12113 ورقة بحثية
يُعد PaSTel إطار عمل للتدريب المسبق متعدد الوسائط هرمي يعزز تمثيلات النسخ المكاني من خلال دمج الأولويات البيولوجية على مستويات البقعة والوظيفة والمنطقة للتغلب على قيود طرق اختيار الجينات والمحاذاة الحالية.
تثبت هذه الورقة تجريبياً أن أداء المقيّمين والمراجعين يتفاوت بشكل كبير عبر الصور الجوية متعددة المصادر، حيث تُظهر بيانات الأقمار الصناعية ذات الدقة المنخفضة معدلات مراجعة أعلى بكثير من صور الطائرات بدون طيار أو الطيران المأهول ذات الدقة العالية، مما يتحدى فعالية سير عمل ضبط الجودة الموحد ويشير إلى الحاجة إلى استراتيجيات تنسيق تكيفية واعية بالمصدر.
تقيم هذه الورقة أربعة من النماذج الرائدة لتحويل النص إلى صورة (Gemini 3 Pro Image، وFLUX.2، وIdeogram 3.0، وHunyuan 3.0) بناءً على 48 مطالبة شديدة التعقيد، كاشفةً أن نموذج Gemini 3 Pro Image يتصدر بنتيجة 84.8/100، مع تسليط الضوء على أن الأنظمة الحالية تعاني أساساً في عد الأشياء، والدقة الهندسية، ووضوح النصوص.
تقدم هذه الورقة البحثية FZ-VLM، وهو إطار عمل جديد لنماذج الرؤية واللغة ثنائي المراحل يجمع بين Florence-2 وZephyr-7B، والذي يتفوق على النماذج المرجعية الحالية والخبراء البشريين في توصيف العقيدات الرئوية من الأشعة المقطعية بدقة وتوليد توصيات متابعة ذات صلة سريرياً.
تقدم الورقة البحثية شبكة DualMiT-Net، وهي شبكة ثنائية الفروع تدمج تفاصيل الكتلة المحلية من مشفر Mix Transformer مع سياق الثدي العالمي من مشفر EfficientNet عبر وحدة فك تشفير ذات بوابة مكانية لتحقيق أداء هو الأفضل في حالته في تقسيم كتلة الثدي على مجموعة بيانات CBIS-DDSM.
يُعد Handoff-H1 نظام وكيل رؤية مُنسق يدمج نماذج رؤية حاسوبية متخصصة، ووكلاء مستخدمين للأدوات، وقاعدة معرفية إنشائية لتحقيق استخراج متطور لحجم كميات المواد من المخططات المعمارية الخام، متفوقاً بذلك على كل من النماذج الذكية الرائدة والمقدرين المهنيين المستقلين من حيث التغطية والدقة.
تقترح هذه الورقة FE-SAM، وهو إطار عمل قابل للتوسع للتجزئة الدلالية لصور الاستشعار عن بعد يعمل على تعزيز نموذج "Segment Anything" من خلال تقديم مُكيِّف مُعدَّل بالتردد (Frequency-Modulated Adapter) لتفكيك الميزات الترددية تكيفيًا، ومُحسِّن حواف (EGRefiner) لدمج معلومات الحواف متعددة المقاييس، وذلك للتغلب على قيود تكييف الميزات وغموض الحدود لتحقيق أداء هو الأفضل في فئته.
تُظهر هذه الدراسة المنضبطة أن إزالة الشبكات التغذوية الأمامية من فكوك التشفير الخاصة بالتأسيس البصري يمكن أن تضاهي أو تتجاوز أداء البنيات القياسية مع تقليل عدد المعلمات القابلة للتدريب وزمن الاستجابة بشكل كبير، شريطة تعويض قدرة النموذج عن طريق زيادة عدد طبقات الانتباه فقط.
يُعد ProjFormer إطار عمل خفيف الوزن متعدد الوسائط لإكمال السحابة النقطية، يعالج الطبيعة غير محددة الحل لهذه المهمة من خلال فرض الاتساق الهندسي عبر الإسقاط الصريح وتوجيه الميزات التكيفي لدمج القيود الدلالية ثنائية الأبعاد مع صقل البنية ثلاثية الأبعاد بشكل فعال.
تقدم هذه الورقة البحثية CETalk، وهو إطار عمل لتوليد الرؤوس المتحدثة ثلاثية الأبعاد المدفوعة بالصوت، والذي يستفيد من تمثيلات التكافؤ والاستثارة المستمرة وبنية نمذجة زمنية متعددة المقاييس لتحقيق تحكم عاطفي دقيق ومزامنة دقيقة لحركة الشفاه مع التغلب على قيود فئات العواطف المنفصلة.