12799 ورقة بحثية
تقدم هذه الورقة تصنيفاً قائماً على القدرات لتحليل التعلم في السياق متعدد الوسائط، وتقترح مجموعة بيانات UniICL-760K وUniICL-Bench للتقييم المنهجي، وتقدم مُعدِّل نماذج خفيف الوزن متكيف مع السياق (Context-Adaptive Prototype Modulator) يحقق أداءً تنافسياً عبر مختلف المهام الموحدة متعددة الوسائط.
تُثبت هذه الورقة أن الاقتصاص العشوائي، وهو تقنية قياسية لتعزيز البيانات، يعزز بطبيعته الخصوصية التفاضلية في نماذج الرؤية الحاسوبية من خلال الاستبعاد الاحتمالي للمحتوى الحساس الموضعي، مما يؤدي إلى تحسين المقايضة بين الخصوصية والمنفعة دون الحاجة إلى تغييرات هيكلية أو تكاليف إضافية.
تقدم هذه الورقة البحثية LLaVA-LE، وهو نموذج لغوي بصري متخصص لاستكشاف القمر يستفيد من مجموعة بيانات متعددة الوسائط واسعة النطاق تم تنسيقها حديثاً (LUCID) ومن منهج تدريب يتكون من مرحلتين للتفوق بشكل كبير على النماذج المرجعية في توصيف التضاريس القمرية والإجابة على الأسئلة العلمية.
تقدم الورقة البحثية Lookalike3D، وهو محول متعدد الرؤى (multiview transformer) يستفيد من نماذج الصور التأسيسية الضخمة للكشف عن أزواج الأشياء المتطابقة والمتشابهة في المشاهد الداخلية، مدعوماً بمجموعة بيانات 3DTwins الجديدة، لتحسين مهام الإدراك ثلاثي الأبعاد مثل إعادة البناء والتقسيم المشترك بشكل كبير.
تقدم هذه الورقة QuatRoPE، وهي طريقة لتمثيل الموضع قابلة للتوسع تقوم بحساب العلاقات المكانية ثلاثية الأبعاد الزوجية صراحةً عبر نواتج ضرب الانتباه ذات التعقيد الخطي، إلى جانب امتداد RoPE ذي البوابة المعزولة (IGRE) للحفاظ على قدرات النماذج اللغوية الكبيرة الأصلية، مما يعزز الاستدلال المكاني لدى الوكلاء المجسدين دون مشكلات القابلية للتوسع أو الدقة التي واجهت النهج السابقة.
تقدم الورقة البحثية TIGeR، وهو إطار عمل محول متعدد الوسائط موحد ومعيار مرجعي واسع النطاق مصمم للاستنتاج المشترك حول المظهر البصري، والموقع الجغرافي، والوقت، مما يتيح قدرات متقدمة مثل استرجاع الصور المدرك للمكان والزمان والتي تتفوق على الأساليب الحالية من خلال نمذجة المشاهد بناءً على سياقها المكاني والزماني المحدد بدلاً من مجرد التشابه البصري.
تقدم هذه الورقة البحثية "Worldline Slot Attention"، وهي بنية خفيفة الوزن تستفيد من الهندسة اللورنتزية لنمذجة الأشياء كمسارات زمنية-مكانية سببية، مبرهنةً أن ترميز السببية غير المتماثلة بدلاً من الهياكل الشجرية الإقليدية أو الزائدية هو أمر جوهري لتحقيق اكتشاف هرمي عالي الدقة للأجسام المرئية.
يقدم DRoPS نهجاً مبتكراً لإعادة البناء ثلاثي الأبعاد الديناميكي من مقاطع الفيديو العفوية عبر الاستفادة من مسح مسبق ثابت كسابقة صريحة، مستخدماً نموذج غاوس ذو بنية شبكية وتوصيفاً للمعلمات الحركية يعتمد على الشبكات العصبية الالتفافية (CNN) لتحقيق جودة رندر ودقة تتبع متفوقة مقارنة بالطرق الحالية الرائدة.
تقترح الورقة البحثية Calibri، وهي طريقة فعالة في استخدام المعلمات تعمل على تحسين نماذج محولات الانتشار (Diffusion Transformers) عبر تحسين معامل قياس واحد مُتعلم بواسطة الخوارزميات التطورية، مما يؤدي إلى تعزيز جودة التوليد وتقليل خطوات الاستدلال عبر مختلف نماذج تحويل النص إلى صورة.
تقترح هذه الورقة إطار عمل لتشكيل المشفر (encoder shaping) موجهًا بالذكاء الاصطناعي القابل للتفسير (XAI)، يستفيد من خرائط التركيز القائمة على العزو لمحاذاة انتباه النموذج مع التنبؤات وتحسين الاستدلال، مما يحسن بشكل كبير من تقسيم تمدد الأوعية الدموية في الأبهر البطني المعقد من خلال التخفيف من حالات الفشل الناجمة عن الهياكل غير ذات الصلة والأهداف منخفضة التباين.