12553 ورقة بحثية
تقترح هذه الورقة البحثية إطار عمل MLA-Gen، وهو إطار لتوليد الحركة مدفوع بالنص يدمج الأولويات العالمية مع التكييف المحلي دقيق التفاصيل، ويعالج ظاهرة "مصب الانتباه" (attention sink) المكتشفة حديثاً من خلال مقياس جديد واستراتيجيات تحكم لتحسين جودة الحركة والمواءمة بين النص والحركة بشكل كبير.
تقدم هذه الورقة البحثية "تدفق ميزات المويجات" (Wavelet Feature Stream) القابل للتشغيل والتركيب، والذي يعزز التعرف على مشية المشي القائمة على الهيكل العظمي من خلال استخراج ديناميكيات الزمن والتردد الصريحة من سرعات المفاصل عبر تحويلات المويجات المستمرة، محققاً أداءً هو الأفضل في حالته على مجموعة بيانات CASIA-B، لا سيما في ظل تغيرات المظهر الصعبة مثل حمل الحقائب أو ارتداء المعاطف.
إن QVAD هو إطار عمل وكيل مركزي قائم على الأسئلة ولا يتطلب تدريباً، يستفيد من الحوار الديناميكي بين نموذج لغوي كبير ونماذج لغوية-بصرية خفيفة الوزن لتحسين الاستعلامات بشكل تكراري، محققاً أداءً رائدًا في كشف الشذوذ في الفيديو بأقل قدر من المعلمات وكفاءة عالية مناسبة للأجهزة الطرفية.
تقدم الورقة البحثية MV-VDP، وهي سياسة انتشار فيديو متعددة الرؤى تتنبأ بشكل مشترك بفيديو RGB وخريطة حرارية متعددة الرؤى لنمذجة الديناميكيات المكانية والزمانية ثلاثية الأبعاد بفعالية، مما يتيح تلاعبًا روبوتيًا فعالًا من حيث البيانات، وقويًا، وقابلًا للتعميم باستخدام عشر عروض توضيحية فقط.
تقدم الورقة البحثية VOSR، وهو إطار عمل توليدي يعتمد على الرؤية فقط لرفع دقة الصور، يحقق جودة إدراكية ودقة هيكلية تنافسية بتكاليف تدريب أقل بكثير من الطرق القائمة على تحويل النص إلى صورة، وذلك من خلال الاستفاء من التوجيه الدلالي البصري واستراتيجية توجيه مبتكرة موجهة للترميم دون الاعتماد على التدريب المسبق متعدد الوسائط.
يُعد CoME-VL إطار عمل رؤية ولغة معياريًا يعمل على رفع مستوى الأداء من خلال دمج مشفرات بصرية تباينية وذاتية الإشراف متكاملة عبر التجميع الموجه بالإنتروبيا والانتباه المتقاطع المعزز بـ RoPE، محققًا بذلك نتائج رائدة في مختلف معايير الفهم والتوطين.
تقدم هذه الورقة إطار عمل مبتكر للحوسبة الطرفية في الوقت الفعلي لتوصيف لهب النفاث الصناعي، والذي يستخدم نموذج UNet مُحسَّنًا تم نشره على نظام Ultra96 SoC FPGA، محققاً تقليلاً بمقدار 125 ضعفاً في معاملات النموذج وتحسناً في زمن الاستجابة بمقدار 7.5 ضعفاً للوصول إلى 30 إطاراً في الثانية دون التضحية بدقة التجزئة.
يُعد MoViD إطار عمل لتقدير وضعية جسم الإنسان ثلاثية الأبعاد غير متأثرة بمنظور الرؤية، حيث يقوم بفصل ميزات الحركة ومنظور الرؤية من خلال مُقدِّر للمنظور وإسقاط متعامد، محققاً دقة فائقة في الأداء مع تقليل متطلبات البيانات وإمكانية الاستنتاج في الوقت الفعلي على الأجهزة الطرفية.
تحدد هذه الورقة قيودًا جوهرية في النماذج اللغوية الكبيرة متعددة الوسائط فيما يتعلق بفهم الفيزياء الحدسية، وتستعرض مهام اختبار معيارية جديدة لتقييم هذه القدرة، وتقترح نهج مجال المشهد الديناميكي (SDF)، الذي يستفيد من محاكيات الفيزياء لتحسين الأداء والتعميم في الاستدلال الفيزيائي بشكل كبير.
يُعد V-Reflection إطار تدريب يحوّل النماذج اللغوية الكبيرة متعددة الوسائط من مجرد مراقبين سلبيين إلى مستجوبين نشطين عبر توظيف آلية "فكر-ثم-انظر" باستخدام استراتيجية تقطير ثنائية المرحلة لربط الاستدلال بالأدلة البصرية، مما يقلل بشكل كبير من الهلوسات المتعلقة بالإدراك مع الحفاظ على كفاءة الاستدلال النهائي من طرف إلى طرف.