12063 ورقة بحثية
تقدم هذه الورقة SE-CLIP، وهو إطار عمل شبه مُشرف يعزز نماذج الرؤية واللغة لتصنيف صور الاستشعار عن بُعد من خلال توظيف مسار ثنائي المراحل مع تنقيب تكراري متوازن للفئات للتغلب على ندرة التوسيم والتفوق على الأساليب الحالية في معايير UCM وNWPU.
تقترح الورقة البحثية إطار عمل SMART، وهو إطار موحد يستفيد من أوصاف الحركة المولدة بواسطة نماذج اللغات الكبيرة متعددة الوسائط (MLLM) ومهايئ زمني متعدد المقاييس لتعزيز التعرف المستمر على لغة الإشارة وتحديد مواضعها من خلال محاذاة فعالة بين الفيديو والنص في دفعات صغيرة وتحديد المواقع الزمنية المشتركة.
تقدم هذه الورقة البحثية PoseOFF، وهو تمثيل للتدفق البصري المرتكز على الوضعية يلتقط ديناميكيات الحركة الموضعية حول مفاصل الإنسان لتمكين التنبؤ بدقة وبزمن انتقال منخفض بالأفعال البشرية في فرق العمل بين الإنسان والروبوت دون التكلفة الحسابية لمعالجة الإطار الكامل.
تقدم هذه الورقة البحثية Video-IFBench، وهو معيار مرجعي شامل يضم 1.5 ألف عينة وتصنيفاً متنوعاً للتعليمات لتقييم القدرة غير المستكشفة كفايةً لنماذج اللغات الكبيرة متعددة الوسائط في اتباع القيود المعقدة والمحددة من قبل المستخدم في سيناريوهات فهم الفيديو، مما يكشف أن النماذج الحالية تعاني بشكل كبير مع التعليمات متعددة القيود والشرطية.
يُعد CrossMambaTuning إطار عمل جديد للضبط الدقيق الكفء للمعلمات، يدمج نماذج فضاء الحالة مع مُهايئ عبر الطبقات ثابت المقياس لالتقاط الاعتمادات المحلية والعالمية بشكل تآزري، محققاً أداءً رائدًا في ضغط الرؤية الآلية مع تقليل عبء المعلمات بنسبة 72% مقارنة بالطرق الحالية.
تقدم هذه الورقة البحثية V-Rubrics، وهو إطار عمل للتعلم المعزز يعمل على تعزيز الدقة البصرية لنماذج الرؤية واللغة من خلال تفكيك الاستجابات إلى قضايا ذرية لتقديم تقييم مهيكل بنظام الدرجات الجزئية عبر مجالات التأسيس البصري، والاستدلال، واتباع التعليمات، مما يتغلب بذلك على قيود مكافآت النتيجة القياسية.
تقترح هذه الورقة بنية "ترانسفورمر مزدوج" (Dual-Transformer) مبتكرة مع آلية "الانتباه المتقاطع" (Cross-Attention) تتفوق بشكل كبير على النماذج الرائدة في مجال التوصية بمشاهد الكاميرات المتعددة من خلال فصل ترميز التاريخ الزمني عن تقييم المشاهد المرشحة، محققةً معياراً جديداً بنسبة 56.60% في دقة (Precision@0.5)، ومظهرةً إمكانات قوية للتخصيص عالي الكفاءة في استهلاك البيانات لأنماط التحرير.
تقارن هذه الورقة بين انبعاث التسلسل ذاتي الانحدار مقابل مخرجات الكشف عبر الخرائط الحرارية لمتجهات المخططات الأرضية، حيث وجدت أن الكشف يتفوق عمومًا على الانبعاث في عمليات المسح الواقعية بينما يتفوق فك التشفير التسلسلي في الرسوم المتجهة النظيفة، مما يثبت في النهاية أن الدمج الحتمي لكلا النهجين يحقق أعلى دقة وأن تمثيل المخرجات يقل أهمية عما كان يُفترض سابقًا عند تطبيق وصفات تدريب المصالحة والمطابقة.
تتقصى هذه الورقة البحثية الانفصال التلقائي غير المفسر بين اللوحات البشرية وتلك المولدة بواسطة الذكاء الاصطناعي ضمن فضاء تضمين CLIP، كاشفةً من خلال تقنيات التفسير والانعكاس أن هذا التمايز يعتمد على بنيات صورية متعددة المقاييس دقيقة وغير محسوسة بدلاً من السمات البصرية الواضحة، مما يسلط الض الضوء على تباعد جوهري بين الإدراك البصري الاصطنا_ي والبشري.
تقدم هذه الورقة RefineCut، وهو مخطط مفتوح الأوزان لتحرير الفيديو القابل للتنفيذ يستفيد من مُحقِّق حتمي لاستخلاص إصلاحات متعددة المعلمين وتحسين التفضيلات، مما يمكّن نموذجاً بحجم 8 مليار بارامتر من التفوق على المعلمين الرائدين في معيار مرجعي جديد دون الحاجة إلى استدعاء المعلمين أثناء الاستدلال.