12553 ورقة بحثية
يُعد FIRE-CIR نموذجاً مبتكراً لاسترجاع الصور المكونة من أزياء دقيقة التفاصيل، حيث يعزز الدقة والقابلية للتفسير عبر استبدال تشابه التضمين البسيط بعملية استدلال بصري صريحة مدفوعة بالأسئلة، تتحقق من التعديلات على مستوى السمات بين الصور المرجعية والمرشحة.
يقدم FaceLiVTv2 بنية هجينة محسنة تتميز بوحدة تفاعل رموز عالمية خفيفة الوزن وكتلة RepMix موحدة لتعزيز المقايضة بين الدقة والكفاءة بشكل كبير للتعرف على الوجوه عبر الأجهزة المحمولة، محققاً سرعة استدلال تزيد بنسبة تصل إلى 30.8% عن الطرق الخفيفة الرائدة مع الحفاظ على دقة فائقة.
تقدم الورقة البحثية MixFlow، وهي استراتيجية تدريب تدمج توزيعاً غير مشروط ثابتاً مع توزيع مصدر محاذٍ للإشارة لتقليل انحناء المسار التوليدي، مما يؤدي إلى تحسين كفاءة أخذ العينات، وجودة التوليد، وتقارب التدريب بشكل كبير في نماذج التدفق المصحح (rectified flow models).
تقترح هذه الدراسة إطار عمل للتعلم العميق متعدد الوسائط ثنائي ونصف الأبعاد (2.5D) يدمج تصوير الأشعة المقطعية قبل الجراحة والبيانات السريرية للتنبؤ بدرجة استجابة العلاج الكيميائي النسيجية في سرطان المبيض ذي الخلايا المصلية عالية الدرجة، حيث أظهرت دقة عالية على مجموعة داخلية رغم انخفاض أدائها في مجموعة تحقق خارجية.
تقدم هذه الورقة أول طريقة مثالية عالمياً لتقدير الوضعية ثلاثية الأبعاد للأشكال التعسفية من الظلال المتعامدة غير المحجوبة، وذلك عبر الاستفادة من استمرارية مساحة الظل ونسب الأبعاد البيضاوية للبحث بكفاءة في فضاء الدوران دون الحاجة إلى وجود توافقات بين النقاط.
تقدم الورقة البحثية CT-1، وهو نموذج رؤية-لغة-كاميرا مبتكر يستفيد من مسار بيانات متخصص وتنظيم قائم على المويجات لنقل معرفة الاستدلال المكاني إلى توليد فيديو قابل للتحكم عبر الكاميرا، محققاً تحسناً كبيراً في دقة المسار وتوليد حركة منطقية فيزيائياً.
تعالج هذه الورقة نقص البيانات ثلاثية الأبعاد المصنفة للكشف عن الحيوانات من خلال اقتراح مسار عمل يستخدم نماذج الحيوانات المتعددة الخطية ذات الجلد (Skinned Multi-Animal Linear models) وتحسين وضعية الكاميرا لتوليد صناديق محيطة ثلاثية الأبعاد دقيقة ومقاييس رؤية من صور RGB أحادية العدسة، مما يتيح تطوير واختبار خوارزميات الكشف عن الحيوانات ثلاثية الأبعاد في المستقبل.
تقدم الورقة البحثية إطار عمل SHIFT، وهو إطار عمل خفيف الوزن ولا يتطلب تدريباً، يقوم بتوجيه نماذج الانتشار القائمة على بنية DiT من خلال التلاعب الديناميكي بالتنشيطات البينية أثناء الاستدلال لكبح المفاهيم غير المرغوب فيها، أو نقل نطاقات الأنماط، أو تعديل الكائنات مع الحفاظ على جودة الصورة الإجمالية والالتزام بالمطالبة النصية.
تقترح هذه الورقة إطار عمل لتقليم الرموز ثلاثي المراحل لنماذج الرؤية واللغة والعمل (VLA) متعددة الوسائط البصرية، والتي تلتقط ديناميكيًا فروق بروز الوسائط ثنائية وثلاثية الأبعاد لتحقيق تسريع في الاستدلال يصل إلى 2.55 ضعفًا مع حد أدنى من فقدان الدقة.
تقترح هذه الورقة طريقة لتحليل واجهات المباني مستندة إلى البنية، تعمل على تعزيز نموذج YOLOv8 باستخدام فقد محاذاة مخصص لفرض ترتيبات صناديق الإحاطة المتسقة مع الشبكة، مما يؤدي إلى تحسين التماسك الهيكلي لإعادة البناء الإجرائي مع الحفاظ على دقة الكشف في الصور غير المثالية.