12799 ورقة بحثية
يُعد GAINeR إطار عمل مبتكر يعزز التمثيلات العصبية الضمنية من خلال دمج توزيعات غاوسية قابلة للتدريب لتمكين النمذجة المستمرة للصور ببنية هندسية صريحة، مما يدعم التحرير المحلي المرن، والمحاكاة القائمة على الفيزياء، والرفع ثلاثي الأبعاد الموجه بالعمق، مع تحقيق جودة إعادة بناء هي الأفضل في فئتها.
يُعد FlashVGGT محول هندسة بصرية فعال وقابل للتوسع يستبدل التعقيد التربيعي للانتباه الذاتي الكامل بآلية انتباه تقاطعي قائمة على الوصف، مما يتيح إعادة بناء ثلاثية الأبعاد عالية الدقة على تسلسلات صور طويلة مع تقليل وقت الاستدلال بشكل كبير.
تقدم الورقة البحثية Panel2Patch، وهو مسار بيانات واستراتيجية تدريب مسبق مدركة للدرجة (granularity-aware) تستخرج أزواج رؤية-لغة متعددة المستويات وهرمية من الأشكال العلمية الطبية الحيوية للحفاظ على الدلالات المحلية دقيقة التفاصيل، مما يحقق أداءً فائقًا للنموذج باستخدام بيانات تدريب مسبق أقل بكثير مقارنة بالنهج التقليدي القائم على مستوى الشكل الكلي.
تقدم هذه الورقة البحثية إطار العمل DIG، وهو إطار عمل لا يتطلب تدريباً يعزز فهم الفيديو طويل المدى من خلال التمييز بين الاستعلامات العالمية والمحلية لتطبيق أخذ عينات موحد فعال للأولى واختيار متخصص واعٍ بالاستعلام للثانية، مما يؤدي إلى التفوق على النماذج المرجعية الحالية مع تقليل العبء الحسابي.
يُعد NOWA إطار عمل مبتكر يجمع بين تقنية Gaussian Splatting ثلاثية الأبعاد وشبكة خصومة توليدية واستراتيجية تدريب ثنائية المُميز، لإنتاج صور رمزية ثلاثية الأبعاد للرأس قابلة للتحريك وعالية الدقة في الوقت الفعلي، محققاً أداءً رائداً بسرعة رندر تصل إلى 560 إطاراً في الثانية على وحدات معالجة الرسومات و60 إطاراً في الثانية على الأجهزة المحمولة.
يقدم EditMGT أول إطار عمل لتحرير الصور يعتمد على المحولات التوليدية المقنعة (Masked Generative Transformer)، والذي يستفيد من فك التشفير الموضعي وأخذ عينات الحفاظ على المنطقة لتحقيق تعديلات دقيقة وعالية الجودة وبسرعات استدلال أسرع بكثير مقارنة بنماذج الانتشار، وكل ذلك دون الحاجة إلى معاملات إضافية.
تقدم هذه الورقة البحثية توليد الفيديو المرتكز (AVG)، وهو مسار معياري يفصل بين بناء المشهد والتركيب الزمني باستخدام نموذج لغوي كبير لتحسين المطالبات، ونموذج نص-إلى-صورة لإنشاء إطار مرجعي صحيح دلاليًا، ونموذج فيديو متخصص لتحريك المشهد، مما يحقق أداءً رائدًا في معايير التركيب والزمن مع تقليل خطوات أخذ العينات بشكل كبير.
تقدم هذه الورقة البحثية مجموعة بيانات جديدة مكونة من 23.7 ألف تسلسل حركة محفزة بنظرات العين، ونموذج انتشار مشروط بالنص يولد حركات كاملة الجسم واقعية، حيث ينجح في التقاط السلوك البشري الطبيعي المتمثل في رصد كائن ما قبل الوصول إليه.
تُعد Pro-Pose طريقة مبتكرة تُحوّل الصور الشخصية كاملة الجسم غير المزدوجة والملتقطة في ظروف طبيعية إلى نماذج رمزية (avatters) عالية الدقة وقابلة للتحكم بملابس بسيطة ومعيارية، وذلك عبر الاستفادة من خرائط UV الكنسية والضبط الدقيق متعدد الصور للحفاظ على الهوية مع تمكين إعادة وضعيات الجسم بقوة لتطبيقات لاحقة مثل تجربة الملابس الافتراضية.
تستقصي هذه الورقة دور الاستدلال النصي في تقييم جودة الصور الأعمى من خلال مقارنة نماذج تسلسل الأفكار، والاتساق الذاتي، والمشفر التلقائي، كاشفةً أنه بينما تعتمد النماذج الحالية بشكل كبير على البيانات المرئية، فإن نهج الاتساق الذاتي يقلص بشكل كبير فجوة الأداء بين التنبؤات القائمة على الصور والتنبؤات القائمة على النصوص فقط.