12799 ورقة بحثية
تقدم هذه الورقة CLiBD-HiR وCLiBD-HiR-Fuse، وهما إطارا عمل للتعلم متعدد الوسائط يعتمدان على الهيكلية الهرمية، واللذان يستفيدان من البنية التصنيفية للتصنيف البيولوجي لتحسين دقة تحديد التنوع البيولوجي والمتانة ضد البيانات الضوضائية أو المفقودة بشكل كبير مقارنة بنهج الملصقات المسطحة الحالية.
تقدم هذه الورقة دراسة معيارية تقيم التحيز القائم على النوع الاجتماعي والعرق في تسعة من النماذج اللغوية الكبيرة متعددة الوسائط مفتوحة المصدر في مهام التحقق من الوجه، كاشفةً أن النماذج المتخصصة تتفوق على النماذج العامة مع إثبات أن الدقة العالية لا تضمن العدالة الديموغرافية وأن أنماط التحيز تختلف بشكل كبير عن أنظمة التعرف على الوجه التقليدية.
يُعد LanteRn إطار عمل مبتكر يعزز قدرات الاستدلال البصري للنماذج متعددة الوسائط الكبيرة من خلال تمكينها من دمج اللغة مع تمثيلات بصرية كامنة، مدمجة ومستمرة، مما يتجنب قيود الأوصاف المقتصرة على النصوص وعدم كفاءة الاستدلال المباشر في فضاء البكسل.
تقدم هذه الورقة نظاماً مستقلاً متعدّد الوكلاء وتنسيق مواصفات مهيكلاً يترجم الأوصاف اللغوية الطبيعية إلى تصميمات تصوير حاسوبي مُحققة، محققاً جودة بمستوى الخبراء وممكناً أنماطاً تركيبية جديدة مع توفير إطار نظري للحد من أخطاء إعادة البناء.
تقدم هذه الورقة Colon-Bench، وهو معيار مرجعي شامل يضم أكثر من 500 فيديو كامل لإجراءات تنظير القولون مع تعليقات توضيحية كثيفة ومتعددة الوسائط تم إنشاؤها عبر سير عمل وكيل ذكي، والذي يُستخدم لتقييم وتحسين النماذج اللغوية الكبيرة متعددة الوسائط بدقة للكشف عن الآفات الطبية وتحليلها.
تقدم هذه الورقة إطار عمل للتعلم التعزيزي لما بعد التدريب يعمل على تثبيت عمليات التوليد الذاتي متعددة الخطوات في نماذج العالم الروبوتية المشروطة بالأفعال، وذلك عبر تكييف أهداف التباين، وتوظيف مقارنات للمرشحين ذات أطوال متغيرة، واستخدام مكافآت الدقة البصرية متعددة المنظور، مما يحقق جودة تنبؤ رائدة في مجموعة بيانات DROID.
تقترح الورقة البحثية "Just Zoom In"، وهي طريقة جديدة لتحديد الموقع الجغراغرافي عبر الرؤى (cross-view geo-localization) تستبدل استرجاع الصور التبايني التقليدي بعملية تكبير ذاتية تنبؤية (autoregressive) من الخشن إلى الناعم فوق خرائط أقمار صناعية على مستوى المدينة، محققةً أداءً هو الأفضل في فئتها من خلال الاستفادة بشكل أفضل من البنية الهندسية ومعالجة عدم تطابق التغطية.
تقدم الورقة البحثية نموذج LEMMA، وهو نموذج تقسيم دلالي خفيف الوزن يستخدم أهرامات لابلاس لتعزيز التعرف على الحواف وتقليل التكاليف الحسابية بشكل جذري مع تحقيق أداء رائد في تطبيقات الاستشعار عن بعد البحرية.
تقدم الورقة البحثية Trace، وهو إطار عمل يتكون من مرحلتين يتيح تحرير حركة الأجسام في الفيديوهات بشكل عملي وقابل للتحكم عبر السماح للمستخدمين بتصميم مسار في إطار مرجعي واحد، والذي يتم بعد ذلك رسمه كمسارات صناديق متوافقة مع الإطارات ويُستخدم لإعادة توليد الجسم مع الحفاظ على محتوى المشهد الأصلي.
تقترح الورقة البحثية SlotVTG، وهو محول (adapter) خفيف الوزن متمحور حول الكائنات، يعمل على تعزيز قدرة النماذج اللغوية الكبيرة متعددة الوسائط على التعميم خارج النطاق (Out-of-Domain) لمهام التوطين الزمني للفيديو عبر تفكيك الرموز البصرية إلى فتحات (slots) متماسكة دلالياً دون الحاجة إلى إعادة تدريب النموذج بالكامل.