12553 ورقة بحثية
يقدم البحث نظام RoSHI، وهو نظام قابل للارتداء متعدد الاستخدامات يدمج وحدات قياس القصور الذاتي (IMUs) منخفضة التكلفة مع نظارات Project Aria لتقدير وضعية وشكل جسم الإنسان ثلاثي الأبعاد بدقة في إطار متري عالمي، مما يتيح جمع بيانات عالية الجودة في البيئات الواقعية لتدريب سياسات الروبوتات البشرية.
تقدم هذه الورقة البحثية الذاكرة المكانية السريعة (FSM)، وهي نموذج إعادة بناء رباعي الأبعاد قابل للتوسع يستخدم تدريب وقت الاختبار المرن لتثبيت تحديثات الأوزان السريعة عبر حالة مرساة متطورة، مما يتيح تكيفاً قوياً متعدد القطع عبر تسلسلات طويلة مع التخفيف من النسيان الكارثي واختناقات الذاكرة.
تقدم هذه الورقة البحثية LLaVA-AlignedVQ، وهو نظام رؤية ولغة تعاوني بين الحافة والسحابة يستخدم خوارزمية تكميم متجه محاذٍ (Aligned Vector Quantization) مبتكرة لضغط الميزات الوسيطة بنسبة تقارب 1365 ضعفاً، مما يقلل عرض النطاق الترددي وزمن الاستجابة بشكل كبير مع الحفاظ على دقة مماثلة للحلول السحابية فقط.
تقدم هذه الورقة طريقة "الاضطراب والاستعادة" (PAR)، وهي طريقة ضبط دقيق بسيطة وفعالة تنجح في إزالة الأبواب الخلفية من نماذج CLIP مع الحفاظ على أدائها القياسي، حتى عندما تتوفر البيانات الاصطناعية فقط.
تقدم الورقة البحثية نظام ENTER، وهو نظام لأسئلة وأجوبة الفيديو (VideoQA) قابل للتفسير يستخدم الرسوم البيانية للأحداث لتمثيل أحداث الفيديو وعلاقاتها هيكلياً، مما يتيح استدلالاً قوياً وقابلاً للتفسير من خلال الكود المولد الذي يسد بفعالية الفجوة بين التخطيط من الأعلى إلى الأسفل والمعالجة البصرية من الأسفل إلى الأعلى.
تقترح هذه الورقة البحثية نموذج CA-TriNet، وهو نموذج تعلم عميق متعدد الوسائط يدمج وحدة الانتباه المشترك (Co-Attention) وشبكة Triple-LSTM للتغلب على قيود النماذج الضخمة العامة في توليد التقارير الطبية من خلال التمييز بفعالية بين الصور الطبية المتشابهة وتحسين المخرات النصية، مما يحقق أداءً فائقاً عبر مجموعات بيانات متعددة.
إنَّ ProBA هو إطار عمل لضبط الحزم الاحتمالي يستبدل مسارات النقاط الصلبة بمعالم غاوسية ثلاثية الأبعاد ورسم بياني حركي للوضعية لتمكين عملية تحسين "بنية من الحركة" (Structure-from-Motion) قوية وذات بداية باردة من بيانات غير منظمة، وذلك عبر نمذجة عدم اليقين المكاني صراحةً وحل غموض المرآة.
تقدم الورقة البحثية MAMMA، وهو مسار لالتقاط حركة عدة أشخاص بدون علامات، يستخدم بنية مبتكرة قائمة على الاستعلام ومجموعة بيانات اصطناعية ضخمة لاستعادة معلمات SMPL-X بدقة ومعالم ثنائية الأبعاد كثيفة مدركة للتلامس من فيديوهات متعددة الزوايا لأفراد يتفاعلون، محققاً دقة تنافسية مع الأنظمة التجارية القائمة على العلامات دون الحاجة إلى تنظيف يدوي مكثف.
تقدم هذه الورقة HazeMatching، وهي طريقة تكرارية مبتكرة تعتمد على مطابقة التدفق الشرطي الموجه، توازن بفعالية بين دقة البيانات والواقعية الإدراكية لإزالة الضباب من صور المجهر الضوئي واسع المجال دون الحاجة إلى عامل تدهور صريح.
تقدم الورقة البحثية MedGemma، وهي مجموعة من النماذج التأسيسية الطبية للرؤية واللغة المبنية على Gemma 3، والتي تتفوق بشكل كبير إلى جانب مشفر رؤية متخصص يسمى MedSigLIP على النماذج الأساسية وتقترب من أداء المهام المتخصصة عبر مختلف مهام التصوير والنصوص الطبية مع الحفاظ على القدرات العامة.