12799 ورقة بحثية
تقدم الورقة البحثية M4-RAG، وهو معيار قياسي ضخم النطاق يمتد عبر 42 لغة و189 دولة لتقييم التوليد المعزز بالاسترجاع متعدد الوسائط ومتعدد اللغات، كاشفةً أنه في حين يستفيد نظام RAG من النماذج اللغوية البصرية الصغيرة، إلا أنه غالباً ما يفشل في التوسع مع النماذج الأكبر ويعاني من تدهور كبير في الأداء في السياقات غير الإنجليزية.
تقدم الورقة البحثية sim2art، وهو إطار عمل قائم على البيانات يستعيد بدقة تقسيم الأجزاء ثلاثية الأبعاد ومعلمات المفاصل للأجسام المفصلية من فيديو أحادي العدسة واحد عبر الاستفوتادة من تمثيل قوي لنقاط السطح لكل إطار تم تدريبه حصريًا على بيانات اصطناعية، مما يلغي الحاجة إلى تكييف النطاق أو التوصيفات الواقعية مع التفوق على الأساليب الحالية الرائدة.
تقترح هذه الورقة إطار عمل موحداً قائماً على التعلم يدمج بيانات مستشعرات RGB عالية الدقة والبيانات متعددة الأطياف منخفضة الدقة لإجراء تصحيح لوني شامل من الطرف إلى الطرف، محققاً انخفاضاً في الخطأ يصل إلى 50% مقارنة بالنماذج المرجعية الحالية.
يُعد Flowception إطار عمل جديد لتوليد الفيديو غير ذاتي التراجع ومتعدد الأطوال، حيث يدمج بين عمليات إدراج الإطارات المنفصلة وإزالة الضجيج المستمر لتقليل تكاليف التدريب، وتخفيف تراكم الأخطاء، وتوحيد مهام مثل توليد الفيديو من الصور وتوليد البينية للفيديو بسلاسة.
يُعد VoroLight إطار عمل قابل للتفاضل يحقق إعادة بناء سلسة ومنتظمة للأشكال ثلاثية الأبعاد من خلال ربط رؤوس أسطح فورونوي بكرات قابلة للتدريب وتحسين فقد تقاطع الكرات لتعزيز التدهور المنضبط مع الحفاظ على خصائص مخططات فورونوي ككتل مغلقة ومحدبة.
يقدم InfoTok إطاراً نظرياً للمعلومات وضابطاً تكيفياً قائماً على المحولات يقوم بتخصيص رموز الفيديو ديناميكياً بناءً على الثراء المعلوماتي، محققاً معدلات ضغط رائدة عالمياً مع الحفاظ على الأداء.
تقدم هذه الورقة مفهوم الذكاء التلي-المكاني (TSI) ومعيار EscherVerse لتوضيح أن نماذج الرؤية واللغة الحالية تتخلف بشكل كبير عن الأداء البشري في الاستنتاج المتعلق بالديناميكيات الفيزيائية والنوايا البشرية الكامنة، مما يكشف عن فجوة حرجة بين التعرف على الأنماط والفهم المتجسد الحقيقي.
تقدم هذه الورقة البحثية "تنبؤ تداخل الصور الفرعية" (Subimage Overlap Prediction)، وهي مهمة تدريب مسبق ذاتية الإشراف جديدة لتقسيم الصور الاستشعارية عن بُعد، تحقق تقارباً أسرع وأداءً فائقاً مع استخدام بيانات تدريب وبيانات مصنفة أقل بكثير مقارنة بالطرق الحالية.
يُعد ObjectForesight نموذجًا ديناميكيًا ثلاثي الأبعاد يعتمد على الأجسام وقابلًا للتوسع، يتنبأ بمسارات الأجسام المستقبلية ذات درجات الحرية الست (6-DoF) من مقاطع فيديو قصيرة بمنظور الشخص الأول عبر تمثيل هندسة العالم صراحةً على مستوى الأجسام، وقد تم تدريبه على مجموعة بيانات واسعة النطاق تضم مليوني مقطع فيديو ذات حقائق أرضية زائفة لتحقيق دقة وقدرة على التعميم تتفوق على النهج التقليدية القائمة على البكسل.
تقدم الورقة البحثية "Goal Force"، وهو إطار عمل مبتكر يدرب نماذج توليد الفيديو على بدائيات سببية اصطناعية باستخدام ناقلات قوة صريحة كأهداف، مما يتيح تعميماً صفرياً للمهام الفيزيائية المعقدة في العالم الحقيقي ويعمل كمحاكي فيزيائي عصبي ضمني للتخطيط الدقيق.