12446 ورقة بحثية
تقدم الورقة البحثية CA-IDD، وهو إطار عمل جديد لتبديل الوجوه يعتمد على الانتشار ويستخدم مدخلات متعددة الوسائط (الهوية، ونظرة العين، وتقسيم الوجه) موجهة عبر الانتباه المتقاطع لتحقيق تفوق في الحفاظ على الهوية والواقعية البصرية مقارنة بالأساليب القائمة على شبكات الخصومة التوليدية (GANs).
تقترح هذه الورقة إطار عمل متين للتسجيل القائم على المعالم يدمج التقسيم المعتمد على شبكة U-Net مع خوارزميات التسجيل الدقيق المقارنة (لا سيما BCPD-plus-plus) لتحقيق دمج دون المليمتر لصور SPECT MPI وصور CTA، مما يتيح تحديد الموقع الدقيق لنقص تروية عضلة القلب والتقييم الوظيفي للآفات التاجية.
تقدم هذه الورقة DiGSeg، وهو إطار عمل يعيد توظيف نماذج الانتشار مسبقة التدريب إلى متعلم تقسيم موحد وعام قادر على تحقيق أداء رائد في كل من مهام التقسيم القياسية ومهام المفردات المفتوحة عبر مجالات متنوعة دون الحاجة إلى تغييرات هيكلية خاصة بكل مجال.
يقدم CF-VLA إطار عمل ثنائي المرحلة من الخشن إلى الناعم يحول ضجيج غاوس غير المعلوماتي إلى تهيئة فعل مهيكلة تليها عملية صقل أحادية الخطوة، مما يحسن بشكل كبير من مقايضة الكفاءة والأداء لسياسات الرؤية واللغة والعمل القائمة على التدفق ويحقق معدلات نجاح رائدة للروبوتات الحقيقية مع تقليل زمن انتقال أخذ العينات بشكل جذري.
يُعد NeuroClaw إطار عمل متعدد الوكلاء متخصصاً في مجال محدد، يُمكّن من إجراء أبحاث التصوير العصبي القابلة للتنفيذ والتكرار من خلال المعالجة المباشرة للبيانات الخام عبر أنماط غير متجانسة، وذلك عبر تسلسل هرمي ثلاثي المستويات للوكلاء وإدارة قوية للبيئة، كما تم التحقق منه بواسطة معيار NeuroBench.
إنّ WildLIFT هو إطار عمل حوسبي يحوّل فيديوهات الطائرات بدون طيار أحادية العدسة إلى تمثيلات ثلاثية الأبعاد مهيكلة مع تجزئة مثالية للنماذج ذات المفردات المفتوحة، مما يتيح الكشف والتتبع ثلاثي الأبعاد المستقل عن نوع الأنواع، والتحليل الكمي لسلوك الحياة البرية وديناميكيات أعدادها، مع تقليل جهد التوسيم اليدوي بشكل كبير.
يُعد DiffuSAM إطار عمل لتجزئة الصور الطبية بدون الحاجة إلى مطالبات، حيث يقوم بتكييف نموذج SAM2 عبر تخليق تضمينات شبيهة بالأقنعة من خلال نموذج انتشار خفيف الوزن مشروط بالاتساق المكاني، مما يتيح تكيف النطاق بفعالية في حالات التعلم من أمثلة قليلة أو التكيف دون وجود مصدر، وذلك دون الحاجة إلى مطالبات من المستخدم أو ضبط دقيق مكثف.
يقدم Tuna-2 نموذجاً موحداً أصيلاً متعدد الوسائط يستبدل المشفرات الرؤيوية سابقة التدريب بتضمينات بكسلية مباشرة، محققاً أداءً هو الأفضل في فئته في كل من الفهم والتوليد البصري مع إثبات أن التعلم في فضاء البكسل من طرف إلى طرف هو مسار قابل للتوسع نحو تمثيلات بصرية أقوى.
يُعد V-MAGE إطار تقييم مبتكر قائم على الألعاب يستخدم خمس ألعاب فيديو مختلفة ونظام تصنيف ديناميكي يعتمد على نظام ELO لتقييم قدرات الاستنتاج البصري التفاعلي واتخاذ القرار لنماذج اللغات الكبيرة متعددة الوسائط (MLLMs) بشكل منهجي في البيئات المعقدة ذات الفضاء المستمر.
تقترح هذه الورقة نظام هبوط اضطراري للطائرات بدون طيار يعتمد على الرؤية ويكون مدركاً للمخاطر في البيئات الحضرية المعقدة، وذلك باستخدام التجزئة الدلالية ورسم خرائط المخاطر الديناميكية لتحديد مناطق الهبوط الآمنة وسط العوائق المتحركة وتغيرات الإضاءة، محققةً معدلات نجاح تتجاوز 90% في سيناريوهات من الواقع الفعلي.