12498 ورقة بحثية
تقدم الورقة البحثية RepTok، وهو إطار عمل توليدي فعال يمثل الصور كرموز كامنة مستمرة واحدة مشتقة من نماذج محولات الرؤية ذات التعلم الذاتي والمنقحة، مما يتيح تخليقاً تنافسياً للصور المشروطة بالفئات وتلك القائمة على النصوص مع تقليل تكاليف التدريب والارتباط المكاني بشكل كبير.
تقدم هذه الورقة البحثية ReefNet، وهو عبارة عن مجموعة بيانات ومعيار مرجعي عام واسع النطاق يحتوي على ما يقرب من 925,000 تسمية لشعاب مرجانية تم التحقق منها من قبل خبراء ومصنفة وفق تصنيف قياسي، والتي تُستخدم لتقييم وكشف القصور الكبير في نماذج الرؤية واللغة والنماذج متعددة الوسائط الحالية في التعرف الدقيق على المرجان تحت ظروف واقعية من ضجيج التسميات، وعدم توازن الفئات، والانزياح النطاقي.
تقدم الورقة البحثية "Hydra Ensembles"، وهي طريقة فعالة تعتمد على نماذج المحولات (transformer) تعمل على تقليم ودمج رؤوس الانتباه لإنشاء نماذج متنوعة ومدمجة تضاهي أو تتفوق على أداء "Deep Ensembles" في تقدير عدم اليقين مع الحفاظ على سرعات استدلال تقارب سرعة الشبكة المنفردة.
تقدم هذه الورقة البحثية SoccerNet-GAR، وهي مجموعة بيانات متعددة الوسائط متزامنة لمباريات كأس العالم 2022، لتقييم التعرف على الأنشطة الجماعية وإثبات أن النماذج القائمة على التتبع التي تستخدم بنية رسومية مبتكرة واعية بالأدوار تتفوق بشكل كبير على النهج القائم على الفيديو في كل من الدقة والكفاءة الحسابية.
تقدم الورقة البحثية Mammo-FM، وهو نموذج تأسيسي متخصص في الثدي تم تدريبه مسبقاً على مجموعة بيانات ضخمة ومتنوعة لأكثر من 140,000 مريض توحد بين تشخيص السرطان، والإنذار الطبي، والتقارير المنظمة، مع تفوقه على النماذج العامة الأكبر حجماً بكفاءة وقدرة أكبر على التفسير.
يُعد MoonSeg3R إطار عمل مبتكرًا يحقق تجزئة فورية للأجسام ثلاثية الأبعاد أحادية العدسة بنمط الصفر (zero-shot) عبر الإنترنت من خلال الاستفيد من نموذج إعادة البناء التأسيسي CUT3R لتوليد الأولويات الهندسية، وإدخال وحدة تحسين الاستعلام ذاتية الإشراف، والذاكرة الزمنية، ورموز توزيع الحالة للتغلب على قيود المنهجيات الحالية المعتمدة على خرائط العمق (RGB-D).
تقدم هذه الورقة ViDoRe v3، وهو معيار متعدد الوسائط شامل يتكون من 10 مجموعات بيانات متنوعة و3,099 استعلاماً تم التحقق منها بشرياً عبر 6 لغات، صُمم لتقييم أنظمة التوليد المعزز بالاسترجاع على مستندات واقعية معقدة وغنية بصرياً مع تسليط الضوء على القيود الحالية في التأسيس البصري والتركيب متعدد المستندات.
يُعد SAMannot إطار عمل مفتوح المصدر، محلي، ويحافظ على الخصوصية، يدمج نسخة محسنة من SAM2 مع سير عمل يعتمد على التدخل البشري لتمكين تقسيم مثيل الفيديو التفاعلي والفعال لإنشاء مجموعات البيانات ذات الدرجة البحثية.
تقدم هذه الورقة البحثية Q-Mask، وهو إطار عمل جديد للتعرف الضوئي على الحروف (OCR) يستخدم مفكك قناع مدفوع باستعلام سببي لربط النص صراحةً بالمناطق المكانية قبل عملية التعرف، مدعوماً بمعيار TextAnchor-Bench ومجموعة بيانات TextAnchor-26M واسعة النطاق لتحسين قدرات تثبيت النص في نماذج الرؤية واللغة بشكل كبير.
تقترح هذه الورقة إطار عمل لاسترجاع CLIP مدرك للهندسة يعزز الأداء في مهام ربط الصفات والتركيب من خلال معالجة عدم الاتساق الهندسي المحلي عبر التوجيه المحلي المشروط بالاستعلام وإعادة الترتيب على مستوى الجوار عبر مطابقة هانغاريان، وكل ذلك يمكن تحقيقه في وقت الاستدلال دون إعادة تدريب.