12799 ورقة بحثية
تُظهر هذه الدراسة أن محاكاة التجربة البصرية الشبيهة بالبشر عبر الجمع بين الرؤية المركزية والتعلم القائم على البطء الزمني تعزز بشكل كبير تكوين التمثيلات الدلالية للأجسام، مما يكشف كيف يساعد التركيز على المعلومات المتغيرة ببطء والمتمحورة حول نظرة العين في استخراج سمات المقدمة والدلالات الأوسع للأجسام.
يُعد SurgMotion نموذجاً تأسيسياً يعتمد على الفيديو، حيث يستفيد من التنبؤ بالحركة الكامنة وقاعدة بيانات ضخمة تبلغ 15 مليون ساعة للتغلب على قيود إعادة البناء على مستوى البكسل، محققاً أداءً هو الأفضل في فئته عبر مهام متنوعة لفهم الفيديو الجراحي بما في ذلك التعرف على سير العمل، وكشف الإجراءات، وتقييم المهارات.
تقدم هذه الورقة نموذج "تحسين التمثيل المنفصل" (DRR)، الذي يحل معضلة المقايضة بين الدقة والسرعة في التمثيلات العصبية الضمنية من خلال استخدام عملية غير متصلة بالإنترنت لترميز الحقول المعقدة في تضمينات مدمجة، مما يمكّن شبكة خفيفة الوزن من تحقيق دقة تضاهي أفضل النتائج الحالية مع سرعات استدلال تصل إلى 27 ضعفاً مقارنة بالنماذج المرجعية عالية الدقة.
تقترح هذه الورقة البحثية إطار عمل CAD-Prompted SAM3، وهو إطار لتقسيم المثيلات مشروط بالهندسة يستفيد من عمليات رندر نماذج CAD متعددة الزوايا كـ "محفزات" للتغلب على قيود الطرق القائمة على اللغة والمظهر في البيئات الصناعية حيث تختلف الأجسام في المادة واللمسات النهائية ولكنها تشترك في هندسة معيارية.
تقدم الورقة البحثية OmniRet، وهو أول نموذج استرجاع قادر على التعامل مع الاستعلامات المعقدة عبر الوسائط النصية والبصرية والسمعية، والذي يحقق أداءً عالي الدقة وفعالاً من خلال آليات إعادة أخذ العينات القائمة على الانتباه وآليات تجميع "واسرشتاين" المقطعة بالانتباه (Attention Sliced Wasserstein Pooling) المبتكرة، مع إنشاء معيار مرجعي جديد متمحور حول الصوت متعدد الوسائط لتقييم القدرات الشاملة للوسائط.
تحلل هذه الورقة أكثر من 1.8 مليون نموذج لتكشف أن تعدد الوسائط في عائلات النماذج اللغوية الكبيرة المفتوحة ينبثق من خلال "أحداث مؤسِّسة" نادرة بدلاً من الانتقال التدريجي عبر الوسائط، ليتوسع لاحقاً وبسرعة ضمن سلالات محددة من الأحفاد لخلق نمط تبنٍّ متقطع يهيمن عليه مهام الصور والنصوص.
تقدم الورقة البحثية Astro-BEATS، وهو خوارزمية مقتبسة من طرق الكشف عن الظواهر الفلكية العابرة تتفوق على النهج الحالية القائمة على العتبات في التجزئة التلقائية لتدفقات الكالسيوم المشبكية المصغرة واللطيفة في المجهر الفلوري، مما يسهل إنشاء مجموعات بيانات تدريب لنماذج التعلم العميق.
تقدم هذه الورقة مجموعة بيانات "من الدليل إلى التنفيذ" (M2AD)، التي تربط فيديوهات تجميع الأثاث مع أدلة التعليمات، لتقييم قدرات وحدود النماذج اللغوية الكبيرة متعددة الوسائط الحالية في تقديم المساعدة متعددة الوسائط في الوقت الفعلي للمهام الإجرائية.
تقدم الورقة البحثية مشفر الإدراك العالمي الفعال (EUPE)، وهو نموذج رؤية مدمج للأجهزة الطرفية يحقق تمثيلات متعددة الاستخدامات وعالية الأداء عبر مهام متنوعة من خلال استخلاص المعرفة من معلم وسيط ضخم، يتم إنشاؤه عن طريق تجميع نماذج تأسيسية متعددة خبيرة في مجالاتها، بدلاً من تقليص حجمها مباشرة منها.
تقترح هذه الورقة إطار عمل قوي للتحكم في التنقل الدقيق على الأرصفة، يعزز التعلم بالتقليد من خلال تدعيم مجموعات بيانات التشغيل عن بُعد بسلوكيات تصحيحية واستخدام بنية متعددة المقاييس للتعافي بفعالية من الأخطاء والتعميم عبر البيئات الحضرية المعقدة.