12446 ورقة بحثية
تقدم هذه الورقة LVLM-VA، وهي طريقة مبتكرة تسخر نموذج لغة رؤية لغوي كبير لمحاذاة نماذج رؤية صغيرة متخصصة في مهام معينة مع المعرفة البشرية في المجال عبر ترجمة سلوك النموذج إلى لغة طبيعية ورسم خرائط للمواصفات البشرية إلى انتقادات على مستوى الصورة، مما يقلل الاعتماد على الارتباطات الزائفة دون الحاجة إلى تعليقات دقيقة التفاصيل.
تقدم الورقة البحثية LangPrecip، وهو إطار عمل متعدد الوسائط مدرك للغة يستفيد من النصوص الأرصادية كقيود حركة دلالية ضمن نموذج التدفق المصحح (Rectified Flow) لتحسين التنبؤ قصير المدى بهطول الأمطار، مدعوماً بمجموعة بيانات جديدة بمقياس 160 ألف، ويُظهر مكاسب أداء كبيرة مقارنة بأحدث الأساليب المتبعة.
تقترح الورقة البحثية إطار عمل GRACE، وهو إطار عمل مبتكر يوحد بين تقطير المعرفة والتدريب الواعي بالكمية تحت مبدأ عنق الزجاجة المعلوماتي لتمكين نماذج الرؤية واللغة من فئة INT4 عالية الأداء والفعالية، والتي تتفوق بشكل كبير على طرق الكمّنة الحالية مع مضاهاة أداء المعلم كامل الدقة تقريباً.
يقدم VideoGPA إطار عمل ذاتي الإشراف وكفؤ في استهلاك البيانات، يقوم بتقطير الأولويات الهندسية من النماذج التأسيسية إلى إشارات تفضيل كثيفة لتوجيه نماذج الانتشار بالفيديو عبر تحسين التفضيل المباشر، مما يعزز بشكل كبير الاتساق الهيكلي ثلاثي الأبعاد، والاستقرار الزمني، وتماسك الحركة دون الحاجة إلى تعليقات توضيحية بشرية.
تقدم الورقة البحثية 4RC، وهو إطار عمل موحد يعمل بالتغذية الأمامية ويعتمد نموذج "التشفير لمرة واحدة، والاستعلام في أي وقت وفي أي مكان" لإعادة بناء الهندسة والحركة رباعية الأبعاد الكثيفة من فيديوهات أحادية العدسة، متفوقاً بذلك على الأساليب الحالية عبر مهام متنوعة.
تقدم الورقة البحثية IRIS، وهي طريقة مبتكرة لا تتطلب تدريباً تستفيد من بيانات تتبع حركة العين في الوقت الفعلي لحل حالات الغموض في الأسئلة والأجوبة البصرية مفتوحة النهايات، مما يحسن بشكل كبير دقة نماذج اللغة والرؤية الكبيرة في الاستعلامات الغامضة مع الحفاظ على الأداء في الاستعلامات غير الغامضة.
تقدم هذه الورقة البحثية ScribbleEdit، وهي مجموعة بيانات اصطناعية واسعة النطاق تجمع بين التعليمات باللغة الطبيعية والرسومات الحرة (scribbles) لتدريب وتحسين نماذج تحرير الصور متعددة الوسائط، مما يمكنها من تحقيق تحكم مكاني ودلالي دقيق تعجز النماذج الجاهزة الحالية عن بلوغه.
تقدم الورقة البحثية SCOUT، وهو محول متعدد الوسائط مدرك للسياق الدلالي يدمج الأنماط النسيجية المحلية، وسياق الشريحة الكاملة، والمفاهيم التشخيصية التي أعدها الخبراء لإنشاء تقارير باثولوجية متماسكة وذات أساس سريري، محققاً أداءً هو الأفضل في فئته عبر مجموعات بيانات متعددة.
تقدم الورقة البحثية "سلسلة الأدلة" (Chain of Evidence - CoE)، وهو إطار عمل غير مرتبط بنوع محدد من أدوات الاسترجاع، يستفيد من نماذج الرؤية واللغة لتمكين الإسناد البصري على مستوى البكسل في عملية التوليد المعزز بالاسترجاع التكراري، مما يتغلب على قيود التحليل النصي فقط عبر التفكير المباشر في لقطات الشاشة للمستندات لتوفير استشهادات دقيقة لمربعات الإحاطة والحفاظ على معلومات التخطيط البصري الأساسية.
تتناول هذه الورقة البحثية عنق الزجاجة في عرض النطاق الترددي الإدراكي لنماذج الرؤية واللغة من خلال صياغة الاستدلال البصري النشط كمسألة تصميم تجريبي أمثل بايزي متسلسل، مقترحةً استراتيجية استدلال مرنة وخالية من التدريب توازن ديناميكيًا بين التغطية المكانية والدقة لتعزيز الأداء بشكل كبير في اختبارات القياس ذات مستوى الجيجابكسل.