12446 ورقة بحثية
تقدم هذه الورقة نهجاً فعالاً من حيث التكلفة، يعتمد على النماذج اللغوية الكبيرة (LLM) باستخدام تقنية "سلسلة الأفكار" (Chain-of-Thought) لتوليد تسميات لجودة الصور ترتبط بالسلوك البشري على منصة ميركاري (Mercari) للتجارة الإلكترونية، مما يؤدي في النهاية إلى نمو كبير في المبيعات من خلال تحسين ملاءمة البحث وقابلية التفسير.
تقترح هذه الورقة البحثية "المراجع العالمي الاتحادي" (FedGR)، وهي طريقة مبتكرة تستفيد من الذاكرة البطيئة المتأصلة في النموذج العالمي تجاه الملصقات الصاخبة لتصحيح ضجيج الملصقات وتنظيم التدريب المحلي بشكل تعاوني، مما يحقق متانة فائقة ضد ضجيج الملصقات غير المتجانس في التعلم الاتحادي مقارنة بالنماذج المرجعية الرائدة.
تقدم هذه الورقة البحثية D3DR، وهي طريقة تعتمد على التعلم الصفري (zero-shot) تستفيد من معرفة الإضاءة الضمنية لنماذج الانتشار مسبقة التدريب وتقنية تخصيص مبتكرة لإدراج وإعادة إضاءة كائنات "Gaussian Splatting" ثلاثية الأبعاد في المشاهد بسلاسة، مما يحسن بشكل كبير من الاتساق البصري وجودة إعادة الإضاءة.
تقدم الورقة البحثية SW-Guidance، وهي طريقة خالية من التدريب تعمل على تعزيز توليد الصور المشروط باللون عبر تعديل عملية أخذ عينات الانتشار باستخدام مسافة "سلايسد وارس " (Sliced Wasserstein distance) لضمان مطابقة الصور المولدة للوحة ألوان مرجعية وفي الوقت ذاته الحفاظ على التماسك الدلالي مع النص الموجه.
تقدم هذه الورقة البحثية DiffMI، وهو هجوم قلب نموذج (model inversion attack) جديد لا يتطلب تدريباً، يستفيد من نماذج الانتشار (diffusion models) لإعادة بناء الهويات الوجهية غير المرئية من التضمينات (embeddings) بكفاءة وأمانة، متفوقاً بشكل كبير على الأساليب الحالية القائمة على شبكات الخصومة التوليدية (GANs) في كل من معدل النجاح والقدرة على التكيف.
يُعد Sparse VideoGen2 (SVG2) إطار عمل خالٍ من التدريب يعمل على تسريع توليد الفيديو من خلال إدخال التبديل المدرك دلالياً لتجميع وإعادة ترتيب الرموز بناءً على التشابه الدلالي، مما يؤدي إلى تحسين تحديد الرموز الحرجة وتمكين الحوسبة الفعالة لوحدات معالجة الرسومات لتحقيق تسريع كبير مع الحفاظ على جودة توليد عالية.
تقدم هذه الورقة البحثية "تتبع مخطط التفكير" (TGT)، وهو إطار عمل لتوسيع نطاق وقت الاختبار يعزز توليد تقارير الأشعة السينية للصدر في النماذج اللغوية البصرية المجمدة من خلال دمج الأولويات الطبية المهيكلة وميزانية استدلال ديناميكية لتوجيه الاستدلال المتماسك الخاص بالأعضاء دون الحاجة إلى تدريب إضافي.
تتحقق هذه الورقة من فعالية هجوم "التحفيز المتقاطع" (CroPA) على نماذج الرؤية واللغة الكبيرة من خلال دراسة قابلية التكرار، وتقترح ثلاثة تحسينات رئيسية — استراتيجية تهيئة مبتكرة، واضطرابات عالمية لقابلية النقل عبر الصور، ودالة فقدان مستهدفة للانتباه — والتي تعمل مجتمعة على تحسين معدلات نجاح الهجوم العدائي وقابلية النقل عبر بنيات نماذج الرؤية واللغة المتنوعة.
تقوم هذه الورقة البحثية بتقييم نماذج التأسيس متعددة الوسائط الرائدة مثل GPT-4o في مهام الرؤية الحاسوبية القياسية باستخدام إطار عمل مبتكر لتسلسل الأوامر (prompt-chaining) لتكشف أنها، بينما تعمل كنماذج عامة محترمة ذات فهم دلالي قوي، إلا أنها لا تزال تتخلف عن النماذج المتخصصة في المهام الهندسية وتظهر أنماط فشل محددة.
تقترح هذه الورقة طريقة "الشكل من القالب" (Shape-from-Template) غير خاضعة للإشراف، والتي تستفيد من الملاحظات الصورية وقيود عدم قابلية الشبكة للتمدد لتحقيق سرعات إعادة بناء أسرع بـ 400 مرة وأداء فائق في التعامل مع حالات الحجب الشديدة والتفاصيل الدقيقة مقارنة بالنهج الحالية المتطورة.