12553 ورقة بحثية
تقدم هذه الورقة البحثية FlowHijack، وهو أول إطار عمل لهجمات الباب الخلفي يستغل بشكل منهجي ديناميكيات حقل المتجهات لنماذج الرؤية واللغة والعمل (VLA) القائمة على مطابقة التدفق، وذلك عبر الجمع بين استراتيجية حقن جديدة مشروطة بـ ومنظم محاكاة للديناميكيات لتحقيق معدلات نجاح عالية باستخدام محفزات خفية وغير قابلة للتمييز سلوكياً.
تقدم هذه الورقة البحثية مسار عمل معياريًا يعتمد على التعلم الصفري (zero-shot) لتحدي ACCIDENT @ CVPR 2026، يقوم بالكشف عن حوادث المرور وتحديد مواقعها وتصنيفها في فيديوهات المراقبة دون الحاجة إلى بيانات تدريب من العالم الحقيقي، وذلك عبر الجمع بين كشف الذروة في فروق الإطارات، وتحليل مركز ثقل التدفق البصري، ومطابقة تشابه النص والصورة القائمة على نموذج CLIP.
تُعد TaFall نظاماً للحفاظ على الخصوصية للكشف عن السقوط، حيث يستفيد من استشعار المصفوفة الحرارية منخفض التكلفة ونهج قائم على التوازن لنمذجة الديناميكيات الميكانيكية الحيوية، محققاً دقة عالية في الكشف ومعدل إنذار كاذب منخفض للغاية في البيئات الداخلية الواقعية.
تقدم هذه الورقة البحثية تدريب البديل الواعي بالحدة (SAST)، وهو أسلوب يقلل من فجوة الأداء بين التدرجات البديلة السلسة والنبضات الثنائية الحادة في الشبكات العصبية النبضية، مما يحسن بشكل كبير من الدقة وكفاءة الطاقة في معايير الكاميرا الحدثية تحت قيود الأجهزة الصارمة.
تتحدى هذه الورقة الافتراض الشائع بأن تعزيز وقت الاختبار (TTA) يحسن تصنيف الصور الطبية من خلال إثبات أن مسارات تعزيز وقت الاختبار القياسية غالباً ما تؤدي إلى تدهور الدقة عبر مختلف البنيات ومجموعات البيانات بسبب انزياحات التوزيع وعدم توافق المعايير الطبيعية، مما يحث الممارسين على التحقق من استخدامه في تركيبات محددة من النماذج ومجموعات البيانات بدلاً من تطبيقه كاستراتيجية افتراضية.
تُعد PASTA خط معالجة خاضع للإشراف الضعيف يستفيد من تحليل ميزات محول الرؤية (Vision Transformer) والمطالبات النصية لنموذج Segment Anything Model 3 لتحقيق تقسيم آني على مستوى البكسل للأهداف والعيوب غير المرئية في البيئات الصناعية والزراعية، مما يقلل بشكل كبير من وقت التدريب مع التفوق على النماذج المرجعية المتخصصة في هذا المجال.
تقدم هذه الورقة إطار عمل للتقييم الخصومي المدرك للمنصة يكشف كيف تعاني كواشف الوسائط القائمة على الذكاء الاصطناعي، رغم أدائها شبه المثالي في الحالات النظيفة، من تدهور كبير في الدقة والمعايرة عند تعرضها لتحويلات النشر الواقعية والاضطرابات المقيدة بصرياً، مما يكشف عن فجوة حرجة بين المتانة المختبرية والموثوقية في العالم الحقيقي.
يقدم LAST إطار عمل موحداً يتميز بصندوق رملي تفاعلي (LAST-Box) واستراتيجية تدريب تدريجية تمكن النماذج اللغوية الكبيرة متعددة الوسائط من استدعاء أدوات رؤية متخصصة بفعالية وتفسير مخرجاتها كإشارات، مما يعزز بشكل كبير أداء الاستدلال المكاني ويتفوق على النماذج المملوكة القوية.
تُعد MuPPet إطار عمل مبتكر لرفع وضعيات الهيكل العظمي من ثنائية الأبعاد إلى ثلاثية الأبعاد لعدة أشخاص، حيث يقوم بنمذجة الارتباطات بين الأشخاص بشكل صريح من خلال ترميز الأشخاص، وتعزيز التبديل، وانتباه متعدد الأشخاص ديناميكي، محققاً أداءً هو الأفضل في فئته وتحسناً في المتانة في سيناريوهات الاحتجاب على مجموعات بيانات التفاعل الجماعي.
تقترح هذه الورقة إطار عمل للأنظمة الديناميكية يحلل تدريب الشبكات البصرية العميقة من خلال مقاييس تنشيط الطبقات مثل التكامل وعدم الاستقرار، مما يكشف عن أنماط متميزة تفرق بين صعوبة مجموعة البيانات، وتقارب الإشارة في وقت مبكر قبل الدقة، وتُوصّف سلوكيات تدريب متنوعة.