12553 ورقة بحثية
تقترح الورقة البحثية إطار عمل HST-HGN، وهو شبكة هيبيرغراف هرمية مبتكرة لالتقاط التآزرات الوجهية المكانية عالية الرتبة ووحدة Mamba ثنائية الاتجاه لنمذجة زمنية طويلة المدى وفعالة، وذلك لتحقيق تقييم فوري وحالة متطورة لإجهاد السائق عالمياً من فيديوهات غير مقصوصة في ظل ميزانيات حوسبة مقيدة.
تقدم هذه الورقة البحثية "تأريض تدرج الإنتروبيا" (Entropy-Gradient Grounding)، وهي طريقة لا تتطلب تدريباً تعزز قدرة نماذج الرؤية واللغة على استرجاع الأدلة للاستعلامات المعقدة عبر نشر إنتروبيا الرمز التالي عكسياً لتوليد خرائط صلة، مما يتيح صقلاً بصرياً تكرارياً مدفوعاً بعدم اليقين دون الحاجة إلى كواشف مساعدة.
تقدم هذه الورقة CrashSight، وهو معيار مرجعي واسع النطاق للرؤية واللغة يستخدم بيانات كاميرات الطريق من العالم الحقيقي وتصنيفاً ثنائي المستويات لتقييم وكشف أوجه القصور في نماذج الرؤية واللغة الحالية في فهم والاستدلال حول مشاهد حوادث المرور من منظور البنية التحتية.
تقدم الورقة البحثية FrameCrafter، وهو نهج مبتكر يعمل على تطويع نماذج الانتشار بالفيديو لتركيب مناظر جديدة نادرة عبر إعادة صياغة المهمة كمسألة إكمال فيديو غير معتمدة على الترتيب، مما يتيح الاستفضاء من المعرفة الضمنية متعددة الرؤى دون الحاجة إلى بيانات تدريب معقدة متعددة الرؤى.
تقترح الورقة البحثية SelfEvo، وهو إطار عمل للتحسين الذاتي يستفيد من التقطير الذاتي مع عدم التماثل في السياق الزماني والمكاني لتعزيز نماذج إعادة البناء متعددة المشاهد مسبقة التدريب على مقاطع الفيديو غير المصنفة، محققاً مكاسب كبيرة في مهام الإدراك رباعي الأبعاد مثل تقدير العمق والكاميرا دون الحاجة إلى تسميات توضيحية حقيقية.
تقدم هذه الورقة ParseBench، وهو معيار مرجعي جديد يضم حوالي 2,000 وثيقة مؤسسية تم التحقق منها بشرياً، صُممت لتقييم وكلاء الذكاء الاصطناعي بناءً على خمسة أبعاد حرجة للصحة الدلالية — الجداول، والرسوم البيانية، وأمانة المحتوى، والتنسيق الدلالي، والتأسيس البصري — مما يكشف أن طرق التحليل الحالية تفتقر إلى الأداء المتسق عبر جميع القدرات.
يُعد OpenVLThinkerV2 نموذج استدلال متعدد الوسائط قوي الأداء وعام الغرض، يحقق أداءً فائقاً عبر مهام بصرية متنوعة من خلال تقديم خوارزمية Gaussian GRPO (GRPO) لضمان تكافؤ التدرج واستقراره بين المهام، إلى جانب آليات مبتكرة لتشكيل طول الاستجابة والاعتلاج (entropy) للموازنة بفعالية بين الإدراك دقيق التفاصيل والاستدلال متعدد الخطوات.
تحدد هذه الورقة ظاهرة "الرؤية دون التفكير" في نماذج خليط الخبراء متعددة الوسائط وتعالجها، حيث تتسبب المدخلات البصرية في عدم تفعيل آليات التوجيه للخبراء المعنيين بالاستدلال ذوي الصلة بالمهمة، وتقترح تدخلاً موجهاً للتوجيه يحسن بشكل كبير أداء الاستدلال البصري المعقد من خلال ضمان التفعيل المناسب للخبراء.
تقدم هذه الورقة UAVDB، وهي مجموعة بيانات مرجعية واسعة النطاق للكشف عن الطائرات بدون طيار وتجزئتها، تتميز بأجسام متعددة المقاييس وتسميات عالية الدقة تم إنشاؤها من خلال مسار إشراف ضعيف موجه بالنقاط يجمع بين تقارب شدة الرقعة (Patch Intensity Convergence) لصناديق الإحاطة ونموذج SAM2 لأقنعة التجزئة.
تقدم الورقة البحثية MozzaVID، وهي مجموعة بيانات حجمية متعددة الدقة وواسعة النطاق للبنية المجهرية لجبن الموزاريلا مستمدة من فحوصات التصوير المقطعي بالأشعة السينية (X-ray CT)، والمصممة لاختبار نماذج التعلم العميق لتحليل وتصنيف بنية الأغذ "ثلاثية الأبعاد".