12754 ورقة بحثية
تُعد SplatSuRe طريقة مبتكرة لتقنية "Gaussian Splatting" ثلاثية الأبعاد، حيث تحقق دقة فائقة عالية الجودة ومتسقة عبر تعدد المشاهد من خلال تطبيق التحسين بشكل انتقائي فقط على المناطق ذات العينات الناقصة بناءً على وضعية الكاميرا وهندسة المشهد، مما يتجنب عدم الاتساق الناتج عن الدقة الفائقة الموحدة عبر جميع المشاهد.
يُعد LAMP إطار عمل مبتكر يسخر النماذج اللغوية الكبيرة لترجمة الأوصاف باللغة الطبيعية إلى برامج حركة ثلاثية الأبعاد مهيكلة وقابلة للتنفيذ لكل من الأجسام الديناميكية والكاميرات، مما يتيح تحكماً دقيقاً وسينمائياً في الحركة أثناء توليد الفيديو.
يُعد UniLS أول إطار عمل متكامل (end-to-end) يُنشئ تعبيرات موحدة للأفاتار أثناء التحدث والاستماع مدفوعة فقط بمسار صوتي مزدوج، متجاوزاً بذلك جمود نماذج المستمع السابقة من خلال نموذج تدريب مبتكر يتكون من مرحلتين يتعلم من خلالهما نموذج حركة داخلي قبل تعديله باستخدام إشارات الكلام.
يُعد E-RayZer نموذجاً للرؤية ثلاثية الأبعاد يعتمد على التعلم الذاتي، حيث يتعلم تمثيلات قائمة على أسس هندسية من خلال إجراء إعادة بناء ثلاثية الأبعاد صريحة مباشرة في الفضاء ثلاثي الأبعاد، متفوقاً بذلك على الطرق غير المباشرة السابقة ومضاهياً النماذج الخاضعة للإشراف الكامل في المهام اللاحقة دون الحاجة إلى بيانات مصنفة.
يقدم VideoARM نموذج استدلال وكيل مع ذاكرة متعددة الوسائط هرمية تتيح تحليلاً تكيفياً للفيديو من المستوى العام إلى المستوى الدقيق في الوقت الفعلي، محققاً أداءً هو الأفضل في فئته في فهم مقاطع الفيديو طويلة المدى مع تقليل استهلاك الرموز (tokens) بشكل كبير مقارنة بالأساليب الحالية.
تقدم الورقة البحثية LitePT، وهو هيكل خلفي أكثر كفاءة للسحب النقطية ثلاثية الأبعاد يجمع استراتيجياً بين التلافيف في المراحل المبكرة للهندسة منخفضة المستوى مع الانتباه في الطبقات العميقة للدلالات عالية المستوى، معززاً بترميز موضعي جديد خالٍ من المعلمات (PointROPE)، لتحقيق أداء رائد بأعداد أقل بكثير من المعلمات، واستدلال أسرع، واستهلاك أقل للذاكرة مقارنة بـ Point Transformer V3.
تقدم هذه الورقة البحثية "إزالة العلامات التجارية" (unbranding)، وهي مهمة ومعيار مرجعي جديد لتوليد النصوص إلى صور بدقة متناهية، يهدف إلى إزالة كل من العلامات التجارية الصريحة والسمات الهيكلية الدقيقة للعلامة التجارية (المظهر التجاري) مع الحفاظ على التماسك الدلالي، مما يعالج قصور الكواشف الحالية ويسلط الضوء على المخاطر المتزايدة التي تفرضها النماذج ذات الدقة العالية.
تقدم الورقة البحثية RadImageNet-VQA، وهي مجموعة بيانات ضخمة منسقة من قبل خبراء تضم 750 ألف صورة للأشعة المقطعية والرنين المغناطيسي مع 7.5 مليون زوج من الأسئلة والأجوبة المصممة للنهوض بمجال الإجابة البصرية على الأسئلة الإشعاعية مع إثبات متانتها ضد الاختصارات اللغوية والقيود الحالية للنماذج الحديثة في تحديد الأمراض الدقيقة.
تقدم هذه الورقة NarrativeTrack، وهو أول معيار تصميم لتقييم الفهم السردي للنماذج اللغوية الكبيرة متعددة الوسائط من خلال إطار عمل "تطور الاستدلال التركيبي" المنظم الذي يكشف عن عدم قدرتها على تتبع الكيانات بمتانة عبر الديناميكيات الزمنية، مما يكشف عن مقايضة جوهرية بين التجذر الإدراكي والتماسك الزمني.
تتناول هذه الورقة تحدي الاضطرابات البيئية في تقسيم الصور بلقطات قليلة من خلال تقديم إعداد ومعيار جديد للصلابة (ER-FSS) إلى جانب طريقة تقطير الانتباه التكيفي (AAD) التي تحسن بشكل كبير أداء النموذج وقدرته على التعميم عبر السيناريوهات المعقدة في العالم الحقيقي.