12498 ورقة بحثية
يقدم CARI4D أول إطار عمل غير مرتبط بفئة معينة يعيد بناء تفاعلات الإنسان والشيء رباعية الأبعاد، المتسقة مكانياً وزمانياً وبالمقياس المتري، من فيديوهات RGB أحادية العدسة عبر الاستفيد من النماذج التأسيسية ونموذج "الرندرة والمقارنة" القابل للتعلم للتغلب على غموض العمق والانسداد، محققاً أداءً هو الأفضل في مجاله على كل من مجموعات البيانات الموزعة داخلياً وغير المرئية.
يعد TimeColor نموذجاً مرناً لتلوين الفيديو القائم على الرسم، يعمل على تعزيز دقة الألوان، واتساق الهوية، والاستقرار الزمني من خلال ترميز مراجع غير متجانسة ومتغيرة العدد كإطارات كامنة متصلة زمنياً مع تعيين مناطق صريح وانتباه مقنع بالارتباط المكاني والزماني.
تقدم هذه الورقة HieroSA، وهو إطار عمل قابل للتعميم يُمكّن النماذج اللغوية الكبيرة متعددة الوسائط من استخراج تمثيلات هيكلية قابلة للتفسير على مستوى الضربات (stroke-level) تلقائياً من صور الرموز الهيروغليفية واللوغاريثمية دون الاعتماد على مسبقات لغوية محددة أو بيانات مصممة يدوياً.
تقدم هذه الورقة نموذج تقييم مضاد للواقع يعتمد على الوجه فقط، ومجموعة بيانات FOCUS المقابلة، ومعيار REFLECT، وذلك لقياس التحيز الاجتماعي في نماذج الرؤية واللغة بدقة من خلال عزل التأثيرات الديموغرافية عن المربكات البصرية في الصور الواقعية.
يعالج VideoThinker تحدي فهم مقاطع الفيديو طويلة المدى من خلال تدريب نموذج لغوي مرئي (VideoLLM) وكيل على مجموعة بيانات اصطناعية واسعة النطاق، حيث يقوم نموذج لغوي قوي بتوليد مسارات استدلال متعددة الخطوات باستخدام الأدوات في فضاء الوصف النصي والتي يتم ربطها لاحقاً بالإطارات المرئية، مما يتيح استكشافاً زمنياً تكيفياً وأداءً فائقاً دون الحاجة إلى فهم مسبق لمقاطع الفيديو طويلة المدى.
تقدم هذه الورقة البحثية GeoRC، وهو أول معيار لتقييم سلاسل الاستدلال الجغرافي المستمدة من الخبراء، والذي يكشف أنه في حين تضاهي نماذج الرؤية واللغة المتطورة دقة البشر في التنبؤ بالمواقع، إلا أنها تتخلف عن البشر بشكل كبير في توليد تفسيرات قابلة للتدقيق وقائمة على الأدلة بسبب القيود في استخراج السمات البصرية دقيقة التفاصيل.
تقدم هذه الورقة الجيل الأول من نماذج الارتفاع الرقمية القمرية ذات الدقة دون المتر من صور الرؤية المتعددة لمرآة التصوير عالي الدقة (OHRC) التابعة لمهمة تشاندرايان-2 باستخدام مسار معالجة مفتوح المصدر حصرياً، محققةً جذر متوسط مربع خطأ (RMSE) رأسي قدره 5.85 متر ودقة أفقية ضمن نطاق بكسل واحد من خلال تحليل هندسي صارم وتحقق مقابل بيانات مستطلع القمر (LRO).
تقدم هذه الورقة أول تقييم مرجعي شامل لمختلف بنيات التعلم العميق، بما في ذلك نماذج فضاء الحالة الناشئة، لتحديد هوية المستخدم باستخدام بيانات تتبع الحركة من مجموعة بيانات "Who is Alyx VR" واسعة النطاق، بهدف وضع مقاييس أداء أساسية للمصادقة الآمنة والمحافظة على الخصوصية في بيئات التصنيع.
تقدم هذه الورقة "البصمة الدلالية التركيبية" (CSF)، وهي طريقة "الصندوق الأسود" المبتكرة التي تعزو نماذج تحويل النص إلى صورة المضبوطة بدقة إلى أصولها المحمية من خلال اختبارها بطلبات تركيبية نادرة، مما يتيح إنفاذ حقوق الملكية الفكرية في عمليات النشر عبر واجهات برمجة التطبيقات التجارية دون الحاجة إلى الوصول إلى النموذج داخلياً أو وضع علامات مائية قبل النشر.
يقترح نموذج Brain-CLIPLM فرضية ضغط دلالي لفك تشفير إشارات الدماغ (EEG)، حيث يثبت أن إطار عمل ثنائي المراحل يستخرج الركائز الدلالية عبر التعلم التبايني ويعيد بناء الجمل باستخدام نموذج لغوي كبير قائم على الاسترجاع، يتفوق بشكل كبير على فك التشفير المباشر من خلال مواءمة تعقيد إعادة البناء مع السعة المعلوماتية الجوهرية لإشارات الدماغ غير الغازية.