12754 ورقة بحثية
تقدم هذه الورقة EMMA، وهو معيار شامل يقيم تقنيات محو المفاهيم عبر خمسة مجالات باستخدام 13 مقياساً للكشف عن أوجه قصورها في التعامل مع المطالبات غير المباشرة، والمفاهيم المتشابهة بصرياً، والتحيزات المحتملة.
تقترح هذه الورقة البحثية "التوجيه الداخلي" (Internal Guidance - IG)، وهي استراتيجية بسيطة وفعالة تستفيد من الديناميكيات الداخلية لـ "محولات الانتشار" (Diffusion Transformers) عبر إدخال إشراف مساعد على الطبقات المتوسطة أثناء التدريب واستقراء مخرجات الطبقات أثناء أخذ العينات، مما يحقق جودة توليد وكفاءة تدريب رائدة في مجموعة بيانات ImageNet.
تقدم هذه الورقة MVGGT، وهو إطار عمل فعال وشامل (end-to-end) لتجزئة التعبيرات المرجعية ثلاثية الأبعاد متعددة المشاهد، والذي يستعيد بنية المشهد ويجزئ الكائنات من مناظر RGB متفرقة باستخدام تصميم محول ثنائي الفروع واستراتيجية تحسين مبتكرة للتغلب على تخفيف تدرج المقدمة، مدعوماً بمقياس MVRefer الجديد.
يُعد AGILE إطار عمل قويًا يعيد بناء التفاعلات الديناميكية بين اليد والجسم من مقاطع فيديو أحادية العين عبر الانتقال من إعادة البناء التقليدية إلى نموذج توليدي وكيل، وذلك باستخدام نموذج رؤية ولغة لتخليق شبكات مجسمة كاملة للأجسام واستراتيجية "المرساة والتتبع" لتجاوز مرحلة التهيئة الهشة القائمة على بنية الحركة من متعدد الصور، مما ينتج أصولاً جاهزة للمحاكاة ذات دقة هندسية عالية ومعقولية فيزيائية.
تتناول هذه الورقة المقايضة بين التوليد والفهم في النماذج متعددة الوسائط من خلال اقتراح إطار عمل "السبب-التأمل-التحسين" (R3)، الذي يعيد صياغة التوليد كعملية متعددة الخطوات من "التوليد-الفهم-إعادة التوليد" لتعزيز كلتا القدرتين في آن واحد.
تُثبت هذه الورقة أن الإدراك البشري لمستوى الأشكال ثلاثية الأبعاد يمكن أن ينبثق من شبكات عصبية مُدربة حصرياً على بيانات بصرية مكانية متعددة المشاهد وطبيعية، محققةً تطابقاً في مرحلة "الصفر" (zero-shot) مع دقة البشر، وأنماط الخطأ، وأوقات الاستجابة دون تدريب خاص بالمهمة أو انحيازات استقرائية متعلقة بالأجسام.
تقدم هذه الورقة البحثية StreetTree، وهو أول مجموعة بيانات مرجعية عالمية واسعة النطاق في العالم تحتوي على أكثر من 12 مليون صورة لأكثر من 8,300 نوع من أشجار الشوارع عبر 133 دولة، والمصممة للنهوض بتصنيف الأشجار دقيق التفاصيل ودعم أبحاث العلوم الحضرية من خلال معالجة تحديات مثل التشابه البصري، والتباين الموسمي، وظروف التصوير المتنوعة.
تقترح هذه الورقة البحثية إطار عمل SSR-GCD، وهو إطار عمل جديد متعدد الوسائط شبه مُشرف لاكتشاف الفئات المعممة (Generalized Category Discovery) يعمل على تعزيز التعرف على المجموعات المفتوحة من خلال إعطاء الأولوية للمحاذاة داخل الوسيط الواحد عبر تقليل المعدل والاستفادة من نماذج الرؤية واللغة لتحسين نقل المعرفة.
تقدم هذه الورقة Face-to-Face with Jimmy Fallon (F2F-JF)، وهي مجموعة بيانات مدتها 70 ساعة من التفاعلات الثنائية في البرامج الحوارية المصممة لنمذجة المحادثة البشرية التفاعلية، وتثبت فائدتها من خلال تحسين أداء الشخصيات الرقمية المدفوعة بالصوت عبر التكييف البصري عبر الأشخاص.
تقدم هذه الورقة البحثية نموذج DF-ACBlurGAN، وهو شبكة خصومية توليدية شرطية مدركة للهيكل تستفيد من تحليل النطاق الترددي والتمويه المتكيف مع المقياس لتخليق تضاريس مجهرية للمواد الحيوية ذات أنماط تكرار داخلية دقيقة وقابلة للتحكم تتوافق مع نتائج استجابة بيولوجية محددة.