12553 ورقة بحثية
تقترح هذه الورقة إطار عمل للأسلوب الهندسي يقوم بتشويه الشبكات ثلاثية الأبعاد لتعكس الميزات الهندسية لصورة مرجعية عبر الاستفادة من نماذج الانتشار سابقة التدريب لاستخراج الأسلوب التجريدي ومشفر "VAE" تقريبي لحساب التدرج بكفاءة، مما يتيح تغييرات هندسية جذرية مع الحفاظ على طوبولوجيا الشبكة والدلالات على مستوى الأجزاء.
تقدم هذه الورقة إطار عمل LAKE، وهو إطار عمل لا يتطلب تدريباً يتحدى نموذج الصندوق الأسود لنماذج الرؤية واللغة من خلال إثبات أن اكتشاف الشذوذ يمكن تحقيقه عبر التنشيط المستهدف لنيورونات (عصبونات) نادرة، كامنة، وحساسة للشذوذ باستخدام العينات الطبيعية فقط، مما يحقق أداءً يضاهي أحدث ما توصل إليه العلم مع قابلية تفسير ذاتية.
تُعد HAWK طريقةً لتقليم الرموز المرئية دون الحاجة إلى تدريب لنماذج اللغات الكبيرة متعددة الوسائط، حيث تستفيد من الوعي بأهمية الرأس والانتباه الموجه بالنص لتقليل زمن الاستجابة واستهلاك الذاكرة بشكل كبير مع الحفاظ على دقة تضاهى أعلى المستويات من خلال الاحتفاظ انتقائياً بالرموز المرئية ذات الصلة بالمهمة.
تقدم الورقة البحثية AgriChain، وهي مجموعة بيانات لـ 11,000 صورة زراعية تم التحقق منها من قبل خبراء مع مسوغات تعتمد على تسلسل الأفكى (chain-of-thought)، وتُظهر أن الضبط الدقيق لنموذج Qwen2.5-VL-3B على هذه البيانات يحسن بشكل كبير كلاً من دقة وقابلية تفسير تشخيص أمراض النباتات مقارنة بالنماذج التجارية الرائدة للرؤية واللغة.
تقدم هذه الورقة البحثية "حقن عناصر واجهة المستخدم على المستوى الدلالي"، وهي طريقة للاختبار الهجومي (red-teaming) تقوم بوضع عناصر واجهة مستخدم غير ضارة فوق الواجهة لتضليل وكلاء واجهة المستخدم الرسومية (GUI agents)، مما يكشف أن عمليات الحقن المحسنة هذه تزيد بشكل كبير من معدلات نجاح الهجوم، وتنتقل عبر النماذج، وتخلق عوامل جذب بصرية مستمرة مقارنة بالضوضاء العشوائية.
تقترح هذه الورقة إطار عمل لتوليد البيانات الاصطناعية الموجهة بالتعزيز، يعمل على تكييف النماذج التوليدية سابقة التدريب مع مهام التعرف على الهوية الحساسة للخصوصية من خلال المحاذاة في مرحلة البداية الباردة، وتحسين المكافأة متعدد الأهداف، والاختيار الديناميكي للعينات، مما يكسر حلقة ندرة البيانات مع تحسين دقة التوليد ودقة التصنيف بشكل كبير.
تتقصى هذه الورقة كيفية تأثير هندسة أخذ العينات على استقرار الإحصاءات المكانية في التصوير متعدد الأطياف، وتستعرض وحدة إعادة بناء مدركة للهندسة تتيح تحليلاً ثلاثي الأبعاد متناثرًا وموثوقًا من المقاطع المتسلسلة، مما يوفر إرشادات عملية حول متى يكفي أخذ العينات ثنائي الأبعاد مقابل متى تكون إعادة البناء ثلاثي الأبعاد ضرورية.
يقدم WorldMAP إطار عمل "معلم-طالب" يستفيد من نماذج العالم التوليدية لتخليق إشراف دلالي-مكاني مهيكل وتسميات مسار مستعارة، مما يمكن نموذج طالب خفيف الوزن من تحقيق أداء رائد في الملاحة الرؤية-اللغوية من خلال تحويل المستقبل المتخيل بفعالية إلى إشارات تعلم راسخة.
يُعد ImVideoEdit إطار عمل فعال لتحرير الفيديو يحقق نتائج عالية الدقة ومتسقة زمنياً من خلال التعلم حصرياً من أزواج الصور عبر نهج مكاني زماني منفصل، وذلك باستخدام وحدة انتباه الفرق المكاني "تنبؤ-تحديث" وآلية بوابات دلالية ديناميكية موجهة بالنص مع تجميد وحدات الانتباه ثلاثية الأبعاد مسبقة التدريب.
تقدم الورقة البحثية LiVER، وهو إطار عمل قائم على الانتشار يحقق مستويات رائدة في توليد الفيديو القابل للتحكم في المشهد عبر فك الارتباط بين الخصائص ثلاثية الأبعاد مثل التخطيط، والإضاءة، ومسار الكاميرا من خلال وكيل يعتمد على برنامج عرض ومجموعة بيانات ضخمة ومبتكرة.