12799 ورقة بحثية
تقدم هذه الورقة البحثية "التقليل الواعي بالبنية" (AM)، وهو إطار عمل مبتكر يستفيد من الخصائص الهندسية لفضاءات البنى العصبية لتوجيه تدرجات البحث عن البنية العصبية القابلة للتفاضل صراحةً نحو النهايات الصغرى المسطحة، مما يحسن بشكل كبير أداء التعميم عبر مختلف المعايير وفضاءات البحث.
يقدم PRISM إطار عمل شامل لتكثيف بيانات الفيديو يتغلب على قيود الفصل بين الخصائص الساكنة والديناميكية من خلال الإدراج التدريجي لإطارات مفتاحية متفرقة، محددة عبر التدرج، ضمن ركائز زمنية دنيا، مما يحقق كفاءة تخزين هي الأفضل في فئتها مع الحفاظ على ديناميكيات الحركة المكانية والزمانية المعقدة.
تقترح هذه الورقة إطار عمل لتفكيك المطالبات يعتمد على الوعي بالمراحل، والذي يسخر النماذج اللغوية الكبيرة لتوليد مطالبات وسيطة متماسكة سياقياً، مما يمكّن نماذج الانتشار من تحويل النص إلى صورة من حل التناقضات الدلالية بدقة وتحسين المواءمة مع المطالبات المدخلة المعقدة والمتعارضة.
تقدم الورقة البحثية NeuroSTORM، وهو نموذج تأسيسي عام تم تدريبه مسبقاً على 28.65 مليون إطار من صور الرنين المغناطيسي الوظيفي (fMRI) لأكثر من 50,000 شخص، والذي يتفوق على الأساليب الحالية عبر مهام متنوعة لاحقة، مما يوفر حلاً معيارياً للتحليل القابل للتكرار والنقل لصور الرنين المغناطيسي الوظيفي.
يقدم MS-DGCNN++ شبكة تلافيف رسومية ديناميكية متعددة المقاييس مع ترميز حواف يعتمد على المقياس، يجمع بشكل أمثل بين المتجهات الخام والمطبعة لمعالجة نسب الإشارة إلى الضوضاء المتفاوتة عبر الهياكل الشجرية، محققاً بذلك أحدث ما توصل إليه العلم من حيث المتانة والدقة في تصنيف أنواع الأشجار القائم على تقنية ليدار (LiDAR) وبعدد أقل بكثير من المعلمات مقارنة بالطرق الحالية.
يُعد Uni3R إطار عمل جديداً للتغذية الأمامية يقوم بشكل مشترك بإعادة بناء مشاهد ثلاثية الأبعاد عالية الدقة وإجراء فهم دلالي مفتوح المفردات مباشرة من صور متعددة المشاهد غير محددة الوضعية، وذلك عبر الاستفادة من محول عبر الرؤى (Cross-View Transformer) لتقدير بدائيات غاوس ثلاثية الأبعاد مع حقول سمات دلالية، محققاً أداءً هو الأفضل في فئته عبر العديد من المعايير.
تقدم هذه الورقة FE2E، وهو إطار عمل يعمل على تكييف نموذج تحرير صور قائم على محول الانتشار (Diffusion Transformer) لتقدير الهندسة الكثيفة من خلال الاستفادة من مسبقاته الهيكلية المتفوقة وإعادة صياغة أهداف التدريب الخاصة به، محققاً بذلك أداءً رائداً في مجال التقدير الصفري (zero-shot) لتقدير العمق والناظم دون الحاجة إلى مجموعات بيانات تدريب ضخمة.
يُعد GenExam أول معيار متعدد التخصصات لتوليد الصور من النصوص، حيث يقوم بتقييم النماذج من خلال 1,000 مطالبة بنمط الامتحانات عبر 10 موضوعات مع صور مرجعية حقيقية وتصنيف دقيق، مما يكشف عن فجوات أداء كبيرة بين النماذج مفتوحة المصدر والنماذج الرائدة مغلقة المصدر، بينما يقيم قدراتها المتكاملة في الفهم والاستدلال والتوليد.
تقدم الورقة البحثية POVQA، وهو مسار عمل كفء في استهلاك البيانات يقوم بضغط الفيديو إلى صور مجمعة زمنياً ويقوم بمحاذاة نماذج اللغة والرؤية الكبيرة باستخدام الضبط الدقيق الخاضع للإشراف وتحسين التفضيل المباشر على مجموعة بيانات مبتكرة، محققاً تحسينات كبيرة في الأداء وجودة التعليل في مهام الإجابة على الأسئلة المتعلقة بالفيديو.
تُظهر هذه الدراسة الأولية أن إطار عمل "حلقة التصحيح الذاتي مع المخرجات المهيكلة" (SLSO) يعزز بشكل كبير دقة وموثوقية نماذج الرؤية واللغة القائمة على GPT في توليد النتائج الخاصة بأكياس الفك في الصور الشعاعية البانورامية للأسنان، لا سيما من خلال تحسين تحديد أرقام الأسنان، وكشف الحركة، وتقييم امتصاص الجذور مقارنة بطرق "سلسلة الأفكار" التقليدية.