12498 ورقة بحثية
تقترح هذه الورقة شبكة التوجيه الطيفي التكيفية (ASGNet)، التي تتغلب على قيود الإدراك المحلي لأساليب التعلم العميق الحالية من خلال دمج الميزات الطيفية مع السمات العالمية عبر وحدة إدراك غير محلي موجهة طيفياً، ومستخرج دلالي متعدد المصادر، وفك تشفير تفاعلي كثيف عبر الطبقات، محققةً أداءً فائقاً في تقسيم السلائل عبر خمس معايير مقارنة بـ 21 نهجاً من أحدث التقنيات المتاحة.
تقدم هذه الورقة معيار MM-AQA لتقييم الامتناع الفعال في الأنظمة متعددة الوسائط، كاشفةً أن النماذج الحالية للرؤية واللغة والأنظمة متعددة الوكلاء نادراً ما تمتنع عن الإجابة على الأسئلة غير القابلة للإجابة، وأن تحسين هذه القدرة يتطلب تدريباً مدركاً للامتناع بدلاً من الاعتماد على تحسين التلقين أو زيادة تعقيد الوكيل.
تقدم هذه الورقة تحدي NTIRE 2026 حول التنبؤ بالبروز في الفيديو، حيث تفصل إنشاء مجموعة بيانات جديدة ذات ترخيص مفتوح تضم أكثر من 5,000 مُقيّم، ومشاركة 20 فريقاً، وتقييم سبع طرق نهائية على 800 فيديو اختبار، مع إتاحة جميع الموارد للعموم.
تقدم هذه الورقة MetaDent، وهو مورد شامل يتألف من مجموعة بيانات لصور الأسنان واسعة النطاق، وإطار عمل جديد للتعليق التوضيحي شبه المهيكل، ومعايير قياسية مستمدة عبر النماذج اللغوية الكبيرة (LLMs)، لمعالة ندرة البيانات المصنفة دقيقة التفاصيل وتقييم القيود الحالية للنماذج الرؤية-اللغوية في فهم الصور السريرية داخل الفم.
تكشف هذه الورقة أنه بينما تُظهر نماذج الرؤية واللغة المدربة على الاستنتاج سلوكيات تصحيحية أقوى، إلا أنها تظل عرضة لـ "قصور ذاتي في الإجابة" وإشارات نصية مضللة يمكن أن تحجب الاعتماد على النمط، مما يثبت أن تفسيرات "سلسلة الأفكار" توفر رؤية جزئية ومضللة محتملة لكيفية دمج هذه النماذج للمعلومات البصرية والنصية.
تقدم الورقة البحثية DynAfford، وهو معيار لتقييم الوكلاء المتجسدين في البيئات الديناميكية ذات قيود الإمكانيات غير المحددة، وتقترح ADAPT، وهي وحدة قابلة للتشغيل المباشر تعزز متانة التخطيط من خلال دمج الاستدلال الصريح على الإمكانيات المدعوم بنموذج رؤية ولغة متكيف مع المجال.
تقدم هذه الورقة مساراً يستفيد من النماذج التأسيسية لتحويل الصور إلى فيديو لتوليد بيانات إيماءات إشارية واقعية ومتغيرة من عينات بشرية محدودة، مما يثبت أن هذه البيانات الاصطناعية تعزز بفعالية مجموعات البيانات التقليدية وتحسن أداء النماذج في المهام اللاحقة.
يُعد UniDoc-RL إطار عمل موحداً للتعلم التعزيزي يعمل على تعزيز تقنية الـ Visual RAG من خلال صياغة عملية اكتساب المعلومات المرئية كمسألة اتخاذ قرار متسلسل ذات إجراءات هرمية ومكافآت كثيفة، مما يمكّن وكيل نماذج اللغة الكبيرة متعددة الوسائط (LVLM) من تنقيح الأدلة تدريجياً بدءاً من الاسترجاع العام للمستندات وصولاً إلى الاقتصاص الدقيق للمناطق لتحقيق استدلال معقد فائق الجودة.
تستعرض هذه المقالة التمثيلات العصبية الضمنية (INRs) من منظور معالجة الإشارات، متتبعةً تطورها من الشبكات القائمة على الإحداثيات إلى البنيات المتقدمة التي تتغلب على الانحياز الطيفي، مع تسليط الضوء على تطبيقاتها في مجالات متنوعة وتحديد التحديات النظرية الرئيسية.
تقترح هذه الورقة إطار عمل هجينًا يجمع بين الشبكات العصبية الالتفافية (CNN) وآلية الانتباه (Attention) يحقق كشفًا قويًا ومستقلاً عن نوع الماسح الضوئي لآثار الحركة في التصوير بالرنين المغناطيسي البنيوي، وذلك عبر دمج استخراج الميزات المكانية الهرمية مع آلية الانتباه المتقاطع متعدد الرؤوس لإعطاء الأولوية لبصمات الآثار العامة مع تصفية الاختلافات الخاصة بكل موقع، مما يثبت دقة عالية في كل من مجموعات البيانات المرئية وغير المرئية دون الحاجة لإعادة التدريب.