12498 ورقة بحثية
تقترح هذه الورقة البحثية DiffuSAM، وهو مسار هجين يدمج إشارات التوطين القائمة على الانتشار مع نماذج تجزئة متقدمة مثل RemoteSAM وSAM3 لتحقيق توطين كائنات قوي وصفرِي القدرة في صور الاستشعار عن بعد، متفوقاً بشكل كبير على الأساليب الحالية ذات الحالة الراهنة المتطورة.
تقدم هذه الورقة البحثية SARR، وهو تمثيل دوران مبتكر يدمج تناظر الكائن لحل غموض التوجه، مما يمكن الشبكات العصبية التلافيفية (CNNs) القياسية من تحقيق أداء رائد في تقدير الوضعية سداسية الأبعاد (6D pose estimation) للأجسام المتناظرة دون الحاجة إلى نماذج ثلاثية الأبعاد أو دوال خسارة متخصصة.
تقدم هذه الورقة ثلاث بنيات عصبية قائمة على الأسلوب — وهي Multi-PatchGAN، وTruncated ResNet50، وTruncated ResNet50 مع مصفوفة جرام والانتباه — والتي تستفيد من استخراج الميزات الأسلوبية لتحقيق تصنيف حالة الطقية في الوقت الفعلي وبأداء رائد مع قدرة قوية على التعميم عبر مختلف المهام القائمة على المظهر.
تقدم هذه الورقة إطار عمل لتقدير الحالة النسبية اللامركزي لأسراب الطائرات رباعية المراوح التي تستفيد من الكاميرات الحدثية لتتبع حركة المراوح، واستخراج بيانات التردد والاتجاه من رحلات خارجية واقعية للتغلب على مشكلات زمن التأخير، وغموض المقياس، والقيود البصرية لطرق الكاميرا أحادية العدسة التقليدية.
تقدم هذه الورقة البحثية نموذج ESsEN، وهو محول رؤية ولغة ثنائي البرج، مدمج وفعال من حيث عدد المعلمات، يستفيد من الشبكات الالتفافية التقليدية ويُظهر أداءً فائقًا في بيئات الموارد المنخفضة مقارنة بالنماذج الأكبر حجمًا.
تتحدى هذه الورقة البحثية فرضية التمثيل الأفلاطوني من خلال إثبات أن التوافق العابر للأنماط المُبلغ عنه بين نماذج النصوص والصور هو توافق هش، يعتمد على إعدادات تقييم محدودة وصغيرة النطاق، ويفشل في الصمود عند اختباره على مجموعات بيانات أكبر وسيناريوهات واقعية متعددة إلى متعددة، مما يشير إلى أن الأنماط المختلفة تتعلم تمثيلات غنية ولكن متميزة للواقع بدلاً من تمثيل واحد متقارب.
تقترح هذه الورقة نهجاً برمجياً وأنطولوجيا جديدة تترجم النظريات المعرفية إلى أطر متعددة الوسائط لنمذجة وكشف المفاهيم الاجتماعية المجردة، مثل الثورة أو الصداقة، تلقائياً داخل الصور الفنية من خلال دمج البيانات متعددة الحواس لمعالجة الفجوة الدلالية.
تقدم هذه الورقة المهمة الجديدة المتمثلة في توليد الصور من النصوص متعددة الثقافات، وتقدم معياراً شاملاً ومجموعة بيانات لتقييم النماذج الرائدة عبر الأبعاد الثقافية والديموغرافية، وتقترح إطار عمل MosAIG، وهو إطار متعدد الوكلاء يستفيد من شخصيات النماذج اللغوية الكبيرة المتميزة ثقافياً لتحسين جودة الصور والتجذر الثقافي.
تقدم هذه الورقة أول دراسة تجريبية شاملة تثبت جدوى البيانات الاصطناعية البحتة لاسترجاع الأشخاص القائم على النصوص، وذلك من خلال تقديم مسار توليد موحد خالٍ من البيانات الحقيقية، وإثبات فعاليته كبديل مستقل أو كتعزيز تكميلي عبر سيناريوهات متنوعة.
تقترح هذه الورقة البحثية RandSF.Q، وهي طريقة لتعلم الكائنات المركزية في الفيديو غير الخاضعة للإشراف، تقدم "مُنتقلاً" (transitioner) مبتكرًا يتم تدريبه على أزواج عشوائية من ميزات الفتحات (slot-feature pairs) لدمج معلومات الإطارات المستقبلية وتعلم ديناميكيات الانتقال، مما يؤدي إلى تفوقها بشكل كبير على الأساليب الحالية الرائدة في اكتشاف الكائنات وفهم المشهد.