12553 ورقة بحثية
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.
يُعد HyperLiDAR إطار عمل خفيف الوزن لتجزئة بيانات ليدار (LiDAR) لما بعد النشر، يعتمد على الحوسبة فائقة الأبعاد، مما يتيح التكيف الفعال على الأجهزة للقيادة الذاتية من خلال الاستفيد من التعلم السريع واستراتيجية اختيار المخزن المؤقت للتغلب على القيود الحسابية والتحولات البيئية.
تقترح هذه الورقة البحثية مساراً موحداً لتوليد البيانات الاصطناعية يقوم تلقائياً بإنشاء تسميات توضيحية متنوعة ومتعددة المهام للفيديو لتدريب النماذج اللغوية الكبيرة متعددة الوسائط، مما يثبت أن النماذج التي تتدرب بشكل أساسي على هذه البيانات الاصطناعية يمكنها التعميم بفعالية، وغالباً ما تتفوق على نظيراتها المدربة على بيانات من العالم الحقيقي، عبر مهام مثل عد الأشياء، والإجابة عن الأسئلة البصرية، والتجزئة.
تتحدى هذه الورقة الافتراض القائل بأن التدريب على مجموعات فرعية يقلل من مخاطر الخصوصية من خلال تقديم CoLA، وهو إطار عمل يوضح أن عملية اختيار البيانات نفسها تخلق أسطح هجوم جديدة (هجمات استدلال العضوية للتدريب وهجمات استدلال المشاركة في الاختيار) قادرة على تسريب معلومات حساسة حول كل من بيانات التدريب وسلسلة التوريد الأوسع للبيانات والنماذج.
تقترح هذه الورقة إطار عمل "تعلم الميزات التنافسية متعدد الأبعاد" (MAFL)، الذي يستخدم آلية تدريب تنافسية لتثبيط انحيازات النمط والمحتوى، مما يعزز بشكل كبير من قدرة التعميم عبر النماذج وكفاءة البيانات في الكشف عن الصور المولدة بواسطة الذكاء الاصطناي.
تقدم هذه الورقة البحثية OmniFood8K، وهي مجموعة بيانات متعددة الوسائط شاملة تعالج نقص بيانات المطبخ الصيني، إلى جانب مجموعة بيانات اصطناعية واسعة النطاق وإطار عمل متكامل (end-to-end) يستفيد من تقدير العمق والدمج المتوافق ترددياً لتحقيق تقدير دقيق للمغذيات من صورة واحدة.
تقترح هذه الورقة إطار عمل جديد لتعلم التلقين غير المرتبط بنمط معين، يعمل على تكييف نموذج "Segment Anything Model" (SAM) للكشف عن الأجسام المموهة متعدد الوسائط من خلال توليد تلقينات موحدة من وسائط مساعدة متنوعة وتحسين التنبؤات باستخدام وحدة قناع خفيفة الوزن، مما يحقق أداءً فائقاً وقدرة على التعميم عبر معايير RGB-Depth وRGB-Thermal وRGB-Polarization.
تقترح هذه الورقة إطار عمل للترشيح الموجه بالمرتكزات ثنائي الأنماط لضبط المطالبات في وقت الاختبار، والذي يستفيد من المرتكزات النصية والمرتكزات الصورية التكيفية لترشيح المشاهد المعلوماتية وتوفير إشراف مستقر، مما يتغلب على قيود الترشيح القائم على الإنتروبيا ويحقق أداءً رائدًا عبر 15 مجموعة بيانات مرجعية.