12446 ورقة بحثية
تقترح هذه الورقة إطار عمل للتكيف غير الخاضع للإشراف مع مراعاة التوجيه، والذي يستفيد من بيانات الرنين المغناطيسي متعددة الأنماط للمصدر وتوجيه الميزات عبر الملصقات الزائفة لتحسين أداء تصنيف أورام الدماغ في نطاق صور T1 بعد حقن المادة التباينية المستهدف، مع معالجة ندرة التوصيف والتحولات الناتجة عن اختلاف المؤسسات.
تقدم الورقة البحثية DALPHIN، وهو أول معيار مفتوح متعدد المراكز لمساعدي الذكاء الاصطناعي في علم الأمراض الرقمي، والذي يقيم النماذج العامة ونماذج علم الأمراض المتخصصة مقابل 31 طبيب مسالك بولية عبر 130 تشخيصاً، ويجد أن PathChat+ يحقق أداءً بمستوى الخبراء في أربع من أصل ست مهام.
تقدم هذه الورقة CoVUBench، وهو أول إطار عمل مرجعي مصمم لتقييم فعالية وقدرة تعميم أساليب "إلغاء التعلم" (machine unlearning) لإزالة المحتوى البصري المحمي بحقوق الطبع والنشر من نماذج الرؤية واللغة الكبيرة مع الحفاظ على فائدتها العامة.
تُعد PriorNet إطار عمل موجهاً بالمعلومات المسبقة (prior-guided framework) يعمل على تعزيز تقدير التفاعل في فيديوهات الوجوه من خلال حقن معلومات مسبقة ذات صلة بالمهمة عبر مراحل المعالجة المسبقة، وتكييف النموذج، وتصميم الأهداف، وذلك لمعالجة تحديات مثل نقص الأدلة الوجهية ومحدودية البيانات المصنفة، محققةً بذلك أداءً هو الأفضل في فئتها عبر العديد من المعايير المرجعية.
تقترح هذه الورقة البحثية نموذج التدريب المسبق بالانتشار المقنع (DiMP)، وهو إطار عمل موحد للتعلم الذاتي للنماذج الديناميكية للسحب النقطية، يعمل على إلغاء تسرب الموقع المكاني-الزماني ويستوعب عدم اليقين في الحركة متعدد الأنماط من خلال دمج نمذجة الانتشار في كل من الاستدلال الموقعي وتعلم الحركة، مما يحقق تحسينات كبيرة في مهام تقسيم الأفعال اللاحقة.
تقدم هذه الورقة "Grounded Correspondence"، وهو إطار عمل خالٍ من المعلمات للتعلم المرتكز على الكائنات في الفيديو، يستبدل التنبؤ الزمني المتعلم والمكلف بالمطابقة ثنائية التجزئة الحتمية على ميزات ذاتية التوجيه مجمدة لتحقيق أداء تنافسي.
يقدم البحث OneTrackerV2، وهو إطار عمل موحد لتتبع الرؤية متعدد الوسائط يستخدم "Meta Merger" وبنية "Dual Mixture-of-Experts (DMoE)" لتمكين التدريب الفعال من طرف إلى طرف عبر وسائط متنوعة، محققاً أداءً هو الأفضل في فئته على معايير متعددة مع الحفاظ على المتانة وكفاءة الاستدلال.
تقدم هذه الورقة ReMem، وهو معيار جديد يعالج القضية الحرجة المتمثلة في نقص الحفظ الأولي في تقييمات نسيان النماذج اللغوية الكبيرة متعددة الوسائط (LVLM) من خلال ضمان التعلم التأسيسي القوي عبر توسيع البيانات الممنهج وأزواج الأسئلة والأجوبة المدركة للاستدلال، جنباً إلى جنب مع مقي مقياس التعرض (Exposure) الجديد لقياس محو المعلومات بدقة.
يُعد GeoTopoDiff إطار عمل انتشار رسومي مبتكر يعيد بناء البنى المجهرية المسامية ثلاثية الأبعاد واسعة النطاق من شرائح التصوير المقطعي المحوسب (CT) المتفرقة عن طريق نقل التعلم المسبق إلى فضاء حالة رسم بياني مختلط واستخدام أولوية رسم بياني جزئي مدركة للطوبولوجيا، مما يقلل بشكل كبير من أخطاء النقل المورفولوجية والطوبولوجية مقارنة بالطرق التقليدية القائمة على الفوكسل.
تقترح هذه الورقة إطار عمل متين للتكيف غير الخاضع للإشراف مع النطاق، يدمج التعلم بنقل المعرفة مع تباين متوسط المقياس القائم على فضاء هيلبرت لإعادة الإنتاج (RKHS-MMD) لمحاذاة نطاقات الصور الطبية للمصدر والهدف بفعالية، مما يؤدي إلى تحسين تعميم التصنيف بشكل كبير عبر مختلف المراكز والأجهزة مع تقليل الاعتماد على التوسيم اليدوي.