12454 ورقة بحثية
تقيم هذه الورقة مدى فعالية نماذج الرؤية واللغة المختلفة للتحليل الخطابي البصري الآلي لتغير المناخ على وسائل التواصل الاجتماعي، مظهرةً أنه بينما يحقق نموذج Gemini-3.1-flash-lite أعلى دقة على مستوى الحالة، فإن النماذج متوسطة الأداء يمكنها أيضاً استعادة الاتجاهات على مستوى السكان بشكل موثوق، مما يوفر بديلاً قابلاً للتوسع للترميز اليدوي للأبحاث واسعة النطاق.
تعالج هذه الورقة البحثية أوجه القصور المتمثلة في عدم كفاية تغطية الكيانات وعدم توافق الجمل مع الكيانات في استرجاع الصور المركبة من خلال تقديم مجموعتي بيانات جديدتين غنيتين بالتعليمات ومتعددتي التعديلات (M-FashionIQ وM-CIRR)، واقتراح إطار عمل TEMA، وهو إطار عمل مبتكر يتعامل بفعالية مع استعلامات التعديل المتعدد البسيطة والمعقدة مع تحقيق التوازن بين الدقة والكفاءة.
تُثبت هذه الورقة أنه يمكن تحقيق الدقة الفائقة دون الحاجة إلى مسبقات صور عبر الجمع بين صور منخفضة الدقة تم التقاطها بمقاييس مختلفة باستخدام أحجام بكسل أولية فيما بينها، مما يؤدي إلى إنشاء مسألة جيدة التحديد ذات معكوس مستقر يتيح إعادة بناء فعالة وفهماً واضحاً للمقايضة بين الضجيج والدقة.
تُظهر هذه الورقة أن الارتباكات الاتجاهية في الرؤية البشرية والآلية، والتي تم تحليلها من خلال إطار هندسي لمعدل التشوه، تكشف عن انحيازات استقرائية وهندسات تعميم متميزة تظل غير مرئية لمقاييس الدقة القياسية.
تقدم هذه الورقة البحثية HalluScope، وهو معيار يكشف أن الهلوسة في النماذج اللغوية البصرية الكبيرة مدفوعة بشكل أساسي بالانحيازات المسبقة للتعليمات النصية، وتقترح HalluVL-DPO، وهو إطار عمل لتحسين التفضيل يعمل بفعالية على تخفيف هذه الهلوسات الناجمة عن الأوامر مع الحفاظ على القدرات البصرية.
يُعد Vista4D إطار عمل قوي لإعادة تصوير الفيديو يستفيد من تمثيل السحابة النقطية رباعية الأبعاد مع تقسيم البكسل الثابت والتدريب متعدد المشاهد لتخليق مشاهد ديناميكية من مسارات كاميرا جديدة مع الحفاظ على مظهر المحتوى وضمان التحكم الدقيق في الكاميرا.
تقدم هذه الورقة البحثية IMU-to-4D، وهو إطار عمل مبتكر يسخر النماذج اللغوية الكبيرة لإعادة بناء حركة بشرية رباعية الأبعاد وتخطيطات مشاهد ثلاثية الأبعاد بدقة من خلال مستشعرات قصور ذاتي قابلة للارتداء فقط، مما يوفر بديلاً يحافظ على الخصوصية وفعالاً في استهلاك الطاقة مقارنة بالإدراك القائم على الرؤية.
تقدم هذه الورقة نماذج ذاتية الإشراف تتعلم كيفية اكتشاف والتحكم في سرعة تشغيل الفيديو، مستفيدة من هذه القدرات لإنشاء مجموعة بيانات ضخمة للحركة البطيئة وتمكين تطبيقات متقدمة مثل توليد الفيديو المشروط بالسرعة والدقة الزمنية الفائقة.
تقدم الورقة البحثية i-WiViG، وهي شبكة عصبية رسومية للرؤية قابلة للتفسير تقيد المجالات الاستقبالية للعقد بنوافذ محلية منفصلة وتستخدم عنق زجاجة انتباه متناثر قابل للتعلم لتحديد التفاعلات المكانية ذات الصلة، مما يوفر تفسيرات دقيقة مع تحقيق أداء تنافسي في مهام التعرف على الصور.
تقدم هذه الورقة شبكة تقدير التدهور (DEN) القائمة على التعلم الصفري، والتي تولد صورًا وفيديوهات اصطناعية واقعية ومستندة إلى الفيزياء في ظروف الإضاءة المنخفضة دون الحاجة إلى بيانات وصفية للكاميرا، مما يحسن الأداء بشكل كبير في مهام مثل محاكاة الضوضاء، وتحسين الفيديو، وكشف الأشياء.