12498 ورقة بحثية
تقدم هذه الورقة INFORM-CT، وهو إطار عمل وكيل جديد يعتمد على التخطيط والتنفيذ يدمج النماذج اللغوية الكبيرة (LLMs) والنماذج اللغوية البصرية (VLMs) لأتمتة الكشف عن النتائج العرضية في فحوصات الأشعة المقطعية للبطن وتصنيفها والإبلاغ عنها، مما يظهر دقة وكفاءة متفوقتين مقارنة بالنهج الحالية القائمة فقط على النماذج اللغوية البصرية (VLMs).
يعالج DisCo-FLoc مشكلة الغموض ومحدودية التوسيم في تحديد المواقع المرئي للمخططات الأرضية من خلال تقديم متنبئ انحدار الأشعة وإطار عمل تعلم تبايني جديد ثنائي المستوى يطابق الميزات المرئية المدركة للعمق مع الهياكل الهندسية دون الحاجة إلى تسميات دلالية إضافية.
تقدم الورقة البحثية إطار عمل GAMBIT، وهو إطار عمل جديد لكسر الحماية (jailbreak) يعتمد على التلعيب ويستغل حوافز الاستدلال في النماذج اللغوية الكبيرة متعددة الوسائط عبر دمج دلالات بصرية ضارة في سيناريوهات شبيهة بالألعاب، مما يحقق معدلات نجاح هجوم أعلى بكثير على كل من نماذج الاستدلال والنماذج غير الاستدلالية مقارنة بالطرق الحالية.
يقدم هذا البحث "أفوستركشن" (Affostruction)، وهو إطار عمل توليدي يعيد بناء هندسة الأجسام ثلاثية الأبعاد الكاملة من ملاحظات RGBD جزئية لتأسيس القدرات الوظيفية (affordances) على كل من الأسطح المرئية وغير المرئية، متفوقاً بشكل كبير على الأساليب الحالية من خلال دمج المربعات الفراغية المتفرقة، ونمذجة الغموض القائمة على التدفق، والاختيار النشط لوجهة النظر.
تقدم هذه الورقة CASWiT، وهي بنية ثنائية الفروع تعتمد على Swin، تستفيد من الانتباه المتقاطع على مستوى المراحل لحقن سياق منخفض الدقة في ميزات عالية الدقة، محققةً أداءً رائدًا في التجزئة الدلالية فائقة الدقة للاستشعار عن بعد والتصوير الطبي مع التغلب على قيود الذاكرة التربيعية لنماذج Transformer القياسية.
يُعد Catalyst إطار عمل عاماً لما بعد الحدث يعمل على تحسين الكشف عن البيانات خارج التوزيع من خلال حساب عامل قياس مرن يعتمد على المدخلات من إحصائيات ميزات ما قبل التجميع الخام لتعديل درجات البيانات خارج التوزيع الحالية ضربياً، مما يقلل بشكل كبير من معدلات الإيجابيات الكاذبة عبر مختلف المعايير المرجعية.
تقترح هذه الورقة AGMA، وهي طريقة مبتكرة للتنبؤ بمسارات البشر متعددة الأنماط تعالج عدم المحاذاة السابق عبر بناء أولويات عالمية متكيفة مع المشهد من أنماط سلوكية متنوعة، مما يحقق أداءً هو الأفضل في فئته عبر مجموعات بيانات متعددة.
تقدم هذه الورقة البحثية مساراً خفيف الوزن للانتشار المنفصل يستفيد من شبكة عصبية تلافيفية (CNN) مع آلية الانتباه الذاتي لتكرار تحسين أقنعة التجزئة إلى حدود كثيفة ومتينة للأجسام غير المنتظمة والشفافة، محققةً أداءً يضاهي أحدث التقنيات في ظل ظروف البيانات المحدودة (أقل من 500 صورة) مع تحسين سرعة الاستدلال بشكل كبير.
تقيم هذه الدراسة المرجعية بشكل منهجي طرق فك تشابك الميزات للتخفيف من حدة تعلم الاختصارات في التصوير الطبي، مما يثبت أن الجمع بين إعادة التوازن المتمحور حول البيانات وفك التشابك المتمحور حول النموذج يحقق الأكثر قوة وكفاءة في التخفيف من الارتباطات الزائفة مقارنة بالنهج الأخرى.
تحدد هذه الورقة أن العيوب في نماذج "Vision Transformers" تنبع من سلوك "التجميع الكسول" حيث يعتمد النموذج على رقع الخلفية غير ذات الصلة كطرق مختصرة للدلالات العالمية، وتقترح حلاً يدمج ميزات الرقع بشكل انتقائي في رمز (CLS token) للتخفيف من هذه المشكلة وتحسين الأداء عبر مختلف نماذج الإشراف.