12799 ورقة بحثية
تُعد VERIA إطار عمل لتعزيز النماذج متعدد الوسائط يرتكز على التحقق، حيث يقوم بتخليق بيانات RGB-LiDAR متزامنة باستخدام النماذج التأسيسية ويطبق تحققًا دلاليًا وهندسيًا متسلسلاً لمعالجة التوزيعات طويلة الذيل في كشف الأجسام ثلاثية الأبعاد بفعالية من خلال تحسين تنوع الفئات النادرة ووضع سياق المشهد.
تقدم هذه الورقة RS-SSM، وهو نهج مبتكر للتجزئة الدلالية للفيديو يعالج فقدان التفاصيل المكانية والزمانية المحددة في نماذج فضاء الحالة من خلال توظيف مدرك سعة عبر القنوات ومُحسِّن معلومات بوابة النسيان لاستعادة المعلومات المنسية بشكل تكيفي، مما يحقق أداءً هو الأفضل حالياً مع كفاءة حسابية عالية.
تقترح هذه الورقة طريقة انحدار خطي متكيفة مع الجوار تستفيد من تشابه الأنماط المحلية لتحسين مخططات حركة المرور الزمانية-المكانية منخفضة الدقة، مما يحسن الدقة بشكل كبير ويلتقط ديناميكيات حركة المرور الفريدة مع التفوق على الطرق المرجعية في الدقة والمتانة باستخدام حد أدنى من بيانات التدريب.
تقدم الورقة البحثية PaddleOCR-VL، وهو نموذج لغوي بصري جديد بـ 0.9 مليار معلمة يعمل بآلية من الخشن إلى الناعم، يستخدم وحدة تركيز المنطقة الصالحة خفيفة الوزن لتحديد ومعالجة المناطق الوثائقية ذات الصلة دلاليًا فقط، مما يحقق أداء تحليل هو الأفضل في فئته مع تقليل التكاليف الحسابية ورموز الرؤية بشكل كبير مقارنة بالنهج عالية الدقة الحالية.
تقدم الورقة البحثية GameplayQA، وهو إطار عمل مرجعي مبتكر يقيم قدرة النماذج اللغوية الكبيرة متعددة الوسائط على فهم واستنتاج أسلوب اللعب ثلاثي الأبعاد كثيف المنظور الأول ومتعدد الوكلاء من خلال تعليقات توضيحية ثلاثية عالية التردد، مما يكشف عن فجوات كبيرة في قدرات النماذج الحالية في الربط الزمني، وعزو الوكلاء، واتخاذ القرار مقارنة بالأداء البشري.
تقدم هذه الورقة البحثية نموذج PP-OCRv5، وهو نموذج للتعرف الضوئي على الحروف (OCR) عالي الكفاءة يضم 5 ملايين معلمة، وينافس في دقته النماذج اللغوية البصرية ذات المليارات من المعلمات مع تقديم قدرة فائقة على تحديد مواقع النصوص وهلوسة أقل، مما يثبت أن جودة البيانات وتنوعها أكثر أهمية من حجم النموذج لتحقيق أداء عالٍ في التعرف الضوئي على الحروف.
تقدم هذه الدراسة المسحية مفهوم تعلم النقل السببي (CTL) في تحليل الصور الطبية وتعمل على تنظيمه، مقترحةً تصنيفاً موحداً يدمج الاستدلال السببي مع تعلم النقل للتغلب على انزياحات النطاق، وتعزيز متانة النماذج عبر مختلف الإعدادات السريرية، ودعم النشر الموثوق للذكاء الاصطناعي.
تقدم هذه الورقة مجموعة بيانات للمشي تعتمد على الصور الظلية (silhouette-based)، وهي متاحة للعموم وواقعية سريرياً، وتثبت أن استراتيجيات التعلم بنقل المعرفة — وتحديداً تجميد الميزات منخفضة المستوى بشكل انتقائي مع تكييف التمثيلات عالية المستوى — تُمكّن من بناء نماذج تعلم عميق قابلة للتوسع وغير جراحية وقابلة للتفسير لتقييم الهزال بدقة عبر الطيف السريري الكامل.
تقدم هذه الورقة معيار "الأكثر غموضاً مع الأولوية للإيجاب" (PF-MA)، وهو معيار تعلم نشط مبتكر صُمم للتغلب على قيود الطرق التقليدية في عمليات الاسترجاع التفاعلي ذات الميزانية المنخفضة وغير المتوازنة، وذلك من خلال إعطاء الأولوية للعينات الإيجابية المحتملة القريبة من حد القرار لاكتشاف الفئات الدقيقة النادرة بسرعة مع ضمان تنوع تغطية الفئات.
تقترح هذه الورقة طريقة لتصنيف التعلم القليل من الأمثلة (few-shot classification) خالية من التدريب، تعمل على تعزيز أداء نموذج CLIP عبر خلط النماذج الأولية للنصوص والصور، وتكرير التمثيلات الصورية من خلال الإسقاط الدلالي المحاذي للنص أو نمذجة تغاير الفئات للحد من الضجيج وتحسين دقة التصنيف عبر معايير قياسية متنوعة.