12799 ورقة بحثية
تقترح هذه الورقة البحثية "الالتفاف الديناميكي عالي التردد" (DHiF)، وهو بديل جاهز للاستبدال المباشر للالتفاف القياسي، يقوم بتوليد مرشحات متماثلة ومتمركزة حول الصفر بشكل تكيفي لنمذجة وتمييز الأهداف الصغيرة ذات الأشعة تحت الحمراء عالية التردد عن الضجيج المعقد صراحةً، مما يؤدي إلى تحسين أداء الكشف بشكل كبير عبر مختلف الشبكات.
تُعد Wid3R شبكة عصبية أمامية جديدة تتيح إعادة بناء ثلاثي الأبعاد بمجال رؤية واسع من خلال نمذجة الصور واسعة الزاوية مباشرة عبر تمثيل قائم على الأشعة وتكييف نموذج الكاميرا، مما يلغي الحاجة إلى المعايرة الصريحة أو إزالة التشويه مع تحقيق مكاسب كبيرة في الأداء في المشاهد ذات الـ 360 درجة.
يُعد DUET-VLM إطار عمل متعدد الاستخدامات ثنائي المراحل يجمع بين ضغط الوعي بالوفرة المعتمد على الرؤية فقط وبين إسقاط الرموز الموجه بالنص البارز لتحقيق تقليص هجومي في الرموز المرئية (يصل إلى 89% للصور و93.4% للفيديو) مع الحفاظ على دقة النماذج اللغوية البصرية أو حتى تجاوزها مقارنة بالنماذج الأساسية.
إنَّ ORION هو إطار عمل لضبط أجهزة ترميز النصوص (text encoder) بأسلوب "التوصيل والتشغيل" (plug-and-play)، يعمل على تعزيز نماذج الرؤية واللغة مسبقة التدريب عبر تحسين تضمينات الفئات (class embeddings) لتحقيق التعامد الزوجي (pairwise orthogonality) ودقة النموذج الأصلي (prototype fidelity) باستخدام أسماء الفئات فقط، مما يؤدي إلى تحسين الأداء بشكل كبير عبر سيناريوهات التعلم الصفري (zero-shot)، والتعلم القليل (few-shot)، والتكيف في وقت الاختبار (test-time adaptation).
يُعد PedaCo-Gen نظاماً تعاونياً بين الإنسان والذكاء الاصطناعي مستنداً إلى أسس تربوية، يستخدم مرحلة تمثيل وسيطة ونظرية ماير للتعلم بالوسائط المتعددة لتمكين المعلمين من خلال السقالات الميتامعرفية، مما يعزز بشكل كبير جودة وفعالية التدريس للفيديوهات المُنشأة مقارنة بطرق التوليد التقليدية ذات الخطوة الواحدة.
تقدم هذه الورقة مجموعة بيانات EuroSAT-Embed لتوضيح أن استراتيجيات التجميع المتقدمة، لا سيما تلك التي تستفيد من الإحصاءات التوزيعية مثل التباين المشترك، تتفوق بشكل كبير على تجميع المتوسط القياسي في تجميع التضمينات الجيومكانية على مستوى البكسل من أجل التصنيف على مستوى المنطقة، خاصة في ظل تحولات التوزيع الجغرافي الصعبة.
تقدم هذه الورقة البحثية UE5-Forest، وهي مجموعة بيانات ستيريو اصطناعية واقعية للغاية تم إنشاؤها باستخدام محرك Unreal Engine 5 باستخدام 115 شجرة ممسوحة ضوئياً ومنصة محاكاة ZED Mini لتوفير خرائط تباين (disparity maps) دقيقة للغاية كحقائق أرضية لتدريب شبكات مطابقة الستيريو الخاضعة للإشراف في تطبيقات الطائرات بدون طيار في مجال الغابات حيث لا يمكن الحصول على بيانات من العالم الحقيقي.
تنقد هذه الورقة أساليب تقييم التعرف الضوئي على الحروف (OCR) الحالية لاعتمادها المفرط على مجموعات البيانات الحديثة والغربية، مجادلةً بأن هذا التحيز يجعل الوثائق التاريخية والمهمشة — ولا سيما الصحف السوداء — غير مرئية بنيوياً، ويؤدي إلى ضرر تمثيلي من خلال الفشل في استيعاب تحدياتها الطباعية والمادية الفريدة.
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.