12799 ورقة بحثية
يُعد AgentRVOS إطار عمل لا يتطلب تدريباً يحقق أداءً فائقاً في مجال تقسيم كائنات الفيديو بالإشارة، وذلك عبر عكس المسار التقليدي لإنشاء مسارات موثوقة للكائنات أولاً باستخدام SAM3، ثم توظيف نموذج لغوي بصري كبير (MLLM) للاستدلال على هذه المسارات من أجل تحديد الهدف بدقة.
يقدم DA-Flow طريقة مبتكرة لتقدير التدفق البصري المدرك للتدهور، والتي تستفيد من الميزات الوسيطة المدركة للفساد في نماذج الانتشار لاستعادة الصور، والمعززة بالانتباه المكاني والزماني والمدمجة مع الميزات الالتفافية في إطار عمل تكراري، لتحقيق أداء فائق على مقاطع الفيديو المشوهة في العالم الحقيقي مقارنة بالطرق الحالية.
تقدم الورقة البحثية MedObvious، وهو معيار مرجعي يتكون من 1,880 مهمة، يوضح فشل نماذج الرؤية واللغة الحالية في إجراء فحوصات التحقق المنطقي الأساسية قبل التشخيص على الصور الطبية، حيث غالبًا ما تهلوس بسرديات تبدو منطقية حتى عندما تكون المدخلات غير صالحة أو غير متسقة، مما يسلط الضرض على فجوة أمنية حرجة في النشر السريري.
تقترح هذه الورقة استراتيجية تصميم مقياس مبتكرة للحفاظ على النمط الظاهري لتقييم وتوجيه نماذج الملء التوليدي (inpainting)، مثل DeepFill V2 وEdge Connect، بما يضمن استعادة صور المجهر الفلوري عالية المحتوى بأمانة دون إدخال تلاعبات اصطناعية تغير السمات البيولوجية الحرجة مثل حجم ونوع نوى الخلايا.
تقترح هذه الورقة نموذج انتشار تبايني شرطي مبتكر يتعلم جدول التباين أثناء التدريب بدلاً من الاعتماد على الضبط الدقيق المستهلك للوقت، محققاً نتائج متفوقة أو مماثلة في المشكلات العكسية مثل المجهر فائق الدقة وتصوير الطور الكمي.
تقترح هذه الورقة شبكة (m-rBCR)، وهي شبكة عصبية مستوحاة من الفيزياء ومستلهمة من مخطط "بيلكن-كويفمان-روكلين"، والتي تحقق جودة فائقة في استعادة الصور وكفاءة حسابية أعلى بكثير مع عدد أقل من المعلمات مقارنة بالطرق التقليدية وأحدث طرق التعلم العمخلية المستخدمة في فك التلافيف المجهري.
تعد SymmCompletion طريقة مبتكرة لإكمال السحابة النقطية تستخدم شبكة تحويل التماثل المحلي لتوليد أزواج أولية متوافقة هندسياً، وتستخدم محول توجيه التماثل لتنقيحها، مما يحقق عمليات إعادة بناء عالية الدقة ومتسقة هندسياً تتفوق على الأساليب الرائدة الحالية.
تتقصى هذه الدراسة تأثير تسع عمليات تعزيز شائعة للصور على تحولات تضمين نموذج CLIP باستخدام مقاييس تشابه ومسافة متنوعة، كاشفةً أن الضجيج، وتحويلات المنظور، وتغيير المقياس تسبب التغيرات الأكثر حدة، مما يوفر رؤى تأسيسية لتحسين متانة النماذج اللغوية البصرية وقابلية تفسيرها الآلية.
تقترح هذه الورقة إطار عمل "تعلم الرقع البانوبتيكية" (PPL) للتغلب على "تحيز الرقع القليلة" في كشف الصور المُنشأة بواسطة الذكاء الاصطناعي، وذلك من خلال فرض استخدام الآثار عبر جميع رقع الصورة عبر استبدال الرقع العشوائي والتعلم التبايني على مستوى الرقعة، مما يعزز بشكل كبير من قوة الكشف والقدرة على التعميم.
تقترح هذه الورقة طريقة جديدة غير خاضعة للإشراف للكشف عن الجدة تعمل على تحسين المتانة ضد انزياحات النطاق من خلال فصل معلومات الموضوع عن تغيرات الخلفية باستخدام تقليل المعلومات المتبادلة ونموذج غاوسي مختلط عميق، مما يتيح الكشف الدقيق بناءً على تمثيلات موضوع ثابتة فقط.