12556 ورقة بحثية
تُظهر هذه الدراسة أن الجمع بين النماذج التأسيسية للرؤية واللغة سابقة التدريب مع معالجة لاحقة نمطية ومخصصة لمهام معينة يُمكّن من إنشاء نظام قابل للتوسع، وفعال في استهلاك الملصقات، ومتين للكشف الآلي، والتجزئة، والتتبع طويل الأمد للخنازير التي تعيش في مجموعات تحت ظروف إضاءة واحتجاب متنوعة.
إكسبريس إيديت (ExpressEdit) هو ملحق فوتوشوب مفتوح المصدر وسريع يتيح تعديل تعبيرات الوجه بأسلوب فني وخالٍ من العيوب في أقل من 3 ثوانٍ عبر التآزر مع الأدوات الأصلية والاستفادة من قاعدة بيانات تعبيرات شاملة مدعومة بالاسترجاع للتغلب على قيود نماذج التحرير بالذكاء الاصطناعي الحالية.
تقدم هذه الورقة MolSeek-OCR، وهو نموذج مُعدل من DeepSeek-OCR-2 للتعرف البصري على البنى الكيميائية، يستخدم استراتيجية ضبط دقيق تدريجي على مرحلتين باستخدام بيانات اصطناعية وبيانات براءات اختراع لتحقيق دقة تنافسية على مستوى التسلسل، رغم أنه لا يزال يتأخر عن النماذج الرائدة التي تحول الصور إلى رسوم بيانية ويفشل في التحسن أكثر من خلال التعلم التعزيزي أو تنقية البيانات في مرحلة ما بعد التدريب.
إن VisionClaw هو وكيل ذكاء اصطنا-عي يعمل باستمرار ومدمج في نظارات Meta Ray-Ban الذكية، والذي يربط بين الإدراك المستمر من منظور الشخص الأول وبين تنفيذ المهام الموجه بالصوت، مما يتيح تفاعلاً أسرع وخالياً من استخدام اليدين ويتسم بالفرصية من خلال دراسة طولية أظهرت انخفاضاً في الأعباء التشغيلية وتحولاً نحو العمل المفوض.
تقدم هذه الورقة إطار عمل "إتقان خبرتك الخاصة" (MYOE)، الذي يستخدم نموذج فضاء حالة مزيج التفضيلات القابل للاستعلام (QMoP-SSM) لحساب ندم التفضيل، مما يمكّن الروبوتات العصبية من تعلم سلوكيات معقدة من بيانات عرض محدودة مع التغلب على مشكلات ندرة البيانات وتراكم الأخطاء المتأصلة في التعلم التقليدي من العروض التوضيحية.
تقترح هذه الورقة تدخلاً خفيف الوزن، لا يتطلب تدريباً، عند مرحلة الاستدلال، يعمل على تخفيف الهلوسة في النماذج اللغوية البصرية الكبيرة من خلال تحديد بنية انتباه ثلاثية المراحل وكبت الرموز ذات الانتباه المنخفض انتقائياً خلال مرحلة "التركيز" باستخدام عملية نقطة المحدد، مما يقلل من الهلوسة مع تأخير ضئيل جداً مقارنة بطرق التحسين التكرارية.
تقترح هذه الورقة البحثية SBF، وهو تمثيل مبتكر يعزز الهياكل العظمية ثنائية الأبعاد بخرائط المقياس والجسم والتدفق لالتقاط معلومات العمق والكنتور والتفاعل، مما يحسن بشكل كبير دقة التعرف على الأفعال البشرية القائمة على الفيديو مع الحفاظ على الكفاءة.
تقدم هذه الورقة إطار عمل "النماذج التوليدية العشوائية القابلة للتشغيل المباشر" (SGPnP)، الذي يؤسس صلة نظرية بين طرق "التوصيل والتشغيل" (Plug-and-Play) ونماذج الانتشار القائمة على الدرجة (score-based diffusion models) لتمكين الاستخدام المباشر لنماذج الانتشار المسبقة التدريب كعناصر مسبقة، مع توظيف حقن الضجيج لتحسين هدف التنعيم الغاوسي من أجل تعزيز المتانة في المشكلات التصويرية العكسية شديدة سوء التحديد.
تقدم هذه الورقة البحثية L-SPINE، وهو محرك حوسبة عصبي نبضي بنظام SIMD منخفض الدقة تم تنفيذه على مصفوفة بوابات منطقية قابلة للبرمجة (FPGA)، والذي يحقق استدلالاً في الوقت الفعلي عند الحافة مع زمن انتقال بالملي ثانية وتحسين في كفاءة الطاقة يصل إلى ثلاث مراتب عشرية مقارنة بمنصات وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU).
تقترح الورقة البحثية إطار عمل SAGE-GAN، وهو إطار عمل يتكون من خطوتين يجمع بين شبكة U-Net ذات الانتباه الذاتي وCycleGAN لتوليد أزواج صور وأقنعة مجهر إلكتروني اصطناعية واقعية، مما يتيح تجزئة قوية ودقيقة للجسيمات النانوية مع التغلب على قيود التسمية اليدوية وندرة البيانات.