12798 ورقة بحثية
تعيد هذه الورقة إنتاج وإعادة تقييم نقدي للادعاءات المتعلقة بضرورة وجود "السجلات" (registers) في نماذج المحولات الرؤيوية (Vision Transformers) عبر مختلف البنيات وأحجام النماذج، مؤكدةً بعض الفوائد مع الكشف عن أن فعاليتها والمصطلحات المرتبطة بها ليست قابلة للتطبيق بشكل عالمي.
تقدم الورقة البحثية ViGoR-Bench، وهو إطار عمل معياري موحد مصمم لتقييم قدرات الاستدلال البصري في وضع "الصفر استباقي" (zero-shot) للنماذج التوليدية من خلال تجاوز المقاييس السطحية لتقييم العمليات الوسيطة والأبعاد المعرفية الدقيقة، مما يكشف أن حتى الأنظمة المتطورة تعاني من عجز منطقي كبير.
تقدم هذه الورقة نظاماً للتعرف على إيماءات لغة الإشارة البرازيلية (LIBRAS) في الوقت الفعلي لأتمتة المنازل، يجمع بين استخراج معالم اليد باستخدام MediaPipe ومصنف شبكة عصبية تلافيفية (CNN) يعمل على مصفوفة زمانية-مكانية، محققاً دقة تصل إلى 95% عبر 11 فئة من الإيماءات دون الاعتماد على الشبكات العصبية المتكررة.
تقدم هذه الورقة البحثية GUIDE، وهو معيار مرجعي شامل يتكون من 67.5 ساعة من تسجيلات الشاشة لـ 120 مستخدماً مبتدئاً عبر 10 تطبيقات برمجية، صُمم لتقييم وتحسين قدرة نماذج الذكاء الاصطناعي على اكتشاف سلوك المستخدم، واستنتاج القصد، وتقديم المساعدة في الوقت المناسب في مهام واجهة المستخدم الرسومية (GUI) مفتوحة النهايات، وذلك عبر نقل التركيز من مجرد الأتمتة إلى الفهم التعاوني.
تقدم هذه الورقة نموذجاً يعتمد على تقنية "ترانسفورمر" (Transformer) لإزالة الدخان الجراحي، تم تدريبه على مجموعة بيانات اصطناعية ضخمة ومعيار مرجعي واقعي جرى تنسيقه حديثاً لإزالة الدخان الجراحي من صور التنظير الداخلي بفعالية، مما يعزز الإدراك البصري والمهام اللاحقة مثل تقدير العمق وتجزئة الأدوات.
تُثبت هذه الورقة أن التقييم الآلي لجودة فيديوهات مسح التصوير بالموجات فوق الصوتية لولادة الأجنة بطريقة المسح الأعمى (BSOU) أمر بالغ الأهمية لضمان موثوقية التشخيص قبل الولادة المدفوع بالذكاء الاصطناني في المناطق ذات الموارد المحدودة، حيث يكتشف بفعالية انحرافات عملية الاستحواذ ويحسن أداء المهام اللاحقة من خلال حلقات التغذية الراجعة في الوقت الفعلي.
تقدم هذه الورقة WR-Arena، وهو معيار شامل مصمم لتقييم نماذج العالم بما يتجاوز مجرد التنبؤ البصري البسيط من خلال تقييم قدراتها في دقة محاكاة الأفعال، والتنبؤ طويل المدى، والاستدلال المحاكاتي عبر تصنيف جديد للمهام وتجارب واسعة النطاق تكشف عن فجوات كبيرة بين النماذج الحالية والقدرة البشرية على الاستدلال.
تقدم هذه الورقة مهمة استرجاع النص إلى الصورة بلقطات قليلة (FSIR) ومجموعة بيانات الاختبار الخاصة بها، FSIR-BD، لمعالجة أوجه القصور في نماذج الرؤية واللغة المدربة مسبقاً في التعامل مع الاستعلامات التركيبية والاستعلامات خارج التوزيع، مع اقتراح طريقتين جديدتين للتحسين تستفيدان من أمثلة مرجعية قليلة اللقطات لتحسين أداء الاسترجاع بشكل كبير.
تقدم هذه الورقة SCOTTI، وهو إطار عمل محول تلافيفي مشترك مبتكر يستفيد من التعلم متعدد المهام على مجموعة بيانات لمسية جديدة لتحسين تقدير وضعية الجسم ثلاثية الأبعاد، وتصنيف الحركة، والتنبؤ بتقدم الحركة من إشارات نعل القدم في آن واحد، متفوقاً بذلك على النهج الحالية أحادية المهمة مع معالجة قيود الرؤية الحاسوبية مثل الاحتجاب والخصوصية.
تقدم الورقة البحثية DiReCT، وهو إطار عمل لما بعد التدريب يحل مشكلة التشابك بين الدلالات والفيزياء في توليد الفيديو المشروط بالنصوص من خلال تفكيك التعلم التبايني إلى مقاييس كبرى وصغرى لتحسين المنطق الفيزيائي العام دون المساس بالدقة البصرية أو زيادة وقت التدريب.