12799 ورقة بحثية
تقدم الورقة البحثية CanViT، وهو أول نموذج رؤية نشطة تأسيسي (AVFM) مستقل عن المهام والسياسات، والذي يستخدم بنية مبتكرة من "التمثيل الشبكي الشبكي إلى التمثيل المكاني" (retinotopic-to-spatiotopic) وتدريباً مسبقاً خالياً من الملصقات لتحقيق أداء رائد في التجزئة الدلالية وتصنيف الصور بتكاليف حوسبة أقل بكثير من نماذج الرؤية النشطة الحالية.
تقدم ورقة "FullCircle" مسار عمل عملي ومجموعة بيانات مرجعية جديدة لإعادة بناء المشاهد ثلاثية الأبعاد بشكل قوي وسهل مباشرة من لقطات كاميرا 360 درجة الخام، متجاوزةً بذلك بفعالية قيود الطرق الحالية عبر إلغاء الحاجة إلى بروتوكولات خاصة ومعالجة رؤية المشغل البشري، مع التفوق على كل من تقنية (3DGS) القياسية والأساليب المرجعية القائمة على المنظور.
تقدم هذه الورقة البحثية Dress-ED، وهي أول مجموعة بيانات واسعة النطاق توحد بين تجربة الملابس الافتراضية (Virtual Try-On)، وإزالة الملابس الافتراضية (Virtual Try-Off)، وتحرير الملابس الموجه بالنص مع أكثر من 146 ألف عينة مدفوعة بالتعليمات، إلى جانب إطار عمل انتشار متعدد الوسائط موحد لتمكين توليد أزياء تفاعلي وقابل للتحكم.
تكشف هذه الورقة عن مقايضة حرجة بين التجذر والتملق في النماذج اللغوية الرؤية الطبية، حيث تكون النماذج الأكثر مقاومة للهلوسة هي الأكثر تملقاً، مما يثبت من خلال مقاييس جديدة أن النماذج الحالية ذات 7-8 مليارات معلمة تفتقر إلى المتانة والتجذر المتزامنين اللازمين للنشر السريري الآمن.
تقدم هذه الورقة معياراً قابلاً لإعادة الإنتاج لتقييم مدى أمانة ومتانة طرق الإسناد في التجزئة الدلالية، وتقترح تقنية الإسناد بالدليل المزدوج (DEA)، وهي تقنية دمج خفيفة الوزن تعمل على تحسين الأمانة القائمة على الحذف بشكل كبير من خلال الجمع بين إشارات التدرج والتدخل.
تُظهر هذه الدراسة التجريبية أن استراتيجية التعلم الذاتي الخاضعة للإشراف المثلى للتصوير الطبي تعتمد على التنظيم المكاني للإشارات ذات الصلة سريرياً، حيث تتفوق بنيات التضمين المشترك (JEAs) في المهام الموضعية مثل علم الأمراض النسيجي، بينما تؤدي بنيات التنبؤ بالتضمين المشترك (JEPAs) بشكل أفضل في البيانات ذات البنية العالمية مثل الموجات فوق الصوتية، وهو اكتشاف أكده خبراء طبيون.
تقدم هذه الورقة مساراً معالجةً متكاملاً (end-to-end) يعتمد على التعلم العميق لرسم خرائط الانهيارات الثلجية واسعة النطاق باستخدام صور رادار الفتحة الاصطناعية (SAR) من قمر "سنتينل-1" ثنائي التوقيت، وهو ما يحقق أداءً عالياً في الكشف عبر مناطق جبلية متعددة ويؤسس لمجموعة بيانات مرجعية قابلة لإعادة الإنتاج للبحوث المستقبلية.
تقدم الورقة البحثية WiFi2Cap، وهو إطار عمل يحافظ على الخصوصية ويقوم بتوليد أوصاف لغوية طبيعية دقيقة من إشارات مؤشر حالة الوصلة (CSI) الخاصة بشبكات الواي فاي، وذلك عبر الاستفادة من محاذاة "المعلم-الطالب" بين الرؤية واللغة مع فقدان اتساق المرآة لحل الغموض الاتجاهي، وقد تم التحقق من صحته باستخدام مجموعة بيانات متزامنة ومقترحة جديدة تتكون من (CSI-RGB-sentence).
تقيم هذه الدراسة فعالية نماذج الرؤية واللغة (VLMs) الجاهزة في اكتشاف الأخطاء البصرية عبر 41 ساعة من فيديوهات أسلوب اللعب، حيث وجدت أنه بينما يعد أداء الخط الأساسي واعداً، فإن استراتيجيات التحسين الشائعة التي لا تعتمد على الضبط الدقيق لا تحقق سوى تحسينات طفيفة، مما يشير إلى أن التقدم المستقبلي يتطلب مناهج هجينة للتمييز بشكل أفضل بين الشذوذ النصي والبصري.
تقدم هذه الورقة البحثية نموذج GPAD، وهو شبكة مبتكرة للكشف عن الشذوذ الصناعي متعددة الوسائط تستفيد من نموذج خبير في السحابة النقطية لاستخراج الأولويات الهندسية عبر ناقلات المتجهات العمودية التفاضلية وتوظف استراتيجية دمج ثنائية المراحل للتفوق بشكل كبير على الأساليب الرائدة في اكتشاف عيوب الأسطح ثلاثية الأبعاد المعقدة.