12552 ورقة بحثية
تقدم هذه الورقة البحثية كشف التزييف العميق للاستماع (LDD) كتوجه بحثي جديد يتجاوز تحليل التزييف التقليدي المرتكز على التحدث، حيث تقدم مجموعة بيانات ListenForge ونموذج MANet لتحديد عدم الاتساق الدقيق في حركات الاستجابة أثناء الاستماع المصنعة والموجهة بواسطة صوت المتحدث بفعالية.
تقترح هذه الورقة البحثية HyperSSM، وهو إطار عمل مبتكر يدمج حسابات المخططات الفائقة (hypergraph) مع نماذج فضاء الحالة (State Space Models) لتمكين الاستدلال التعاوني بين الكائنات المترابطة، مما يحقق أداءً قوياً ورائداً في تتبع الأجسام المتعددة من خلال تثبيت المسارات المشوشة والحفاظ على الاستمرارية أثناء حالات الحجب.
تقدم الورقة البحثية ARGOS، وهو معيار وإطار عمل مبتكر يعيد صياغة عملية البحث عن الأشخاص عبر كاميرات متعددة كمهام استدلال وكيل تفاعلية، حيث يتعين على الوكيل تخطيط الاستعلامات واستخدام أدوات مكانية-زمانية لتحديد هوية الأفراد بناءً على إفادات شهود غامضة عبر 2,691 سيناريو من واقع الحياة.
تقدم هذه الورقة أول إطار عمل توليدي لإخفاء الهوية لتدفقات الأحداث العصبية، والذي يعالج المقايضة بين المنفعة والخصوصية من خلال تخليق هويات واقعية ولكن غير موجودة لمنع تحديد الهوية البشرية مع الحفاظ على السلامة الهيكلية المطلوبة لمهام الرؤية اللاحقة، مصحوباً بمجموعة بيانات حقيقية متزامنة جديدة للتقييم الصارم.
تُظهر هذه الدراسة أن طريقة تباين التدرجات (Variance of Gradients) فعالة في اكتشاف الأخطاء في تسميات الحقيقة الأرضية لتجزئة صور صدى القلب، وأن تصحيح هذه الأخطاء أثناء عملية التدريب يحسن أداء النموذج بشكل كبير، لا سيما عند مستويات الخطأ العالية.
يقدم VideoFlexTok طريقة لترميز الفيديو من الخشن إلى الناعم وذات طول مرن، تستبدل تمثيلات الشبكة ثلاثية الأبعاد الثابتة بتسلسلات رموز متغيرة الطول، مما يتيح تدريباً أكثر كفاءة وتوليد فيديوهات طويلة عبر إعطاء الأولوية للدلالات المجردة والحركة قبل التفاصيل الدقيقة.
تقدم هذه الورقة برامج الإدراك (P)، وهي طريقة لا تتطلب تدريباً تعمل على تحويل مخرجات أدوات الرؤية الكثيفة ذات مستوى البكسل إلى ملخصات موجزة ذات طبيعة لغوية، مما يمكّن النماذج اللغوية متعددة الوسائط من تحقيق مكاسب كبيرة في الأداء في مهام الاستدلال البصري دون الحاجة إلى إعادة تدريب النموذج أو إجراء تعديلات عليه.
تقدم هذه الدراسة المسحية تحليلاً شاملاً للهلوسة في النماذج اللغوية الكبيرة للفيديو من خلال تقديم تصنيف منهجي يميز بين التشويه الديناميكي وتزييف المحتوى، ومراجعة استراتيجيات التقييم والتخفيف الحالية، وتحديد الاتجاهات البحثية المستقبلية لبناء أنظمة فيديو-لغة أكثر متانة.
تقترح هذه الورقة البحثية "التسرب التكيفي للبيانات" (Adaptive Data Dropout)، وهو إطار عمل للتعلم ذاتي التنظيم يقوم بتعديل مجموعة فرعية من بيانات التدريب ديناميكيًا بناءً على تغذية راجعة للأداء لتحسين الكفاءة والتعميم في الشبكات العصبية العميقة.
تقترح هذه الورقة V-GIFT، وهي طريقة خفيفة الوزن تعزز قدرات الاستدلال البصري للنماذج اللغوية الكبيرة متعددة الوسائط من خلال دمج جزء صغير من مهام التمهيد ذاتية الإشراف المعاد صياغتها كتعليمات لغوية طبيعية في بيانات التدريب، مما يجبر النماذج على الاعتماد على الأدلة البصرية بدلاً من الأولويات اللغوية.