12733 ورقة بحثية
تقدم هذه الورقة PrivHAR-Bench، وهو عبارة عن مجموعة بيانات معيارية متعددة المستويات ومتدرجة وأدوات تقييم مصممة لتوحيد عملية تقييم المقايضة بين الخصوصية والمنفعة في التعرف على الأنشطة البشرية القائم على الفيديو، وذلك من خلال تطبيق طيف من تحويلات الخصوصية البصرية على مجموعة متنوعة من فيديوهات الحركة.
تقدم هذه الورقة معياراً جديداً لتقييم اتساق الحركة ثلاثية الأبعاد في النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) من خلال توليد أزواج صور غير متسقة مكانياً، مما يكشف أن النماذج الحالية المتطورة تؤدي بشكل أقل بكثير من البشر وتفتقر إلى فهم قوي للبنية الفيزيائية ثلاثية الأبعاد.
تقدم هذه الورقة إطار عمل للتعرف على الموقع ورسم الخرائط (SLAM) متعدد الوكلاء يعتمد على تقنية "Gaussian Splatting" ومُحسَّن عبر الإطارات المفتاحية، مما يقلل بشكل كبير من عرض نطاق الاتصال من خلال إزالة عناصر "3D Gaussians" الزائدة وإجراء إغلاق حلقي مركزي دون تخمينات أولية، محققاً انخفاضاً بنسبة 85-95% في البيانات المرسلة مع الحفاظ على دقة الخريطة من أجل النشر في العالم الحقيقي.
تقدم هذه الورقة تقنية "تقليم رقع الفيديو" (Video Patch Pruning - VPP)، وهي إطار عمل مبتكر يستفيد من المعرفة المسبقة الزمنية ووحدة تعيين قابلة للتفاضل لتمكين تقليل الرموز في الطبقات المبكرة بكفاءة في نماذج المحولات الرؤيوية (Vision Transformers)، محققةً ما يصل إلى 60% من تخلخل الرقع مع حد أدنى من فقدان الأداء في مهام تقسيم مثيل الفيديو.
تقدم هذه الورقة البحثية MotionGrounder، وهو إطار عمل قائم على محول الانتشار (Diffusion Transformer)، يتيح نقل حركة متعددة الكائنات بشكل قابل للتحكم في توليد الفيديو من خلال استخدام إشارة حركة قائمة على التدفق (Flow-based Motion Signal) لضمان استقرار أولويات الحركة، وفقدان محاذاة وصف الكائن (Object-Caption Alignment Loss) لربط أوصاف الكائنات بمناطقها المكانية، متفوقاً بذلك على الأساليب الحالية المخصصة لكائن واحد عبر مختلف التقييمات.
تقترح هذه الورقة تمثيلاً شكلياً وظيفياً خفيف الوزن وخاصاً بالأجسام، يستخدم نماذج الخليط للعمليات الغاوسية لتعلم حقول مسافة اتجاهية مستمرة من سحب النقاط المتفرقة، مما يوفر بديلاً مدمجاً وفعالاً للتمثيلات ثلاثية الأبعاد الصريحة التقليدية مثل المشبكات وسحب النقاط.
تقترح هذه الورقة إطار عمل لا يتطلب تدريباً يزود النماذج اللغوية الكبيرة متعددة الوسائط بتمثيلات مكانية زمانية صريحة رباعية الأبعاد مستمدة من فيديوهات جراحية أحادية العدسة، مما يعزز بشكل كبير قدرات الاستدلال والربط الوكيل في جراحة الأنسجة الرخوة دون الحاجة إلى ضبط دقيق إضافي.
تُعد PixelPrune طريقةً لتقليل الرموز (tokens) على مستوى البكسل وتكيفيةً ولا تتطلب تدريباً، حيث تستفيد من الترميز التنبؤي لإزالة رقع الصور الزائدة قبل مُشفر المحول الرؤيوي (Vision Transformer)، مما يسرع بشكل كبير عمليات التدريب والاستدلال لنماذج الرؤية واللغة مع الحفاظ على دقة تنافسية في اختبارات قياس المستندات وواجهات المستخدم الرسومية (GUI).
تقدم هذه الورقة إطار عمل لمطابقة التدفق (flow matching) نمطيًا يولد بكفاءة تنبؤات جوية عالية الدقة من خلال تطبيق عملية تعزيز دقة عشوائية متعلمة كخطوة معالجة لاحقة للتنبؤات ذات الدقة المنخفضة، مما يحافظ على الهياكل واسعة النطاق مع إدخال تباين في المقاييس الصغيرة متسق فيزيائيًا بتكاليف حوسبة أقل بكثير من النمذجة عالية الدقة من البداية إلى النهاية.
تقترح هذه الورقة طريقة لاحقة (post-hoc) وخالية من التدريب تستخدم تحليل الارتباط الكنسي (CCA) للاستفضاء من الاتفاق بين النموذجين عبر مشفرات الصور المدربة مسبقاً، مما يساهم بفعالية في اختيار واستخلاص المحتوى الدلالي المشترك لتقليل الأبعاد بنسبة تزيد عن 75% مع تحسين الأداء في المهام اللاحقة.