12799 ورقة بحثية
تقترح الورقة البحثية إطار عمل DCARL، وهو إطار عمل تلقائي الترتيب يعتمد على استراتيجية "فرق تسد"، يجمع بين مولد إطارات رئيسية مخصص لضمان الاتساق الهيكلي العالمي ومولد استكمال (interpolation) لضمان التماسك المحلي، مما يتيح توليد فيديو عالي الدقة ومستقر بمسارات طويلة تصل إلى 32 ثانية مع التفوق على النماذج المرجعية الحالية في جودة الصورة والالتزام بحركة الكاميرا.
تقدم هذه الورقة NeuroVLM-Bench، وهو معيار شامل يقيم عشرين من النماذج اللغوية الكبيرة الرائدة والمزودة بقدرات رؤية في مهام التصوير العصبي ثنائي الأبعاد، كاشفةً أنه بينما يتم التعامل جيداً مع السمات التقنية للصور، يظل الاستنتاج التشخيصي يمثل تحدياً، حيث تتصدر النماذج المملوكة مثل Gemini-2.5-Pro من حيث الدقة، ويظهر نموذج MedGemma-1.5-4B أكبر قدر من الواعد بين البنيات ذات الأوزان المفتوحة.
تُظهر هذه الدراسة أن بيانات تتبع حركة العين، ولا سيما أنماط التحديق مثل تأثير الشلال، ووقت المكوث، وتكرار الانتقال، يمكن أن تتنبأ بفعالية بكل من الاختيار البشري ومستويات الثقة أثناء تقييمات الصور المولدة بالذكاء الاصطناعي بنظام المقارنة الثنائية، مما يقدم إشارات ضمنية قيمة لتحسين جودة توصيف التفضيلات.
تقدم هذه الورقة نظاماً آلياً للتعرف على كواشف الدخان للمنشآت الصناعية، حيث تُثبت أن نموذج YOLOv11n يحقق أداءً فائقاً (0.884 mAP@0.5) مقارنة بكواشف أخرى مثل SSD وRT-DETRv2 عند تدريبه على مزيج من البيانات الحقيقية وشبه الاصطناعية، مما يتيح عمليات تفتيش مستقبلية أكثر أماناً وكفاءة تعتمد على الطائرات بدون طيار.
تقدم هذه الورقة DreamHouse، وهو معيار مرجعي جديد للاستدلال الفيزيائي التوليدي يقيم نماذج الرؤية واللغة بناءً على قدرتها على تشييد منازل ذات هياكل خشبية سليمة إنشائياً ومتوافقة مع الأكواد من خلال تفاعل وكيل تكراري، مما يكشف عن فجوات كبيرة في القدرة على الاستدلال الفيزيائي تكون غير مرئية في التقييمات الحالية التي تركز على الواقعية البصرية.
تقدم هذه الورقة البحثية ICTPolarReal، وهي مجموعة بيانات واسعة النطاق تضم أكثر من 1.2 مليون صورة عالية الدقة تلتقط 218 كائناً من العالم الحقيقي تحت ظروف متنوعة من تعدد الزوايا، وتعدد الإضاءة، والاستقطاب، مما يعزز بشكل كبير دقة وتعميم مهام التصيير العكسي مثل التفكيك الجوهري، وإعادة الإضاءة، وإعادة البناء ثلاثي الأبعاد من خلال توفير بيانات مواد قائمة على أسس فيزيائية.
تقترح هذه الورقة إطار عمل MoE-GRPO، وهو إطار للتعلم المعزز يعمل على تحسين توجيه الخبراء في نماذج الرؤية واللغة القائمة على خليط الخبراء (Mixture-of-Experts) من خلال صياغة اختيار الخبير كمسألة اتخاذ قرار متسلسل باستخدام تحسين السياسة النسبية للمجموعات (Group Relative Policy Optimization) والتوجيه المدرك للنماط، مما يعزز تنوع الخبراء وتخصص المهام مع التخفيف من حدة الإفراط في التخصيص.
تقترح هذه الورقة إطار عمل بفقد ثنائي يجمع بين فقد المركز (Center Loss) وفقد آرك فيس (ArcFace Loss) لمعالجة التباين العالي داخل الفئة والتشابه بين الفئات في الكشف عن أمراض أوراق الأرز، محققةً دقة تصل إلى 99.6% عبر ثلاث بنيات هيكلية متطورة دون الحاجة إلى تعديلات هيكلية رئيسية.
يُعد GDPO-Listener إطار عمل مبتكرًا يولد حركات رأس ثلاثية الأبعاد عالية التعبير لكل من التحدث والاستماع في التفاعلات الثنائية، وذلك عبر الجمع بين بنية مطابقة التدفق ذات الانحدار الذاتي (Auto-Regressive Flow Matching) وتحسين السياسة المفككة بمكافأة المجموعة (Group reward-Decoupled Policy Optimization) للتغلب على مشكلة "الانحدار نحو المتوسط" وتمكين الاستجابات غير اللفظية القابلة للتخصيص والتحكم دلاليًا.
يُعد VideoTIR إطار عمل مبتكر يستفيد من التعلم المعزز، وتحديداً خوارزمية تحسين السياسة المجمعة لمجموعة أدوات الإجراءات (TAGPO) ونظام تخليق مسارات قائم على بيئة تجريبية (sandbox)، لتمكين النماذج اللغوية الكبيرة متعددة الوسائط من فهم مقاطع الفيديو الطويلة بدقة وكفاءة من خلال الاسترجاع الديناميكي والتركيز على الأجزاء المرئية ذات المعنى مع الحد من الهلوسة.