12446 ورقة بحثية
تقترح هذه الورقة CUE، وهي طريقة توسيع متعددة الملصقات واعية بالمفاهيم تخفف من ارتباك المفاهيم في التعلم طويل الذيل عبر دمج الإشارات البصرية على مستوى المثيل من CLIP والإشارات الدلالية على مستوى الفئة من النماذج اللغوية الكبيرة (LLMs) في إطار عمل متعدد الملصقات للحفاظ على العلاقات بين الفئات وتحسين القدرة على التمييز.
تتحدى هذه الورقة معايير اختيار النماذج التقليدية لنماذج الرؤية واللغة من خلال إثبات أن التشابه الهيكلي بين وسائط الرؤية واللغة، والذي يُقاس عبر مسافة "غروموف-واسرشتاين"، يعد مؤشراً أفضل لأداء المحاذاة مقارنة بحجم المشفر أو دقة التعلم الصفري.
تقدم هذه الورقة البحثية "تلاشي الخطية المتوازية" (Colinearity-Decay - CD)، وهو منظم هيكلي غير جراحي يخفف من القيم المتطرفة الضارة للتنشيط في نماذج "Vision Transformers" عبر معاقبة المحاذاة الضارة بين المصفوفات، مما يحسن بشكل كبير دقة التكميم منخفض البت مع الحفاظ على أداء الدقة الكاملة دون أي عبء إضافي أثناء وقت الاستدلال.
تقترح الورقة البحثية إطار عمل "الاستدعاء للتنبؤ" (Recall to Predict)، وهو إطار عمل قابل للتفاضل من طرف إلى طرف يعزز قابلية تفسير دقة التنبؤ بالحركة من خلال ترسيخ التنبؤات في "بنك حركة" (motion bank) مُتعلم تباينياً يتكون من مسارات قابلة للتحقيق فيزيائياً، والتي يتم استردادها ديناميكياً عبر "طبقة استرداد المرتكزات" (Anchor Retrieval Layer) مبتكرة ويتم تنقيحها بواسطة فك تشفير متخصص للقضاء على الاستعلامات الكامنة الغامضة مع تحقيق أداء تنافسي متعدد الأنماط على مجموعتي بيانات Argoverse 2 وWaymo Open Motion.
قيمت أول مسابقة SF20K في مؤتمر ICCV 2025 اثنين وعشرين فريقاً في مجال الإجابة على الأسئلة المتعلقة بالأفلام القصيرة ذات النهايات المفتوحة، مما كشف أن المعالجة المدركة للسرد والاختيار الفعال للمعلومات أكثر أهمية من القدرة الخام للنماذج، رغم استمرار وجود فجوة كبيرة في الأداء بين الأنظمة الاصطناعية الحالية والفهم البشري.
تقترح الورقة البحثية RADMI، وهي طريقة فعالة حاسبياً وذات تمريرة واحدة، لتقدير اليقين المعرفي في مهام التنبؤ الكثيف عبر قياس المعلومات المتبادلة بين طبقات فك التشفير المتتالية، محققةً بذلك ارتباطاً فائقاً مع يقين المجموعات العميقة مع الحفاظ على الدقة المكانية دون الحاجة إلى تعديلات هيكلية.
تقدم الورقة البحثية "Omni-Encoder"، وهو هيكل "Transformer" موحد يقوم بدمج الإشارات البصرية والسمعية بشكل مشترك عند معدل 25 إطاراً في الثانية بشكل متماثل للتغلب على قيود المشفرات الخاصة بكل نمط، مما يتيح إدراكاً كلياً شبيهًا بالإدراك البشري للحركة المستمرة ويحسن الأداء بشكل كبير في المهام البصرية دقيقة التفاصيل مع الحفاظ على مستويات تنافسية في المعايير المرجعية السمعية البصرية.
تقدم الورقة البحثية HyCAS، وهو إطار عمل دفاعي تنافسي مبتكر يوحد بين التقييس الطيفي الحتمي وآليات الانتباه والإسقاط العشوائية لتقليص الفجوة بين متانة L2 المعتمدة ومتانة L∞ التجريبية في آن واحد، مع الحفاظ على قدرة تعميم قوية عبر مختلف معايير التصوير القياسية.
تقترح هذه الورقة طريقة قوية لتقدير المصفوفة الأساسية من صورة واحدة مشوشة بسبب الحركة، وذلك عبر إنشاء مفرادات بين الفترات الزمنية داخل نافذة التعرض، ومعالجة غموض اتجاه الوقت الفريد ودمج قياسات عدم اليقين لتمكين استنتاج حركة الكاميرا ثلاثية الأبعاد وتجزئة الحركة اللاحقة.
تقترح هذه الورقة إطار عمل موحداً لتقطير المعرفة عبر المجالات يستفيد من نموذج معلم مشترك مُدرب على مجموعات بيانات طبية غير متجانسة متعددة لتعزيز أداء ومتانة وتعميم نموذج طالب مخصص لمهمة معينة عبر مهام التجزئة والتصنيف وكشف الأشياء.