12113 ورقة بحثية
تقدم هذه الورقة AnchorScore، وهو مقياس تشخيصي منخفض التكلفة يعتمد على CLIP، يتنبأ بفعالية بصعوبة التوسيم لكل فئة للنماذج اللغوية الكبيرة متعددة الوسائط (MLLMs)، مما يتيح استراتيجيات توجيه فعالة من حيث التكلفة ومنح الأولوية للمراجعة البشرية دون الحاجة إلى تقييمات مكلفة للنماذج اللغوية الكبيرة متعددة الوسائط.
يقترح النموذج الأولي MIRROR نظاماً لتقارير الأشعة متعدد الوسائط يربط بين مصنف ومحدد مواقع ومولد نصوص لضمان نتائج قابلة للتدقيق ومستندة إلى احتمالات النموذج، مع تسليط الضوء على أنه على الرغم من تحقيق تمييز أفضل من الصدفة في مجموعة بيانات ChestMNIST، إلا أن الفائدة العملية للنموذج محدودة للغاية بسبب عدم توازن الفئات مما يجعله يفشل في تقديم تنبؤات إيجابية لمعظم الحالات.
تقدم الورقة البحثية PersonaShot، وهو أول معيار مصمم لتقييم استمرارية السرد المتمحور حول الشخصية في توليد الفيديو متعدد اللقطات، وذلك عبر استخدام 1,000 مقطع و16 مقياساً متخصصاً للكشف عن فجوات كبيرة بين الجودة الإدراكية والتماسك عبر اللقطات في النماذج الحديثة.
يُعد CytoFormer نموذجاً تأسيسياً خلوياً مبتكراً يستفيد من بيانات نسيجية (H&E) وبيانات النسخ المتماثل المكاني المزدوجة من 16 عضواً لتحقيق تصنيف دقيق وفعال في استخدام الملصقات وقابل للتعميم للخلايا دون الاعتماد على التعليقات التوضيحية اليدوية لأخصائيي الأمراض.
تقدم الورقة البحثية VicEdit، وهو إطار عمل موحد يطور تحرير الفيديو من خلال الاستفادة من مجموعة بيانات جديدة واسعة النطاق (VicEdit-400K) وتقنيات مبتكرة مثل التقطير الدلالي المتكيف مع النمط (Modality-Adaptive Semantic Distillation) وحقن السياق المزدوج (Dual-Context Injection) لدمج الأمثلة البصرية السياقية مع التعليمات النصية بفعالية لتحقيق أداء تحرير فائق.
تقدم هذه الورقة TCSR-Monitor، وهو إطار عمل لاحق للتحليل (post-hoc) يعزز الكشف عن فشل التجزئة الجراحية في ظل تدهور عملية الاستحواذ من خلال الجمع بين الثقة وبين مؤشرات الشكل الملحوظة، والزمنية، وجودة الصورة، مما يظهر قدرة فائقة على التعميم مقارنة بالنماذج المرجعية التي تعتمد على الثقة فقط، مع تسليط الضوء على التحديات المستمرة المتعلقة بالإنذارات الكاذبة والنقل الصفري (zero-shot transfer).
تعيد هذه الورقة تقييم ثماني طرق لتعزيز الجودة أثناء الاستنتاج دون الحاجة لتدريب، وهي طرق متجذرة في التوجيه الخالي من المصنف (Classifier-Free Guidance) على نماذج المحولات ذات التدفق المصحح الحديثة، لتجد أن أياً منها لا يتفوق باستمرار على التوجيه الخالي من المصنف القياسي عبر معايير المحاذاة التركيبية والمعايير الدلالية، حيث تقدم العديد من الطرق مكاسب هامشية فقط أو تسبب تدهوراً في الأداء.
يقدم PixRestore إطار عمل موحداً لترميم الصور يستفيد من نموذج "Diffusion Transformer" في فضاء البكسل وخالٍ من الـ VAE، تم تدريبه من الصفر مع دمج ميزات تكيفي وتقطير بنقلة واحدة لتحقيق دقة فائقة، وجودة إدراكية، وكفاءة تتفوق على الأساليب الحالية القائمة على الانتشار الكامن.
تقدم هذه الورقة ConceptEdit، وهو إطار عمل شامل يعالج أوجه القصور في نماذج تحرير الصور الحالية من خلال إنشاء تصنيف هرمي لأكثر من 1,000 مفهوم دقيق، وبناء مجموعة بيانات ضخمة مكونة من 12 مليون زوج (ConceptEdit-12M) عبر نهج تخليق مدفوع بالمكتبات، واقتراح استراتيجية تدريب قائمة على الإشراف الكثيف لتعزيز أداء النموذج وتقييمه بشكل كبير.
يحقق SplatGuide أحدث ما توصل إليه العلم في مجال تركيب المشاهد من زوايا رؤية جديدة دون الحاجة لمعرفة الوضعية، وذلك عبر توحيد الصور المُصيغة، وخرائط التصويت للرؤية لكل غاوسيان على حدة، ورموز إعادة البناء من مشهد غاوسيان ثلاثي الأبعاد واحد، لتوفير توجيه هندسي وميزاتي شامل لعمليات الانتشار متعددة المشاهد.