12498 ورقة بحثية
تُثبت هذه الورقة أن هندسة الأوامر المنهجية والخاصة بالنماذج تعزز بشكل كبير أداء كشف الأشياء بنمط "الصفر من الأمثلة" لنماذج الرؤية التأسيسية في المشاهد الزراعية المعقدة، مما يثبت أن الأوامر المثلى المستمدة من البيانات الاصطناعية يمكن أن تنتقل بفعالية إلى التطبيقات الواقعية دون الحاجة إلى توصيف يدوي.
تقدم هذه الورقة BLPR، وهو إطار عمل قوي ثنائي المراحل للتعرف على لوحات الأرقام في بوليفيا يجمع بين كاشف YOLO المدرب على بيانات اصطناعية ونموذج Gemma3 للرؤية واللغة الذي يعمل كبديل مدفوع بالثقة، محققاً دقة بنسبة 89.6% في التعرف على الحروف في البيانات الواقعية مع معالجة التحديات الناجمة عن تغيرات زاوية الرؤية والإضاءة.
تقترح هذه الورقة إطار عمل "مامبا" (Mamba) مكاني-طيفي مبتكر موجه بفك الاختلاط، يدمج شبكة فك اختلاط طيفي، واستراتيجية اختيار الرموز (tokens) التكيفية من نوع (Top-K)، ومخطط تعلم متعدد المهام لمعالجة تأثيرات الاختلاط الطيفي والتباين المكاني-الطيفي بفعالية، مما يحقق أداءً فائقاً في تصنيف الصور فائقة الطيف.
تتناول هذه الورقة تحديات عدم استقرار التدريب وعدم كفاية الانتباه المكاني في اكتشاف الأهداف الصغيرة بالأشعة تحت الحمراء من خلال اقتراح فقدان مقياس يعتمد على الفرق (diff-based) رتيب تماماً، وتلافيف ذو شكل غاوسي قابل للتعلم مع قناع "عجلة الطاحونة" (pinwheel) مدور، مما يحقق أداءً هو الأفضل حالياً عبر العديد من المعايير المرجعية.
تقدم الورقة البحثية SwinTextUNet، وهو إطار عمل متعدد الوسائط يدمج تضمينات نصية مشتقة من CLIP في شبكة Swin Transformer U-Net عبر الانتباه المتقاطع والدمج التلافيفي لتعزيز دقة تقسيم الصور الطبية، محققاً درجة "دايس" (Dice score) تبلغ 86.47% على مجموعة بيانات QaTaCOV19.
تُعد SinkTrack طريقةً لا تتطلب تدريباً وتعمل بمجرد التوصيل والتشغيل، حيث تعمل على الحد من الهلوسة ونسيان السياق في النماذج اللغوية الكبيرة عبر الاستفادة من ظاهرة "مصب الانتباه" الجوهرية لترسيخ تركيز النموذج على سياق المدخلات الأولي طوال عملية التوليد.
تُعد "برومبت ريلي" (Prompt Relay) طريقة جاهزة للتشغيل تعمل أثناء مرحلة الاستدلال لتعزيز توليد الفيديو متعدد الأحداث عبر إدخال عقوبة في آلية الانتباه المتقاطع لفرض محاذاة زمنية صارمة بين أجزاء مطالبات معينة وإطارات الفيديو، مما يؤدي إلى القضاء على التشابك الدلالي دون الحاجة إلى تغييرات هيكلية أو عبء حسابي إضافي.
تقيم هذه الورقة بشكل منهجي التباين داخل الإصبع الواحد للبصمات الاصبعية الكامنة الاصطناعية الناتجة عن نموذج انتشار متطور، كاشفةً أنه في حين يتم الحفاظ على الهوية إلى حد كبير، فإن العملية تُدخل عدم اتساق في التفاصيل الدقيقة المحلية وهلوسات في الخطوط العرضية العالمية عندما لا تتطابق تضمينات الأسلوب مع الصور المرجعية، مما يسلط الضوء على الحاجة إلى نماذج محسنة توازن بين التنوع واتساق الهوية.
تُثبت هذه الورقة أن دمج الانتباه الخطي (Linear Attention) في نماذج المحولات متعددة الوسائط (Multimodal Transformers) يقلل بشكل كبير من التعقيد الحسابي من التربيعي إلى الخطي مع الحفاظ على أداء تنافسي والالتزام بقوانين القياس القياسية عبر مختلف البنيات المدربة على مجموعات بيانات واسعة النطاق.
تقترح هذه الورقة البحثية طريقة "المطابقة الانتشارية النشطة" (ADM)، وهي طريقة تكرارية قائمة على الدرجة (score-based) تعمل على محاذاة صور قاع العين القياسية وصور الشبكية واسعة المجال بفعالية من خلال التقدير المشترك للتحويلات العالمية والمحلية، مما يحقق دقة هي الأفضل في فئتها ويمكّن من تحسين التحليل السريري.