضاريس في الوقت الفعلي وبشكل لانهائي ومتسق مع البذرة من خلال إعادة صياغة أخذ عينات الانتشار للجمع بين الدقة العالية للنماذج المتعلمة والمنفعة غير المحدودة للضجيج الإجرائي التقليدي.
يقدم InstructMoLE إطار عمل لخليط من الخبراء منخفضة الرتبة بتوجيه تعليماتي يستبدل التوجيه على مستوى الرمز بإشارة عالمية مشتقة من التعليمات لحل مشكلات التداخل بين المهام والتجزئة المكانية في توليد الصور متعدد الشروط، مما يحقق تحكماً تركيبياً وفاءً دلالياً فائقين مقارنة بالطرق الحالية.