12446 ورقة بحثية
تقدم الورقة البحثية **PushupBench**، وهي مجموعة بيانات فيديو طويلة جديدة مصممة لتقييم عد التكرارات في نماذج الرؤية واللغة (VLMs)، والتي تكشف أن النماذج الحالية تعاني في الاستنتاج الزمني ولكن يمكنها التحسن في فهم الفيديو العام من خلال الضبط الدقيق القائم على العد.
تقترح الورقة البحثية إطار عمل **DualStreamHybrid**، وهو إطار عمل ثنائي المسار غير متجانس يستخدم نماذج خلفية متخصصة لكل من صور RGB والتدفق البصري (ViT-Tiny وMobileNetV2 على التوالي)، وتُظهر أن استراتيجية الدمج المثلى للتعرف على الأفعال في الفيديو تختلف باختلاف حجم وتعقيد مجموعة البيانات.
تقدم هذه الورقة البحثية Sphere-Depth، وهو معيار مرجعي جديد صُمم لتقييم متانة نماذج تقدير العمق أحادي العدسة للصور المستطيلة المتساوية (equirectangular) ضد التغيرات غير المقصودة في وضعية الكاميرا، مما يكشف أن حتى النماذج المدركة للمجال الكروي تعاني من تدهور كبير في الأداء عند مواجهة مثل هذه الاضطرابات.
تقترح هذه الورقة إطار عمل يستخدم بيانات النسخ المكاني لتوليد تسميات لأنواع الخلايا وأقنعة نووية تلقائياً، مما يوفر بديلاً قابلاً للتوسع لعمليات التوسيم اليدوي المكلفة لتدريب نماذج التعلم العميق في تقسيم وتصنيف النوى.
لمعالجة أوجه القصور في مجموعات بيانات دخان حرائق الغابات الحالية، تقدم هذه الورقة البحثية **AusSmoke**، وهي مجموعة بيانات جديدة تعتمد على أستراليا، و**MultiNatSmoke**، وهي معيار دولي أكبر بكثير، ومتنوع جغرافياً، ومصنف بالكامل، صُمم لتحسين قدرة نماذج تقسيم الدخان المدعومة بالذكاء الاصطناعي على التعميم.
يُعد PhysLayer إطار عمل مبتكر يتيح تحريك الصور بشكل واقعي وموجه لغوياً عبر تفكيك المشاهد إلى طبقات قائمة على العمق وتطبيق محاكاة فيزيائية مدركة للعمق لتوليد حركة متماسكة زمنياً ومنطقية فيزيائياً دون الحاجة إلى إعادة بناء ثلاثية الأبعاد كاملة.
يُعد Talker-T2AV إطار عمل انتشار ذاتي الانحدار لتوليد الصوت والفيديو بشكل مشترك، وهو يحقق تماسكاً وكفاءة فائقتين عبر الوسائط من خلال استخدام عمود فقري مشترك للاستدلال الدلالي عالي المستوى وفك تشفير خاص بكل وسيط للتحسين منخفض المستوى.
تقدم الورقة البحثية Hallo-Live، وهو إطار عمل للبث المباشر في الوقت الفعلي لتوليد الصور الرمزية (Avatar) المشتركة للصوت والفيديو، والذي يحقق أداءً عالي السرعة ومنخفض التأخير من خلال الانتشار ثنائي المسار غير المتزامن باستخدام "انتباه التوسع المستقبلي" (Future-Expanding Attention) و"نموذج التوزيع الموجه بالتفضيل المتمحور حول الإنسان" (Human-Centric Preference-Guided DMD)، متفوقاً بشكل كبير على النماذج الحالية في كل من الكفاءة وجودة التوليد.
تُعد VDLF-Net بنية مبتكرة تدمج مشفرًا تلقائيًا تباينيًا مدمجًا مع عمود فقري لشبكة عصبية تلافيفية متعدد المقاييس وآلية دمج ميزات ذات بوابات "softmax" لتحقيق أداء فائق في كل من مهام التصنيف الخاضع للإشراف والتعلم من عينات قليلة على معايير CIFAR-100 وMini-ImageNet.
يُعد RaV-IDP إطار عمل مبتكر لمعالجة المستندات الذكية يضمن دقة الاستخراج من خلال إعادة بناء الكيانات المستخرجة إلى شكلها المرئي الأصلي لحساب درجة جودة قائمة على التأسيس وخالية من الملصقات، مما يؤدي إلى تفعيل آلية تراجع قائمة على الرؤية عند اكتشاف أي تباينات مع المستند المصدر.