12473 ورقة بحثية
يُعد DynamicRad إطار عمل للانتباه المتناثر المتكيف مع المحتوى، والذي يستفيد من أولوية محلية شعاعية وموجه حركة دلالي مدفوع بالتحسين البايزي غير المتصل (offline) لتحقيق تسريع كبير في الاستدلال (1.7×–2.5×) وتناثرًا عاليًا (>80%) في نماذج انتشار الفيديو الطويلة مع الحفاظ على جودة التوليد أو تعزيزها.
تقترح الورقة البحثية Video-ToC، وهو إطار عمل جديد للاستدلال بالفيديو يعزز فهم النماذج اللغوية الكبيرة للفيديو ويقلل من الهلوسة عبر تقديم آلية تحديد المواقع للمؤشرات البصرية الموجهة بالشجرة، ونظام مكافأة ديناميكي لمتطلبات الاستدلال من أجل التعلم التعزيزي، بالإضافة إلى مجموعات بيانات تم إنشاؤها حديثاً للتدريب.
تقدم هذه الورقة البحثية CHASM، وهي مجموعة بيانات جديدة تضم ما يقرب من 5,000 إعلان خفي من واقع الحياة من منصة التواصل الاجتماعي الصينية "ريدنوت" (Rednote)، لتوضيح أن النماذج اللغوية الكبيرة متعددة الوسائط الحالية تعاني في اكتشاف هذه المنشورات الخادعة ولتسليط الضوء على الحاجة إلى تحسين آليات الضبط الدقيق والدفاع ضد هذا التهديد الناشئ.
تقدم هذه الورقة RefAerial، وهو معيار مرجعي واسع النطاق للكشف المرجعي في الصور الجوية التي تتميز بتنوع المقاييس والمشاهد المعقدة، وتقترح إطار عمل جديداً شاملاً وحساساً للمقاييس (SCS) يستفيد من آلية انتباه مزيج الحبيبات واستراتيجية فك ترميز ثنائية المرحلة للتغلب على تدهور الأداء الناتج عن التباينات الجوهرية في المقاييس.
تقدم هذه الورقة البحثية EVIAN، وهو إطار عمل مؤتمت يوظف نموذج "التفكيك ثم التقييم" لتدقيق بيانات الضبط الدقيق للتعليمات المرئية عبر اتساق الصورة والنص، والتماسك المنطقي، والدقة الواقعية، مما يثبت أن الضبط الدقيق على مجموعته الفرعية المختارة عالية الجودة يحقق أداءً فائقاً للنموذج مقارنة بالتدريب على مجموعات بيانات أكبر بكثير وغير منقحة.
تقيم هذه الورقة بشكل منهجي ستة مخططات لتقطيع الزمن ضمن إطار عمل "Vision Mamba"، وتثبت أنه في حين توفر الطرق ذات الرتب العالية، مثل الاستيفاء متعدد الحدود والاحتفاظ من الرتبة الأعلى، أعلى مستويات الدقة، فإن تحويل الترتيب الثنائي الخطي (Tustin) يقدم أفضل توازن بين الدقة والكفاءة، مما يجعله خياراً افتراضياً متفوقاً على الاحتفاظ من الرتبة الصفرية القياسي.
تقدم هذه الورقة البحثية RSRCC، وهو معيار مرجعي للاستشعار عن بعد واسع النطاق يتميز بـ 126 ألف سؤال دقيق متعلق بالتغيرات، والذي يعالج أوجه القصور في مجموعات البيانات الحالية من خلال توظيف مسار تنسيق هرمي شبه مُشرف مبتكر يعتمد على ترتيب "الأفضل من N" المعزز بالاسترجاع لضمان استدلال دلالي عالي الجودة وموضعي.
يقدم GeoRelight محول انتشار متعدد الوسائط موحداً يقوم بدمج إعادة بناء الهندسة ثلاثية الأبعاد وإعادة إضاءة الصور من صورة واحدة عبر الاستفادة من تمثيل عمق جديد خالٍ من التشوه وتدريب يعتمد على بيانات مختلطة للتغلب على قيود المسارات المتتالية وضمان الاتساق الفيزيائي.
تقدم هذه الورقة البحثية أول تكييف لنموذج TrOCR للتعرف على النصوص المطبوعة بلغة التغرينية، حيث تقدم مُجزئاً معدلاً وآلية مبتكرة لوزن الخسارة المدركة للكلمات (Word-Aware Loss Weighting) تُمكّن النموذج من تحقيق دقة مطابقة تامة بنسبة 97.20% على البيانات الاصطناعية مع معالجة حالات الفشل المنهجي في حدود الكلمات الشائعة في التعلم بنقل عبر اللغات.
يُعد ParetoSlider إطار عمل للتعلم التعزيزي متعدد الأهداف يقوم بتدريب نموذج انتشار واحد لتقريب جبهة باريتو بأكملها، مما يمكّن المستخدمين من التنقل بين المقايضات المثلى بين الأهداف التوليدية المتعارضة أثناء وقت الاستدلال دون الحاجة إلى إعادة التدريب أو الاحتفاظ بنقاط تفتيش متعددة.