12498 ورقة بحثية
تقترح الورقة البحثية إطار عمل R2E-VID، وهو إطار توجيه قوي ثنائي المراحل يستفيد من البوابة الزمنية للتكيف ديناميكيًا مع أعباء عمل استنتاج الفيديو بين الحافة والسحابة، مما يقلل التكاليف وزمن الاستجابة بشكل كبير مع تحسين الدقة مقارنة بالحلول الحالية.
تقدم هذه الورقة مجموعة بيانات جديدة ومتوازنة للأحرف البنغالية المكتوبة بخط اليد، وتقترح بنية تعلم عميق هجينة مدركة للتفاعل تجمع بين وحدات EfficientNetB3 وVision Transformer وConformer مع دمج الانتباه المتقاطع متعدد الرؤوس، محققةً دقة هي الأفضل في فئتها وقدرة قوية على التعميم على كل من مجموعة البيانات الجديدة والمراجع الخارجية.
تقترح الورقة البحثية استراتيجية فك تشفير DOP-OBC، وهي استراتيجية لا تتطلب إعادة تدريب، تعمل على التخفيف من حدة هلوسة الكائنات في النماذج اللغوية الكبيرة متعددة الوسائط من خلال فرض تخصيص متساوٍ للانتباه عبر عقوبة الكائن المهيمن ومعامل تعزيز القيم المتطرفة، مما يؤدي إلى تحسين جودة الربط والتوليد دون الحاجة إلى إعادة تدريب النموذج.
تقترح هذه الورقة إطار عمل لوكيل نموذج لغوي بصري (VLM) ذي حلقة مغلقة يستفيد من الاستدلال التكراري وثلاث تقنيات محددة عند الاستنتاج لتحسين أداء إعادة ترتيب وضعية الأشياء سداسية الأبعاد (6D) والتحكم الروبوتي الموجه بالنصوص بشكل كبير دون الحاجة إلى ضبط دقيق إضافي.
يعالج RobustMedSAM موثوقية تقسيم الصور الطبية في ظل تشوهات الصور الواقعية من خلال توظيف استراتيجية دمج نقاط تفتيش على مستوى الوحدات تجمع بين مشفر صور مهيأ بـ MedSAM وفك تشفير قناع مهيأ بـ RobustSAM، محققاً مكاسب كبيرة في الأداء من خلال الضبط الدقيق المستهدف على مجموعات بيانات طبية متنوعة.
تقدم هذه الورقة إطار عمل جديد لنموذج الانتشار الشرطي يقوم بتخليق حقول متجهة ثنائية الأبعاد معقولة فيزيائياً من مدخلات خطوط انسياب متفرقة، متفوقاً بذلك على الطرق التقليدية القائمة على الأمثلة من حيث المرونة والاتساق الفيزيائي.
تُظهر هذه الورقة أن معظم نماذج التدفق البصري الحالية تفشل في إدراك الحركة الوهمية في الصور الثابتة مثل خداع "الأفاعي الدوارة"، بينما ينجح نموذج ثنائي القنوات مستوحى من البشر مع آليات انتباه متكررة في محاكاة الإدراك البشري تحت ظروف حركات العين الارتجافية المحاكية، مما يسلط الضوء على فجوة كبيرة بين معالجة الحركة لدى الآلة ومعالجة الحركة لدى البشر.
يُعد FF3R إطار عمل أمامي التغذية، خالٍ تماماً من التوسيم، يوحد بين إعادة البناء الهندسي والدلالي ثلاثي الأبعاد من صور متعددة المشاهد غير مقيدة عبر الاستفوتادة من الإشراف على التصيير وآليات مبتكرة مثل الاندماج القائم على الرموز (Token-wise Fusion) والتعزيز المتبادل بين الدلالة والهندسة (Semantic-Geometry Mutual Boosting) لتحقيق أداء فائق في تخليق المشاهد الجديدة، والتجزئة ذات المفردات المفتوحة، وتقدير العمق دون الحاجة إلى أوضاع الكاميرا أو تسميات توضيحية.
تقدم هذه الورقة البحثية Topo-ADV، وهو أول إطار عمل للهجوم الخصومي القائم على الطوبولوجيا للسحب النقطية ثلاثية الأبعاد، والذي يستفيد من الهومولوجيا المستمرة لتوليد اضطرابات غير محسوسة تحقق معدلات نجاح هجوم تصل إلى 100% من خلال استغلال الثغرات الهومولوجية بدلاً من الخصائص الهندسية التقليدية.
يُعد PointSplat إطار عمل مبتكرًا مدفوعًا بالهندسة ثلاثية الأبعاد، يعمل بكفاءة على تقليل متطلبات الذاكرة والتخزين لتقنية Gaussian Splatting ثلاثية الأبعاد من خلال تقليم الـ Gaussians بناءً على السمات ثلاثية الأبعاد فقط وتحسينها باستخدام محول ثنائي الفرع، مما يحقق رندر عالي الدقة دون الحاجة إلى تحسين لكل مشهد.