12709 ورقة بحثية
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.
تقدم هذه الورقة إطار عمل للنسيان الميزاني التكيفي يوازن بين الصلة والكفاءة في وكلاء الذكاء الاصطناعي المستقلين من خلال تنظيم الذاكرة عبر الحداثة، والتكرار، والمحاذاة الدلالية، مما يمنع التراكم غير المنضبط وانتشار الذاكرة الزائفة مع تحسين أداء الاستدلال طويل الأمد.
تقدم الورقة البحثية VOID، وهو إطار عمل لإزالة الكائنات من الفيديو يستفيد من نموذج رؤية-لغة لتحديد وتوجيه نموذج انتشار فيديو في توليد نتائج مضادة للواقع وواقعية فيزيائياً للتفاعلات المعقدة بين الكائنات، معالجةً بذلك أوجه القصور في الأساليب الحالية في التعامل مع الديناميكيات السببية مثل الاصطدامات.
تقدم هذه الورقة البحثية "التمثيلات البصرية القابلة للتوجيه"، وهي نهج مبتكر يقوم بحقن مطالبات اللغة الطبيعية مباشرة في طبقات نماذج "Vision Transformer" سابقة التدريب عبر الدمج المبكر، مما يتيح توجيه الميزات البصرية نحو مفاهيم محددة مع الحفاظ على أداء عالٍ في المهام البصرية العامة وتحقيق تعميم صفري القدرات.
تقدم هذه الورقة مجموعة بيانات ديناميكية واسعة النطاق مكونة من 4 ملايين إطار من ألعاب AAA، تتميز ببيانات RGB وG-buffer متزامنة تم التقاطها عبر طريقة مبتكرة ثنائية الشاشة، لسد الفجوة في مجال التوليد الرندري (generative rendering) وتمكين الرندرة العكسية القوية، وتوليد الفيديو عالي الدقة، وتحرير الأنماط الموجه بالنص، والتي تم تقييمها جميعها من خلال بروتوكول اتساق جديد قائم على نماذج الرؤية واللغة الكبيرة (VLM).
تقترح هذه الورقة البحثية إطار عمل VMAD، وهو إطار عمل للنماذج اللغوية الكبيرة متعددة الوسائط المعززة بصرياً، والذي يعالج أوجه القصور في طرق اكتشاف الشذوذ الحالية بنمط الصفر (zero-shot) من خلال تقديم مخطط تعلم هيكلي حساس للعيوب وضغط الرموز المعزز محلياً لتحقيق التعرف على الشذوذ والتحليل الدقيق والمفتوح، مدعوماً بمجموعة بيانات اكتشاف الشذوذ الصناعي الحقيقي (RIAD) المستحدثة.
تقدم هذه الورقة البحثية Zero-TIG، وهو إطار عمل جديد للتعلم من دون عينات (zero-shot learning) يستفيد من نظرية Retinex والتغذية الراجعة الزمنية القائمة على التدفق البصري لتعزيز مقاطع الفيديو ذات الإضاءة المنخفضة وتحت الماء بجودة بصرية محسنة، واتساق زمني، ودقة ألوان، دون الحاجة إلى بيانات حقيقية مقترنة.
تقترح هذه الورقة البحثية "التعلم الخاضع للإشراف القائم على التسلسل الهرمي للتشريح" (AHSL)، وهو أسلوب تعلم خاضع للإشراف الضعيف يستفيد من الأولويات المسبقة للشجرة القصيبية الوعائية واستراتيجية مكونة من مرحلتين مع دوال فقدان هرمية لتحقيق تقسيم دقيق للفصوص الرئوية دون الحاجة إلى تعليقات توضيحية دقيقة لكل بكسل.