12553 ورقة بحثية
تقترح هذه الورقة إطار عمل SRCP، وهو إطار مبتكر يعزز التعلم التعزيزي البصري غير الخاضع للإشراف بنمط الصفر (zero-shot) عبر فصل تعلم التمثيل عن تدريب التابع من خلال مهمة ديناميكية موجهة بالبروز، ودمج سياسة اتساق مع توجيه خالٍ من المصنف للتغلب على قيود التمثيلات التابعة التقليدية في البيئات عالية الأبعاد.
تقترح هذه الورقة طريقة لتقليل آثار المعدن في التصوير المقطعي المحوسب بكفاءة عالية في استخدام البيانات، وذلك عبر إعادة صياغة المهمة كمسألة استدلال سياقي من خلال تكييف نموذج انتشار أساسي للرؤية واللغة باستخدام التكيف منخفض الرتبة (LoRA) والتحكم متعدد المراجع، محققةً نتائج هي الأفضل في فئتها باستخدام 16 إلى 128 مثالاً تدريبياً فقط مع الحد من الهلوسة من خلال التكيف مع المجال.
تقترح هذه الورقة إطار عمل "خليط من خبراء الأنماط" (MoME) المعزز باستراتيجية "تعلم الرموز الشامل" (HTL) لتحقيق دمج متعدد الوسائط تكيفي ودقيق لتمييز أفعال السائقين بمتانة، مما يظهر أداءً فائقًا وقدرة على التفسير مقارنة بالنماذج المرجعية الحالية في الاختبارات القياسية العامة.
يُعد CoStream نظاماً لتحليلات بث الفيديو كفؤاً في استهلاك الموارد، حيث يستفيد من البيانات الوصفية المتأصلة في الترميز لتوجيه تقليم الرقع عبر الإنترنت وتحديث ذاكرة التخزين المؤقت الانتقائية للمفاتيح والقيم، محققاً تحسناً في الإنتاجية يصل إلى 3 أضعاف وخفضاً في حسابات وحدة معالجة الرسومات بنسبة 87% مع حد أدنى من فقدان الدقة.
تقترح هذه الورقة طريقة ICM، وهي طريقة توجيه دقيقة تعمل على تحديد وتدخل طبقات انتباه ذاتي محددة لمعالجة الخيارات التوليدية الضمنية وإزالة التحيز في نماذج الانتشار من النص إلى الصورة بفعالية.
يُعد EDGE-Shield مرشح محتوى مرجعيًا وقابلًا للتوسع، يقوم بحظر انتهاكات حقوق الطبع والنشر والتزييف العميق بكفاءة أثناء عملية توليد الصور من خلال الاستفوتادة من المطابقة القائمة على التضمين وتحويل -pred المبتكر لتقليل زمن الاستجابة بشكل كبير مع الحفاظ على دقة عالية عبر مختلف النماذج التوليدية.
يعزز Graph-PiT التماسك الهيكلي في تركيب الصور القائم على الأجزاء من خلال تقديم شبكة عصبية رسومية هرمية تعمل على نمذجة العلاقات المكانية والدلالية بين المكونات المرئية صراحةً كأولوية رسومية، مما يتغلب بذلك على قيود التعامل مع الأجزاء كمجموعات غير مرتبة.
تقدم هذه الورقة إطار عمل مغلق الحلقة لتوليف البرامج الرسومية العلمية يستفيد من مجموعة بيانات SciTikZ-230K عالية الجودة، ومجموعة تقييم SciTikZ-Bench الشاملة، ونموذج تعلم تعزيزي جديد قائم على الاتساق المزدوج الذاتي لتدريب نموذج SciTikZer-8B، الذي يحقق أداءً هو الأفضل في فئته في تحويل المرئيات الثابتة إلى كود TikZ قابل للتنفيذ، متفوقاً بذلك على النماذج متعددة الوسائط الرائدة المملوكة والمفتوحة المصدر.
إنَّ SEM-ROVER هو إطار عمل توليدي ثلاثي الأبعاد يستخدم نموذج انتشار مشروط دلاليًا يعمل على شبكة -Voxfield منفصلة لتمكين التوليد القابل للتوسع والمتسق متعدد المشاهد لمشاهد القيادة واقعية التصوير واسعة النطاق من خلال التوسيع المكاني التدريجي والرندرة المؤجلة.
تقدم هذه الورقة البحثية "صور الأفعال" (Action Images)، وهو نموذج عالمي موحد للأفعال يصيغ تعلم سياسة الروبوت كعملية توليد فيديو متعدد الزوايا عبر ترجمة أفعال بسبع درجات من الحرية إلى فيديوهات أفعال مرتبطة بالبكسلات، مما يمكن العمود الفقري للفيديو من العمل كسياسة صفرية دون وحدات تحكم منفصلة، مع تحقيق أداء فائق في كل من نجاح المهام الصفرية وجودة توليد الفيديو والأفعال.