12709 ورقة بحثية
تقدم هذه الورقة البحثية LinkSBench، وهو أول معيار يربط بين لقطات الطائرات بدون طيار الديناميكية وصور الأقمار الصناعية الثابتة لتقييم وتحسين الذكاء المكاني عبر الرؤى لنماذج الرؤية واللغة، مما يكشف عن فجوات أداء كبيرة ويقترح محول محاذاة عبر الرؤى (Cross-View Alignment Adapter) لمعالجتها.
تقدم هذه الورقة Jagle، وهو أكبر مجموعة بيانات يابانية لتدريب النماذج متعددة الوسائط بعد التدريب المسبق حتى الآن، والتي تضم 9.2 مليون نموذج تم إنشاؤها من مصادر متنوعة، مما يعزز بشكل كبير أداء نماذج الرؤية واللغة اليابانية مع الحفاظ على قدراتها الإنجليزية أو تحسينها.
تقترح هذه الورقة منهجية آلية بالكامل وقابلة للتوسع لقياس دقة لون البشرة في مسارات عمل البشر الافتراضيين، كاشفةً أن استراتيجيات الاستخراج الحالية تظهر انحيازاً يعتمد على النمط الظاهري وتنتج باستمرار أخطاءً لونية أعلى بالنسبة لدرجات البشرة الداكنة.
تقترح الورقة البحثية إطار COMPASS، وهو إطار عمل قوي للدمج متعدد الوسائط يعالج تحديات فقدان الوسائط من خلال تخليق رموز بديلة (proxy tokens) محددة الهدف في فضاء كامن مشترك لضمان تلقي رأس الدمج دائمًا بنية مدخلات كاملة وثابتة، مما يجعله يتفوق على الأساليب الحالية عبر سيناريوهات استشعار متنوعة.
تُثبت هذه الورقة أن تحليل شبكات المدفوعات بين القطاعات في المملكة المتحدة باستخدام سمات نظرية المخططات يحسن بشكل كبير من دقة التنبؤ الاقتصادي والآنية (nowcasting) في الوقت الفعلي، لا سيما أثناء الاضطرابات مثل جائحة كوفيد-19، وذلك من خلال الكشف عن الترابطات الهيكلية والأهمية النظامية التي تغفلها الأساليب الثنائية التقليدية.
يقدم PLUME إطار عمل لتمثيل متعدد الوسائط عالمي يستبدل استدلال سلسلة الأفكار الصريح والمكلف حاسوبياً بعملية تدحرج حالة كامنة موجهة دلالياً وفعالة، محققاً أداء استرجاع فائقاً على معيار MMEB-v2 مع توفير سرعة استنتاج تزيد عن 30 ضعفاً.
يُعد FlowSlider طريقةً لا تتطلب تدريباً للتحرير المستمر للصور في تدفق التصحيح (Rectified Flow)، حيث يحقق تحكماً سلساً وموثوقاً بأسلوب المنزلق عبر تفكيك التحديثات إلى حدّي دقة وتوجيه متعامدين، مما يسمح بتعديل القوة عبر تغيير قياس حد التوجيه دون الحاجة إلى وحدات مساعدة أو تدريب لاحق.
تقدم هذه الورقة حلاً فائزاً لتحدي RIVA لخلية عنق الرحم يجمع بين هيكل Swin-Large وإطار عمل Co-DINO، ويقدم التنبؤ بنقطة المركز، وتعزيز البيانات المتخصص، وتحسين الصندوق الهندسي لمعالجة تحديات التوزيع الكثيف للخلايا والتعليقات التوضيحية ذات الحجم الثابت في صور خلوات عنق الرحم.
تُثبت هذه الورقة أن التحقق المتقاطع الحصري للموضوعات في الكشف عن وحدات الحركة الوجهية يُدخل تباينًا عشوائيًا كبيرًا يمكن أن يحجب التحسينات الحقيقية للنموذج، مما يدعو إلى اعتماد تقييم "ترك مجموعة بيانات واحدة خارجًا" للكشف عن مقاييس أداء أكثر استقرارًا وقابلية للتفسير.
تقترح هذه الورقة إطار عمل معياريًا للاستدلال في وقت التشغيل لا يتطلب تدريبًا، يستفيد من التغذية الراجعة للتدرج من النماذج التأسيسية للرؤية واللغة المجمدة كإشارات إشرافية قائمة على الطاقة لتوجيه توليد الصور من النص نحو الأمان دون المساس بجودة الصورة أو قابلية توسع النموذج.