12446 ورقة بحثية
تقترح هذه الورقة البحثية إطار عمل mKG-RAG، وهو إطار عمل جديد للتوليد المعزز بالاسترجاع يستفيد من الرسوم البيانية للمعرفة متعددة الوسائط واستراتيجية استرجاع ثنائية المرحلة للتغلب على قيود الطرق القائمة على المستندات غير المهيكلة، محققاً أداءً هو الأفضل في حالته في مجال الإجابة على الأسئلة البصرية كثيفة المعرفة.
تقدم هذه الورقة SmoothSA، وهي طريقة تعزز التعلم المرتكز على الأشياء من خلال تسخين الاستعلامات ذات البداية الباردة مسبقاً باستخدام سمات المدخلات، والتمييز بين تحويلات التجميع بين الإطارات الأولية واللاحقة لتحسين اكتشاف الأشياء، والتعرف عليها، والاستدلال البصري في كل من الصور ومقاطع الفيديو.
تقترح هذه الورقة طريقة تحسين ثنائية المستوى باستخدام مُقدّر العبور المباشر (Straight-Through Estimator) والتنظيم التبايني المتعلم لتصميم أنماط إضاءة ثنائية محددة للمهام في التصوير أحادي البكسل، مما يظهر أداء إعادة بناء فائقاً في سيناريوهات نقص البيانات ونقص أخذ العينات الشديد.
تقدم الورقة البحثية Vision SR1، وهو إطار عمل للتعلم التعزيزي ذاتي المكافأة مكون من ثلاث مراحل يقوم بتفكيك الاستدلال إلى مكونات بصرية ولغوية للتخفيف من الهلوسة البصرية وتقليل الاعتماد على الاختصارات اللغوية في النماذج اللغوية البصرية دون الحاجة إلى إشراف بصري خارجي أو عبء إضافي على وحدة معالجة الرسومات.
تقدم هذه الورقة EMCompress، وهو إطار عمل مستوحى من الإدراك يصيغ ضغط الوسائط المتعددة الداخلي (EMC) كتحول هيكلي يحافظ على ثبات الإجابة لحل التوتر بين أخذ العينات الإطارية الثابتة والدلالات الزمنية دقيقة التفاصيل في الاستنتاج للفيديوهات الطويلة، محققاً مكاسب أداء كبيرة في نماذج الفيديو اللغوية الكبيرة (Video-LLMs).
تقدم الورقة البحثية BIR-Adapter، وهو محول انتشار (diffusion adapter) فعال في المعلمات وقابل للتوصيل والتشغيل، يحقق أداءً تنافسيًا في استعادة الصور العمياء بمعلمات مدربة أقل بما يصل إلى 36 ضعفًا من الطرق المتطورة، وذلك عبر الاستفادة من التمثيلات المعلوماتية من النماذج مسبقة التدريب وتوظيف آلية توجيه أخذ العينات للحد من الهلوسة.
يُعد AnimalBooth إطار عمل مبتكر يعزز توليد صور الحيوانات المخصصة من خلال دمج شبكة حيوانية (Animal Net)، وانتباه تكيفي، وتكامل ميزات محكوم بالتردد للحد من انحراف الهوية وتحسين الدقة والجودة الإدراكية، مدعوماً بمجموعة بيانات AnimalBench الجديدة عالية الدقة والمعدة خصيصاً لهذا الغرض.
تتقصى هذه الورقة البحثية الدوافع الكامنة وراء التعميم التركيبي في النماذج التوليدية البصرية، حيث تحدد أن التدريب على التوزيعات المستمرة وتوفير تكييف معلوماتي هما عاملان رئيسيان، وتُبين أن تعزيز النماذج المنفصلة بهدف إضافي مستمر قائم على نموذج (JEPA) يحسن قدرتها على توليد تركيبات مفاهيمية جديدة.
تُظهر هذه الدراسة أن DINOv3 يقدم أفضل أداء لتصنيف صور الأشعة السينية للصدر للبالغين عند استخدامه مع هيكل ConvNeXt-B بدقة 512x512، لا سيما في حالات الاعتلالات الصغيرة أو تلك المعتمدة على الحدود، رغم أن فوائده لا تمتد إلى مجموعات الأطفال أو الدقة الأعلى بشكل ملحوظ.
تقدم هذه الورقة البحثية ImmerIris، وهي أكبر مجموعة بيانات عامة لقزحية العين حتى الآن تم جمعها عبر شاشات العرض المثبتة على الرأس للتطبيقات الغامرة، وتقترح نموذج تعرّف جديداً خالياً من المعايرة يتفوق على الطرق التقليدية من خلال التعلم المباشر من صور العين ذات المحور المنحرف والمعدلة بحد أدنى.