12754 ورقة بحثية
تقدم الورقة البحثية Memoir، وهو إطار عمل مبتكر للملاحة القائمة على الرؤية واللغة ذات الذاكرة المستمرة، والذي يستخدم آلية استرجاع موجهة بالخيال للوصول الانتقائي إلى كل من الملاحظات البيئية والأنماط السلوكية، محققاً مكاسب كبيرة في الأداء، وتدريباً أسرع، وتقليلاً في استخدام الذاكرة مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة SceneAdapt، وهو إطار عمل للتكيف يتكون من مرحلتين يستفيد من عملية استكمال الحركة (motion inbetweening) وطبقات معمارية مبتكرة (CaKey وSceneCo) لتمكين توليد حركة بشرية واعية بالمشهد ومتنوعة دلالياً من النصوص دون الحاجة إلى مجموعات بيانات ضخمة ومزدوجة من (النص-المشهد-الحركة).
تقترح الورقة البحثية طريقة DOS (الفصل الاتجاهي للأجسام)، وهي طريقة تعدل تضمينات نص CLIP للتخفيف بفعالية من إهمال الأجسام واختلاطها في توليد الصور من النصوص متعددة الأجسام، متفوقة بشكل كبير على النهج الحالية عبر العديد من المعايير المرجعية.
إن MMEdge هو إطار عمل مبتكر للاستدلال متعدد الوسائط على الأجهزة، يعمل على تسريع المعالجة في الوقت الفعلي على أجهزة الحافة ذات الموارد المحدودة من خلال توظيف الاستشعار والترميز المتسلسلين، وتحسين التكوين التكيفي، والتخطي التخميني عبر الوسائط لتقليل زمن الانتقال من البداية إلى النهاية بشكل كبير مع الحفاظ على دقة عالية.
تتناول هذه الورقة البحثية عقبة التعميم في توليد حركة البشر ثلاثية الأبعاد من خلال تقديم إطار عمل شامل ينقل المعرفة من توليد الفيديو عبر مجموعة بيانات هجينة واسعة النطاق (ViMoGen-228K)، ومحول انتشار مطابقة التدفق الموحد (ViMoGen)، ومعيار تقييم هرمي (MBench).
تقترح هذه الورقة إطار عمل مبتكرًا لتحسين الإنتروبيا على مستوى الرمز (token-level) يتكون من مرحلتين للتعلم التعزيزي مع المكافآت القابلة للتحقق (RLVR) في النماذج اللغوية الكبيرة متعددة الوسائط، والذي ينتقل ديناميكيًا من تعظيم الإنتروبيا إلى تقليلها، مما يمنع بفعالية الإفراط في التخصيص (overfitting) للبيانات المسمومة (noisy labels) ويعزز موثوقية إشارة المكافأة لتحقيق أداء فائق عبر مختلف النماذج والمهام.
تقدم هذه الورقة SciEGQA، وهو عبارة عن مجموعة بيانات مبتكرة تتميز بكل من معيار دقيق مشروح بشرياً ومجموعة تدريب واسعة النطاق مؤتمتة ذات مناطق أدلة مبررة دلالياً، مصممة لتعزيز قدرات تحديد موقع الأدلة والاستدلال العلمي لنماذج الرؤية واللغة في مجال الإجابة على الأسئلة المرئية للوثائق.
يُعد SPECTRE نموذجاً تأسيسياً قابلاً للتوسع وقائماً بالكامل على تقنية المحولات (Transformer) للتصوير المقطعي المحوسب الحجمي، حيث يستفيد من التدريب المسبق ذاتي الإشراف والتدريب المسبق القائم على الرؤية واللغة على مجموعات بيانات مفتوحة للتغلب على تحديات التصوير ثلاثي الأبعاد وتحقيق أداء رائد في كل من مهام التصوير الطبي بنمط التعلم الصفري والمهام التي تم ضبطها بدقة.
إن AVERY هو إطار عمل للحوسبة المنقسمة التكيفية القائم على النوايا، والذي يتيح نشر نماذج الرؤية واللغة بكفاءة على الطائرات بدون طيار ذات الموارد المحدودة للاستجابة للكوارث، وذلك من خلال تقسيم الحوسبة ديناميكياً إلى مسارات "سياق" (Context) و"بصيرة" (Insight) وظيفية بناءً على نية المشغل وظروف الشبكة، مما يحقق دقة عالية واستهلاكاً منخفضاً للطاقة في البيئات غير المستقرة.
يقدم InternVideo-Next إطار عمل تدريب مسبق جديد ثنائي المراحل يفكك تصميم المشفر-المفكك إلى بنية (مشفر-متنبئ-مفكك) مع مفكك انتشار شرطي للتغلب على قيود إعادة البناء على مستوى البكسل والتعلم المختصر، مما يحقق أداءً هو الأفضل في حالته في تعلم تمثيل الفيديو العام دون الاعتماد على الإشراف النصي للفيديو المشوب بالضجيج.