👁️ Category

cs.CV

12446 ورقة بحثية

💻 computer science

Lightweight and Production-Ready PDF Visual Element Parsing

تقدم هذه الورقة إطار عمل خفيف الوزن وجاهز للإنتاج لتحليل ملفات PDF، يستخدم الاستدلال المكاني، وتحليل التخطيط، والتشابه الدلالي للكشف بدقة عن العناصر المرئية وربطها بالتعليقات التوضيحية، مما يحسن بشكل كبير أداء استرجاع المعلومات المعزز متعدد الوسائط (RAG) مع تقليل زمن الاستجابة.

Meizhu Liu, Yassi Abbasi, Matthew Rowe, Michael Avendi, Paul Li2026-04-28
🤖 machine learning

MetaErr: Towards Predicting Error Patterns in Deep Neural Networks

تقترح الورقة البحثية MetaErr، وهو إطار عمل للتعلم التلوي (meta-learning) غير مرتبط ببنية محددة، مصمم للتنبؤ بما إذا كانت الشبكة العصبية العميقة الأساسية ستفشل في معالجة عينة بيانات معينة، مما يظهر فعاليته في تحسين التعلم شبه الموجه والتنبؤ بالأخطاء عبر مختلف معايير الرؤية الحاسوبية.

Varun Totakura, Shayok Chakraborty2026-04-28
🤖 machine learning

STAND: Semantic Anchoring Constraint with Dual-Granularity Disambiguation for Remote Sensing Image Change Captioning

تقترح الورقة البحثية إطار عمل STAND، وهو إطار لوصف التغيرات في صور الاستشعار عن بعد، والذي يعمل على حل الغموض تدريجياً في زاوية الرؤية، والمقياس، والمعرفة المسبقة من خلال تنظيم التمثيل الزمني، وإزالة الغموض المكاني ثنائي التدرج، وتثبيت المفاهيم الدلالية.

Yanpei Gong, Beichen Zhang, Hao Wang, Zhaobo Qi, Xinyan Liu, Yuanrong Xu, Ruiyang Gao, Weigang Zhang2026-04-28
💻 computer science

Learning from Noisy Prompts: Saliency-Guided Prompt Distillation for Robust Segmentation with SAM

تقدم الورقة البحثية إطار عمل SPD، وهو تقطير للمطالبات الموجه بالبروز (Saliency-Guided Prompt Distillation) يعمل على تعزيز نموذج "Segment Anything Model" (SAM) للتصوير الطبي من خلال استخدام أولويات البروز التشريحية واتساق الشرائح لتحويل المطالبات السريرية الضوضائية وغير الدقيقة إلى توجيه قوي يشبه توجيه الخبراء.

Jingxuan Kang, Ziqi Zhang, Shaoming Zheng, Shuang Li, Uday Bharat Patel, Alexander Harry Fitzhugh, Phillip Lung, Yusuf K (…)2026-04-28
💻 computer science

H-SemiS: Hierarchical Fusion of Semi and Self-Supervised Learning for Knee Osteoarthritis Severity Grading

يُعد H-SemiS إطار عمل هرمي شبه مُشرف يعمل على تحسين تصنيف شدة فصال الركبة من خلال تفكيك التصنيف متعدد الفئات إلى مهام فرعية ثنائية ودمج إعادة البناء ذاتي الإشراف التنافسي مع خلط الميزات المستوحى من الكم لتحسين استغلال البيانات غير المصنفة والتعامل مع عدم توازن الفئات.

Chandravardhan Singh Raghaw, Anushka Parwal, Shahid Shafi Dar, Prajakta Darade, Nagendra Kumar2026-04-28
🌀 nonlinear sciences

Physics-Informed Temporal U-Net for High-Fidelity Fluid Interpolation

تقترح هذه الورقة شبكة "U-Net" زمنية مستوحاة من الفيزياء تستخدم فقدًا إدراكيًا قائمًا على نموذج "VGG" وشرطًا حديًا مكافئًا مرجحًا زمنيًا لإعادة بناء ديناميكيات سوائل عالية الدقة ومحافظة على الاضطراب من ملاحظات زمنية متفرقة.

Eshwar R. A., Nevin Mathew Thomas, Nehal G, Farida M. Begam2026-04-28
📊 statistics

Hierarchical Spatio-Channel Clustering for Efficient Model Compression in Medical Image Analysis

تقترح هذه الورقة إطار عمل للضغط منخفض الرتبة مكاني-قنوي هرمي يعمل على تحسين كفاءة ودقة الشبكات العصبية التلافيفية (CNNs) لتحليل الصور الطبية عن طريق تقسيم خرائط الميزات إلى مناطق مكانية وتجميع القنوات بناءً على أنماط التنشيط المشترك المحلية قبل تطبيق تحليل القيم المفردة (SVD) المتكيف مع الرتبة.

Sisipho Hamlomo, Marcellin Atemkeng, Habte Tadesse Likassa, Blaise Ravelo, Thierry Bouwmans, Sébastien Lalléchère, Antoi (…)2026-04-28
🤖 machine learning

V-GRPO: Online Reinforcement Learning for Denoising Generative Models Is Easier than You Think

يقدم V-GRPO إطار عمل للتعلم التعزيزي عبر الإنترنت يتسم بالاستقرار والكفاءة لنماذج التوليد لإزالة الضجيج، وذلك من خلال دمج بدائل الاحتمالية القائمة على ELBO مع خوارزمية تحسين السياسة النسبية للمجموعات (GRPO)، محققاً أداءً هو الأفضل في فئته في مجال تخليق الصور من النصوص مع تسريع كبير مقارنة بالطرق الحالية.

Bingda Tang, Yuhui Zhang, Xiaohan Wang, Jiayuan Mao, Ludwig Schmidt, Serena Yeung-Levy2026-04-28
💻 computer science

Learn&Drop: Fast Learning of CNNs based on Layer Dropping

تقترح الورقة البحثية استراتيجية "Learn&Drop"، وهي استراتيجية تدريب مبتكرة تسرع تدريب الشبكات العصبية التلافيفية (CNNs) عن طريق تقليص حجم الشبكة ديناميكياً أثناء الانتشار الأمامي بناءً على درجات التعلم لكل طبقة، مما يقلل وقت التدريب بشكل كبير دون فقدان جوهري في الدقة.

Giorgio Cruciata, Luca Cruciata, Liliana Lo Presti, Jan Van Gemert, Marco La Cascia2026-04-28