12709 ورقة بحثية
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.
تقدم الورقة البحثية PR3DICTR، وهو إطار عمل للتعلم العميق مفتوح المصدر ومعياري مبني على PyTorch وMONAI، يعمل على تبسيط تطوير نماذج تصنيف الصور الطبية ثلاثية الأبعاد والتنبؤ بالنتائج من خلال الموازنة بين الوظائف المعيارية والتخصيص المرن.
تُعد HyperCT إطار عمل فعال من حيث المعلمات يجمع بين الشبكة الفائقة (Hypernetwork) والتكيف منخفض الرتبة (LoRA) لتكييف هيكل محول الرؤية (Vision Transformer) ديناميكيًا، مما يتيح تحليلًا موحدًا ومتفوقًا لمهام متعددة لصور الأشعة المقطعية للصدر غير المتباينة التي لا تعتمد على التباين، وذلك لكل من فحص الرئة وما وراء الرئة.
تُثبت هذه الورقة أن كثافة العينات هي محرك جوهري وقابل للقياس لتعقيد البيانات، وذلك من خلال إثبات أن أداء تعلم الآلة يتدهور بشكل رتيب مع زيادة أعداد الوجوه، وأن النماذج التي يتم تدريبها على بيانات منخفضة الكثافة تفشل في التعميم على سيناريوهات أكثر كثافة بسبب انحيازات منهجية في نقص العد.
تقدم هذه الورقة طريقة للتعلم العميق تُقدر بدقة حركة الرأس الطفيفة وغير المكتشفة مباشرة من صور الرنين المغناطيسي من نوع T1w وT2w وFLAIR باستخدام بيانات كاميرا العمق داخل الماسح الضوئي كمرجع حقيقي، مما يُظهر أداءً فائقاً مقارنة بالطرق الحالية ويحافظ على الارتباط المعروف بين الحركة والعمر.
تقترح هذه الورقة BlackVIP، وهو إطار عمل فعال من حيث المعلمات يعمل على تكييف النماذج سابقة التدريب واسعة النطاق في بيئات الصندوق الأسود دون الوصول إلى معاملاتها أو تنشيطاتها المتوسطة، وذلك عبر استخدام منسق للمطالبات البصرية المعتمدة على المدخلات وخوارزمية SPSA-GC لتقدير التدرج بكفاءة، مع تقديم رابط نظري بالمتانة المعتمدة.
تقترح هذه الورقة البحثية OOD-SEG، وهو إطار عمل جديد للتعلم من العينات الموجبة غير المصنفة (positive-unlabeled learning) يستفيد من تقنيات كشف البيانات خارج التوزيع (out-of-distribution detection) لإجراء تقسيم متعدد الفئات للصور باستخدام تعليقات توضيحية موجبة متفرقة فقط، مع إلغاء الحاجة إلى تسمية الخلفية ومعالجة تحدي المخرجات الزائفة أثناء النشر.
تُعد InTraGen مسار معالجة مبتكر يعزز توليد الفيديو من النصوص للتفاعلات بين الأجسام المتعددة عبر إدخال آلية ترميز متعددة الوسائط مع حقن معرف الجسم، مدعومة بأربع مجموعات بيانات جديدة ومقياس جودة المسار لتقييم وتحسين الدقة البصرية وواقعية التفاعل.
تقترح هذه الورقة إطار عمل جديد لترجمة الضجيج يقوم بتحويل الضجيج الواقعي المعقد وغير المعروف إلى ضجيج غاوسي عبر شبكة مخصصة، مما يتيح لمزيل الضجيج الغاوسي المُدرب مسبقاً تحقيق متانة وقدرة تعميم فائقتين على البيانات الخارجة عن التوزيع مقارنة بالأساليب الرائدة الحالية.