12452 ورقة بحثية
تقدم هذه الورقة GraphLeap، وهو إطار عمل لإنشاء الرسوم البيانية والالتفاف المنفصل الذي يتيح المعالجة المتزامنة للتغلب على عنق الزجاجة الحسابي في الشبكات العصبية الرسومية للرؤية، والذي تم استغلاله بعد ذلك لبناء أول مسرع FPGA متكامل (end-to-end) يحقق تسريعًا يصل إلى 95.7 ضعفًا مقارنة بوحدات المعالجة المركزية و8.5 ضعفًا مقارنة بوحدات معالجة الرسومات.
تقدم هذه الورقة إطار عمل "ترانسفورمر رؤية" (Vision Transformer) قابلاً للتفسير يدمج المعالجة المسبقة المعززة بالتباين، واستراتيجيات التدريب المتقدمة، والتصور القائم على الانتباه لتحقيق دقة رائدة بلغت 99.29% في التصنيف الآلي لأورام الدماغ إلى أربع فئات من صور الرنين المغناطيسي.
تقدم هذه الورقة نتائج المعايير المرجعية ونظرة عامة على المنهجية الخاصة بتحدي NTIRE 2026 لرفع دقة الصور بالأشعة تحت الحمراء للاستشعار عن بعد، والذي شاركت فيه 13 فرقًا للتنافس على استعادة صور الأشعة تحت الحمراء عالية الدقة من مدخلات منخفضة الدقة بهدف تطوير تطبيقات الاستشعار عن بعد في العالم الحقيقي.
تقترح الورقة البحثية TGR-MoE، وهي طريقة تعمل على تثبيت تدريب نماذج الرؤية من نوع "خليط الخبراء" (Vision Mixture-of-Experts) المتفرقة عبر استخدام مخرجات التوجيه من نموذج معلم كثيف مدرب مسبقاً كإشراف زائف لتوجيه اختيار الخبراء ومنع ديناميكيات التوجيه غير المستقرة.
تقترح هذه الورقة إطار تدريب يعمل على تحسين المحاذاة البصرية والمتانة للنماذج اللغوية الكبيرة متعددة الوسائط من خلال تطبيق هدف إزالة الضجيج الكامن لاستعادة الميزات البصرية النظيفة من الرموز المشوهة، مما يعزز الأداء في كل من المعايير القياسية وتحت تغيرات التوزيع دون إضافة عبء حسابي عند الاستدلال.
تقدم هذه الورقة PolyChartQA، وهي مجموعة بيانات متوسطة الحجم من صور الرسوم البيانية المتعددة وأزواج الأسئلة والأجوبة المصممة لاختبار وتقييم أداء النماذج اللغوية متعددة الوسائط في استخلاص الرؤى من التصورات البيانية المعقدة والمتعددة.
تقدم هذه الورقة البحثية إطار عمل KD-CVG، وهو إطار عمل قائم على المعرفة يستفيد من قاعدة معرفية شاملة للإعلانات الإبداعية ووحدتين جديدتين — هما الاسترجاع الواعي دلاليًا والمرجع المعرفي متعدد الوسائط — للتغلب على تحديات المحاذاة الدلالية والتكيف مع الحركة في توليد الفيديوهات الإبداعية للإعلانات.
تقدم هذه الورقة VG-CoT، وهي مجموعة بيانات ومعيار يتم إنشاؤهما تلقائيًا وبشكل قابل للتوسع، يعززان موثوقية نماذج اللغة والرؤية الكبيرة من خلال ربط الاستدلال متعدد الخطوات بالأدلة البصرية المرتكزة صراحةً عبر مسار مكون من ثلاث مراحل، وتقييم الأداء عبر جودة المبررات، ودقة الإجابة، والتوافق بين الاستدلال والإجابة.
تقترح هذه الورقة عائلة جديدة من مرشحات الانتشار غير الخطي المصممة لمعالجة الصور مسبقاً لغرض التجزئة، وذلك عبر توليد صور ذات ثبات جزئي مع حواف حادة وغير ضبابية، مع توفير إطار نظري يضمن سلامة المسألة ويثبت فعالية الطريقة على صور حقيقية.
تقدم هذه الورقة البحثية EgoPoint-Bench، وهو معيار شامل يضم أكثر من 11,000 عينة لتقييم ومعالجة "الهلوسة المرجعية" في النماذج اللغوية الكبيرة متعددة الوسائط، مما يثبت أن الضبط الدقيق على بياناتها الاصطناعية يعزز بشكل كبير التمركز المكاني الدقيق لإيماءات الإشارة من منظور الشخص الأول.