12553 ورقة بحثية
يعزز FACT-GS تقنية 2D Gaussian Splatting من خلال تقديم إطار عمل لإعادة تمثيل الأنسجة متوافق مع التردد ومدرك للتعقيد، يستخدم مجال تشويه قابل للتعلم لتخصيص كثافة أخذ عينات غير منتظمة بناءً على التردد البصري المحلي، مما يؤدي إلى تحسين استعادة التفاصيل عالية التردد وكفاءة مساحة الأنسجة دون المساس بالأداء في الوقت الفعلي.
تقترح الورقة البحثية DiSCo، وهو إطار عمل لضغط الفيديو الدلالي يقوم بنقل تمثيلات متعددة الوسائط مدمجة (نص، وفيديو متدهور، ورسومات تخطيطية اختيارية) إلى نموذج انتشار شرطي من أجل إعادة بناء عالية الجودة، مما يتفوق بشكل كبير على برامج الترميز التقليدية في الجودة الإدراكية عند معدلات البت شديدة الانخفاض.
تقدم هذه الورقة ToG-Bench، وهو أول معيار لتقييم ربط الفيديو الزماني المكاني الموجه نحو المهام للفيديوهات من منظور الشخص الأول (egocentric)، والذي يعالج أوجه القصور في النهج الحالية المتمحورة حول الأشياء من خلال تقديم سيناريوهات ربط موجهة نحو المهام، وثنائية صريحة-ضمنية، ومتعددة لواحد، وذلك لتقييم وتطوير الذكاء المتجسد بشكل أفضل.
يقدم VideoCoF إطار عمل موحداً لتحرير الفيديو يستخدم نهج "رؤية، ثم استنتاج، ثم تحرير" المتسلسل عبر الإطارات للتنبؤ بالكميات الكامنة لمنطقة التحرير كرموز استنتاج صريحة، مما يحقق محاذاة دقيقة بين التعليمات والمنطقة واتساقاً في الحركة دون الحاجة إلى أقنعة يقدمها المستخدم مع الحفاظ على كفاءة عالية باستخدام الحد الأدنى من بيانات التدريب.
تقدم الورقة البحثية VABench، وهو إطار عمل مرجعي شامل متعدد الأبعاد مصمم لتقييم قدرات توليد الصوت والفيديو المتزامنة بشكل منهجي عبر ثلاثة أنواع من المهام، وسبع فئات من المحتوى، و15 بُعداً للتقييم، وذلك لمعالجة النقص في التقييمات المقنعة في المعايير المرجعية الحالية لتوليد الفيديو.
تقدم هذه الورقة البحثية "المداولة الرشيقة" (Agile Deliberation)، وهو إطار عمل يعتمد على وجود الإنسان في الحلقة، يساعد المستخدمين على تنقيح المفاهيم البصرية الغامضة أو الذاتية من خلال تحديد النطاق المنظم والتعرض المتكرر للحالات الحدية، مما يؤدي إلى أداء أعلى بكثير للمصنف وجهد معرفي أقل مقارنة بالنماذج المرجعية الحالية.
يُعد Stream-DiffVSR إطار عمل للانتشار (diffusion) يعتمد على التكييف السببي وإطار بإطار، ويحقق دقة فائقة للفيديو عبر الإنترنت بزمن انتقال منخفض وجودة عالية من خلال دمج مُزيل ضجيج مُقطّر من أربع خطوات، ووحدة توجيه زمني ذاتية الانحدار، وفك تشفير مدرك للزمن، مما يقلل وقت الاستدلال من آلاف الثواني إلى أقل من 0.33 ثانية مع التفوق بشكل كبير على الأساليب الحالية المتصلة بالإنترنت في الجودة الإدراكية.
يُعد GaMO إطار عمل للانتشار متعدد الرؤى، يعتمد على تقنية التعلم الصفري ويدرك الهندسة، حيث يعمل على تحسين إعادة البناء ثلاثي الأبعاد من مشاهد قليلة عن طريق توسيع مجال الرؤية من وضعيات الكاميرا الموجودة لضمان الاتساق الهندسي وتغطية أوسع للمشهد، مع تقليل وقت التشغيل الحسابي بشكل كبير مقارنة بالطرق الحالية.
تستخدم هذه الورقة البحثية التفسير الآلي للكشف عن أنه بينما يمكن لنماذج محولات الانتشار (Diffusion Transformers) تحقيق دقة تقارب الكمال في توليد العلاقات المكانية، فإن آليات الدوائر الكامنة تختلف اختلافاً جذرياً اعتماداً على ما إذا كانت مشفرات النصوص عشوائية أو مدربة مسبقاً، حيث يقوم النوع الأخير بدمج المعلومات في رمز واحد (token) ويُظهر متانة مختلفة تجاه الاضطرابات خارج النطاق.
تقترح هذه الورقة \regName، وهو إطار عمل للتنظيم الوعي بالهندسة، خفيف الوزن وقابل للتوصيل والتشغيل، يعمل على تحسين التعلم متعدد الوسائط من خلال فرض التنوع داخل الوسيط الواحد والاتساق المحدود بين الوسائط للتخفيف من انهيار التمثيل وعدم الاتساق عبر الوسائط.