12635 ورقة بحثية
تقدم الورقة البحثية طريقة (WSVD)، وهي طريقة مبتكرة تطبق تقريب الرتبة المنخفضة القائم على الأهمية ودقيق التفاصيل، مدمجاً مع التكميم لتسريع نماذج الرؤية واللغة منخفضة الدقة بشكل كبير، محققةً تسريعاً في فك التشفير يتجاوز 1.8 ضعفاً مع الحفاظ على الدقة.
تقدم هذه الورقة البحثية "Smart Transfer"، وهو إطار عمل مبتكر للذكاء الاصطناعي الجغرافي (GeoAI) يستفيد من نماذج الرؤية التأسيسية واستراتيجيات نقل مبتكرة (التجميع القائم على البكسل والثلاثي المعاقب بالمسافة) لتمكين رسم خرائط سريعة ومعممة لأضرار المباني من صور ما بعد الزلازل، مما يعالج الحاجة الماسة للاستجابة الفعالة للكوارث خلال "الـ 72 ساعة الذهبية".
تقدم الورقة البحثية MOMO، وهو أول نموذج تأسيسي متعدد المستشعرات للاستشعار عن بعد للمريخ، والذي يستفيد من استراتيجية "خسارة التحقق المتساوية" (Equal Validation Loss) المبتكرة لدمج التمثيلات من مستشعرات HiRISE وCTX وTHEMIS، محققاً أداءً فائقاً عبر تسع مهام تابعة مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة البحثية TGPNet، وهو إطار عمل موحد لترميم صور الاستشعار عن بعد يستخدم استراتيجية تلميح مبتكرة موجهة للمهام للتعامل بفعالية مع أنواع التدهور المتنوعة عبر أطياف متعددة ضمن بنية تكيفية واحدة، محققاً أداءً هو الأفضل في فئته في كل من سيناريوهات المهام المتعددة وسيناريوهات التدهور المركب.
يُعد LumaFlux محول انتشار (diffusion transformer) مبتكرًا موجهًا فيزيائيًا وإدراكيًا، يستفيد من مجموعة بيانات ضخمة من محتوى SDR وHDR ونماذج تكييف متخصصة لتحقيق إعادة بناء فائقة ومستقرة لمحتوى SDR بـ 8 بت إلى محتوى HDR بـ 10 بت، متفوقًا بذلك على طرق تحويل النطاق الديناميكي العكسي الحالية في دقة السطوع وأمانة الألوان.
تقترح هذه الورقة طريقة تصفية تردد محلية تكيفية للتمثيلات العصبية الضمنية المشفرة بـ "فوريه"، والتي تستخدم معاملاً متغيراً مكانياً لتعديل مكونات التردد ديناميكياً، مما يؤدي إلى تحسين جودة إعادة البناء وسرعة التقارب للإشارات ذات الأطياف المتغيرة مكانياً، مع تقديم رؤى قابلة للتفسير من خلال تحليل "نواة مماس نيورال".
تتناول هذه الورقة فشل نماذج الرؤية واللغة الحالية في التعامل مع المخططات الهندسية من خلال تقديم محرك بيانات إجرائي مؤتمت بالكامل يولد 200,000 مثال تدريبي اصطناعي، مما يمكّن نموذجاً مضبوطاً بدقة من تحقيق دقة عالية في التأسيس البصري ويؤسس لقاعدة للمعلمين الاصطناعيين العامين في تعليم الهندسة.
تقترح هذه الورقة إطار تعلم يستفيد من معلومات المصدر (provenance) المستمدة من البيانات الاصطناعية لتوجيه تدرجات المدخلات، مما يؤدي إلى كبح الاعتماد على المناطق غير المستهدفة وتعزيز قدرة النموذج على تعلم تمثيلات تمييزية تركز على الأجسام المستهدفة.
تقترح الورقة البحثية نموذج مكافأة الميزة (ARM)، وهو إطار عمل يستخدم استراتيجية تسمية ثلاثية الحالات منخفضة التكلفة لتقدير الميزة النسبية بدلاً من التقدم المطلق، مما يتيح تعلماً تعزيزياً غير متصل عبر الإنترنت لمهام المناولة الروبوتية طويلة الأمد مع تدخل بشري يقترب من الصفر.
تكشف هذه الورقة أن توسيع نطاق نماذج الرؤية واللغة والأفعال (Vision-Language-Action) محدود جوهرياً بـ "فجوة الضغط"، حيث يؤدي التجزئة المنفصلة للأفعال إلى إنشاء عنق زجاجة معلوماتي ثابت يمنع مكاسب الأداء الناتجة عن تحسين مشفرات الرؤية، على عكس تمثيلات الأفعال المستمرة التي تسمح لهذه التحسينات بالانتشار بفعالية.