12553 ورقة بحثية
تقدم هذه الورقة البحثية IMPACT، وهي مجموعة بيانات RGB-D شاملة ومتزامنة خماسية الرؤية تضم 112 تجربة تجميع صناعية من العالم الحقيقي مع تعليقات توضيحية متعددة المستويات، وإشراف على استعادة الشذوذ، ومقاييس الحمل المعرفي، صُممت لتقييم وكشف حدود النماذج الحالية في الفهم الإجرائي المعقد الموجه نحو النشر الفعلي.
تُظهر هذه الدراسة أن الاستفادة من نماذج الرؤية التأسيسية الضخمة ذات التعلم الذاتي، ولا سيما نموذج DINOv3 ViT-7B، تُحسن بشكل كبير من كفاءة البيانات في تقسيم مراحل الجراحة في عمليات إعتام عدسة العين عبر الشق الصغير مقارنة بالمشفرات التقليدية الخاضعة للإشراف، مما يقدم حلاً عملياً لبيئات الفيديو الطبية ذات الملصقات المحدودة.
تقدم الورقة البحثية نموذج STORM، وهو نموذج لغوي متعدد الوسائط (MLLM) متكامل من الطرف إلى الطرف يوحد بين تحديد مواقع الأشياء وتتبعها من خلال استراتيجية تعلم تركيب المهام، محققاً أداءً هو الأفضل في فئته على مجموعة بيانات STORM-Bench المقترحة حديثاً.
تقدم هذه الورقة VLN-NF، وهو معيار تقييم ومقياس للتعامل مع التعليمات ذات المقدمات الخاطئة في الملاحة البصرية واللغوية، إلى جانب وكيل ROAM الذي يتنقل ويستكشف ويحدد بدقة الأهداف الغائبة حيث تفشل الطرق التقليدية.
يُعد COREY إطار عمل تجريبي يعزز نماذج فضاء الحالة من خلال الجمع بين دمج العمليات المدرك للذاكرة وإعادة تمثيل الميزات القائم على ضرب هادامارد والجدولة الموجهة بالإنتروبيا لتقليل زمن الاستجابة، وتحسين معدل الإنتاجية، وخفض حركة مرور ذاكرة الوصول العشوائي الديناميكية (DRAM) في استدلال السياق الطويل.
تقدم الورقة البحثية DINOCell، وهو إطار عمل للتدريب المسبق ذاتي الإشراف يعمل على تكييف تمثيلات DINOv2 خصيصاً لبيانات المجهر للتغلب على قيود النماذج القائمة على الصور الطبيعية، محققاً أداءً هو الأفضل في حالته في تقسيم مثيل الخلايا على معيار LIVECell وقدرة قوية على التعميم دون تدريب مسبق.
تقترح هذه الورقة البحثية وحدة "الدمج المبوّب مع عزل الأنماط" (MIGF)، وهي وحدة غير مرتبطة بهيكلية محددة تعمل على تعزيز المتانة في تقسيم صور الرنين المغناطيسي للبروستاتا متعددة الأنماط من خلال الحفاظ على مسارات ترميز منفصلة والتدريب باستخدام تقنية إسقاط الأنماط للتعامل بفعالية مع المدخلات المفقودة أو المتدهورة، محققةً أداءً فائقاً على مجموعة بيانات PI-CAI مقارنة باستراتيجيات الدمج القياسية.
تتناول هذه الورقة الحاجة الماسة للكشف المبكر عن سرطان الرئة من خلال تقييم بنيات التعلم العميق الراسخة مثل InceptionV3 وResNet152، مع اقتراح نموذج شبكة عصبية تلافيفية (CNN) جديد مكون من 16 طبقة يُظهر تحسينات مستمرة في الدقة حتى 30 حقبة (epoch) ويحد بفعالية من فرط التخصيص (overfitting).
تقدم هذه الورقة البحثية شبكة UGDA-Net، وهي إطار عمل جديد للتجزئة يجمع بين الانتباه المزدوج الموجه بعدم اليقين، ودالة فقدان موزونة بالإنتروبيا، والإشراف العميق لتحسين دقة تجزئة شتلات النباتات بشكل كبير في الخلفيات الزراعية المعقدة.
تقدم هذه الورقة إطار عمل قابلاً للتوسع لتقييم كيفية تأثير نماذج إعادة بناء الصور الطبية على أداء التشخيص والعدالة في المهام اللاحقة، كاشفةً أنه في حين تفشل المقاييس التقليدية على مستوى البكسل في التنبؤ بدقة التشخيص، فإن عملية إعادة البناء يمكن أن تضخم التحيزات الديموغرافية بشكل طفيف، مما يؤكد الحاجة إلى تقييمات شاملة لسير العمل.