12553 ورقة بحثية
يُعد Nucleus-Image نموذج محول انتشار (diffusion transformer) من نوع خليط الخبراء المتناثر (Mixture-of-Experts) مفتوح المصدر بالكامل، يمتلك 17 مليار معلمة ويحقق جودة توليد صور هي الأفضل في فئتها باستخدام 2 مليار معلمة نشطة فقط لكل تمريرة أمامية من خلال ابتكارات معمارية مثل توجيه اختيار الخبراء (Expert-Choice Routing) وتعديل الخطوات الزمنية المنفصل (decoupled timestep modulation)، وكل ذلك دون الاعتماد على تحسين ما بعد التدريب.
تقدم هذه الورقة BarbieGait، وهي مجموعة بيانات اصطناعية تحافظ على هوية المشية مع محاكة تغييرات الملابس المتنوعة، وتقترح GaitCLIF، وهو نموذج قوي يتعلم بفعالية سمات ثابتة تجاه الملابس لتحسين أداء التعرف على المشية عبر الملابس المختلفة بشكل كبير.
تقدم هذه الورقة إطار عمل فيزيائيًا لا يتطلب تدريبًا لتقدير مسافة المركبات أحادي العين، يستفيد من الخطوط الطباعية القياسية للوحات ترخيص السيارات في الولايات المتحدة كأولويات هندسية لحل غموض المقياس، محققًا دقة عالية ومتانة في ظروف إضاءة متنوعة مع التفوق على النماذج المرجعية للتعلم العميق دون الحاجة إلى مستشعرات باهظة الثمن أو بيانات خاضعة للإشراف.
تقدم هذه الورقة "خسارة سقراط" (Socrates Loss)، وهي هدف تدريب موحد يدمج فئة مجهولة مساعدة لتحسين دقة التصنيف ومعايرة الثقة في آن واحد، مما يحل بفعالية مقايضة الاستقرار والأداء المتأصلة في الأساليب الحالية.
يعالج DreamStereo تحديات استكمال الفيديو الستيريولوجي (stereo video inpainting) في الوقت الفعلي من خلال تقديم تقنيات التشويه المتوازي المدرك للتدرج (Gradient-Aware Parallax Warping)، والإسقاط المزدوج القائم على اختلاف المنظر (Parallax-Based Dual Projection)، واستكمال الستيريو المدرك للتناثر (Sparsity-Aware Stereo Inpainting) لتوليد نتائج متسقة هندسيًا وتحقيق تسريع قدره 10.7 ضعفًا، مما يتيح معالجة فيديوهات عالية الدقة بسرعة 25 إطارًا في الثانية على وحدة معالجة رسومية واحدة من نوع A100.
تقدم هذه الورقة البحثية نموذج CBAM-DenseNet121، وهو إطار عمل للتعلم بنقل المعرفة معزز بوحدة انتباه الكتل الالتفافية (Convolutional Block Attention Module) يحقق دقة عالية وقابلية للتفسير في التمييز بين الالتهاب الرئوي الطبيعي والبكتيري والفيروسي في صور الأشعة السينية للصدر، مما يعالج الحاجة الماسة للتشخيص متعدد الفئات في البيئات محدودة الموارد، ويكشف أيضاً أن نموذج EfficientNetB3 يقل أداءً عن نموذج CNN مخصص في المهام الثنائية.
تقترح هذه الورقة استراتيجية تدريب زوجي قائمة على تقنية LoRA (LPT) تدمج بين الضبط الدقيق المستهدف لنموذج بصري تأسيسي وبين محاكاة التشوه والحجم لفصل التعميم عن المتانة، مما يؤدي إلى تحسين أداء كشف الصور المولدة بواسطة الذكاء الاصطناجعي بشكل كبير في ظل وجود تشوهات شديدة من العالم الحقيقي.
تقترح هذه الورقة طريقة مبتكرة لتوليد فيديوهات مدارية واقعية ومتسقة من صورة واحدة عبر الاستفادة من الميزات الكامنة متعددة المقاييس من نموذج توليدي تأسيسي ثلاثي الأبعاد كأولويات هيكلية، والتي يتم حقنها في نموذج فيديو أساسي عبر محول ثلاثي الأبعاد متعدد المقاييس للتغلب على قيود الانتباه على مستوى البكسل في استقراء الرؤية بعيدة المدى.
تقترح هذه الورقة إطار عمل "جسر شرويدر" (Schrödinger Bridge) متعدد المهام لتحويل الصور إلى صور، والذي يصيغ تقسيم مثيلات الخلايا كمسألة توليد قائمة على التوزيع مع إشراف مدرك للحدود، محققاً أداءً تنافسياً على مجموعتي بيانات PanNuke وMoNuSeg دون الاعتماد على التدريب المسبق لنموذج SAM أو المعالجة اللاحقة.
تقدم الورقة البحثية APEX، وهو إطار عمل خالٍ من المميز (discriminator-free) يستفيد من إشارات التصحيح التنافسي الداخلية عبر إزاحة الشرط (condition shifting) لتحقيق توليد صور من النصوص في خطوة واحدة بمستوى رائد (state-of-the-art) مع دقة وكفاءة تدريب فائقتين مقارنة بالطرق الحالية.