12709 ورقة بحثية
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.
تقدم هذه الورقة MedITok، وهو مُرمِّز صور طبية موحد تم تدريبه على أكثر من 33 مليون صورة عبر تسع أنماط باستخدام إطار عمل مبتكر ثنائي المراحل يستفيد من البيانات غير المزدوجة لضمان دقة إعادة البناء قبل حقن الدلالات النصية، مما يُمكِّن من عمليات التوليد والفهم ذاتية الانحدار (autoregressive) التي تبلغ أحدث المستويات في مختلف التطبيقات التشخيصية والتوليدية المتنوعة.
تقترح هذه الورقة إطار عمل "ترانسفورمر رؤية" (Vision Transformer) مكوناً من مرحلتين ومدرباً بشكل مشترك، يستخدم أقنعة انتباه ثنائية متعلمة لتحديد المناطق ذات الصلة بالمهمة أولاً، ثم تقييد تركيز المرحلة الثانية عليها، مما يعزز المتانة ضد الارتباطات الزائفة والخلفيات الخارجة عن التوزيع، مع تمكين الاستدلال القابل للتدقيق والتدخلات في وقت الاختبار.
تقترح هذه الورقة واصفاً جديداً لنقاط العلامات ثلاثي الأبعاد متعدد الوسائط يستفيد من توليد الموجات فوق الصوتية الاصطناعية الخاصة بالمريض والتعلم التبايني لتحقيق تسجيل قوي وخالٍ من التهيئة بين التصوير بالرنين المغناطيسي والموجات فوق الصوتية أثناء الجراحة، متفوقةً بذلك على أحدث الأساليب بمتوسط خطأ في استهداف التسجيل يبلغ 2.39 ملم على مجموعة بيانات ReMIND.
تكشف هذه الورقة أن المشفرات البصرية مثل CLIP تقوم بتشفير معلمات الحصول على الصور ومعالجتها بشكل منهجي، وهي معلمات غالباً ما تكون دقيقة وغير محسوسة، والتي يمكن أن تؤثر بشكل كبير على التنبؤات الدلالية اعتماداً على ارتباطها بالعلامات المستهدفة.
تقدم هذه الورقة البحثية "التكميم القياسي المتبقي القوي" (RFSQ)، وهي طريقة مبتكرة تتغلب على مشكلة اضمحلال مقدار المتبقي في التكميم متعدد المراحل عبر توظيف عوامل قياس قابلة للتعلم وتطبيع طبقة قابل للعكس، مما يحقق أداءً هو الأفضل في فئته في كل من مهام ضغط الصوت والصور.
تقدم هذه الورقة DisCo، وهو إطار عمل للتعلم التعزيزي يعالج مشكلة انهيار الهوية في توليد الصور من النصوص لعدة بشر عبر التحسين من أجل التنوع الوجهي ودقة عدد الأشخاص من خلال تحسين السياسة النسبي للمجموعات، محققاً أداءً هو الأفضل في فئته دون الحاجة إلى بيانات تدريب من العالم الحقيقي.
يُعد TempoControl طريقة مبتكرة لا تتطلب تدريباً، حيث تستفيد من تحسين خرائط الانتباه المتقاطع لتوفير تحكم زمني دقيق في المفاهيم البصرية في توليد الفيديو من النصوص، مما يتيح محاذاة دقيقة لمظهر الأشياء، وتوقيت الأفعال، والمزامنة الصوتية دون المساس بجودة الفيديو.