12448 ورقة بحثية
تقيم هذه الدراسة أدوات محاكاة الصور مفتوحة المصدر المتنوعة لتقدير كيفية تأثير نماذج الكاميرات وظروف الإضاءة المختلفة على جودة الصور القمرية الاصطناعية الناتجة عن بيانات تضاريس حقيقية، بهدف تحسين موثوقية أنظمة الملاحة المستقلة للبعثات الكوكبية المستقبلية.
تقدم هذه الورقة البحثية KVBench، وهو معيار قائم على المنهج الدراسي يغطي ست مواد للمرحلة الثانوية لتقييم الدقة العلمية لنماذج تحويل النص إلى صورة، وتقترح إطار عمل KE-Check، وهو إطار مكون من مرحلتين مصمم لتحسين دقة المعرفة من خلال إثراء المطالبات المهيكل والتحسين الموجه بقوائم التحقق.
تقدم الورقة البحثية FILTR، وهو إطار عمل قائم على المحولات (transformer) قابل للتعلم يستخرج المعلومات الطوبولوجية من مشفرات ثلاثية الأبعاد مدربة مسبقاً ومجمدة للتنبؤ بمخططات الاستمرارية (persistence diagrams)، والذي تم تقييمه باستخدام معيار مرجعي اصطناعي جديد يسمى DONUT.
يُعد PoseFM إطار عمل جديد لتقدير المسافة البصرية أحادي العدسة، حيث يعيد صياغة تقدير وضعية الكاميرا من إطار إلى آخر كمسألة توليدية باستخدام مطابقة التدفق (Flow Matching)، مما يسمح بنمذجة الحركة الاحتمالية وتقدير عدم اليقين بشكل قوي.
يقترح NRGS شبكة MLP شرطية مدركة للتباين تعمل على تنظيم غاوس ثلاثي الأبعاد لتصحيح عدم الاتساق متعدد الرؤى في الميزات الدلالية ثنائية الأبعاد المرفوعة، مما يوفر حلاً فعالاً وقوياً لتقنية Gaussian Splatting الدلالية ثلاثية الأبعاد.
تقدم الورقة البحثية Holo360D، وهي مجموعة بيانات ضخمة ومبتكرة تتميز بتسلسلات بانورامية مستمرة مقترنة بهندسة ثلاثية الأبعاد عالية الجودة، والمصممة للتغلب على قيود المسارات المنفصلة والتشوهات الكروية في تطوير إعادة البناء ثلاثي الأبعاد البانورامي ذي التغذية الأمامية.
تقدم هذه الورقة MTT-Bench، وهو معيار مرجعي جديد مصمم لتقييم وضبط نماذج اللغات الكبيرة متعددة الوسائط (MLLMs) للتنبؤ بتسلسلات الهيمنة الاجتماعية في الفئران من خلال تحليل تسلسلات الفيديو السلوكية الخام.
تقدم هذه الورقة RAIL-BENCH، وهو أول مجموعة اختبار معيارية للإدراك في مجال السكك الحديدية، والتي تتميز بخمسة تحديات متخصصة — بما في ذلك كشف مسار السكة الحديد وكشف الأجسام — إلى جانب مجموعات بيانات منسقة ومقياس هندسي مبتكر يسمى LineAP لتمكين الأبحاث القابلة للتكرار في تشغيل القطارات الآلي.
تقترح هذه الورقة إطار عمل لتقطير المعرفة غير المتماثل يُمكّن نموذج "Vision Transformer" كطالب من تعلم تمثيلات قوية تجاه التشوهات عبر محاذاة سماته متعددة المستويات (العالمية، والقطع، والانتباه) مع سمات نموذج معلم مُدرب مسبقاً على معالجة صور نظيفة.
تُظهر هذه الورقة أن نماذج التعلم العميق في التصوير الطبي تستخدم سمات غير متينة وغير قابلة للتفسير لتعزيز الدقة القياسية، ولكن الاعتماد على هذه السمات يخلق مقايضة حيث يتحسن الأداء ضمن التوزيع مقابل التضحية بالمتانة تجاه تغيرات التوزيع.