12799 ورقة بحثية
تُعد VIRTUE إطار عمل متعدد الاستخدامات لاسترجاع الفيديو، حيث تستفيد من نموذج لغوي كبير موحد متعدد الوسائط مع محاذاة تباينية وتدريب باستخدام تقنية LoRA لتحقيق أداء رائد في استرجاع البيانات الصفرية (zero-shot) عبر استرجاع المجموعات، وتحديد اللحظات، والاستعلامات متعددة الوسائط المركبة، مما يضاهي الأنظمة المتخصصة التي تتدرب على مجموعات بيانات أكبر بكثير.
تقدم الورقة البحثية Memory-V2V، وهو إطار عمل لانتشار الفيديو-إلى-فيديو معزز بالذاكرة يحافظ على الاتساق عبر الدورات المتكررة في سير عمل التحرير التكراري من خلال تخزين واسترجاع التعديلات السابقة كقيود مهيكلة، مما يمنع الانحراف البصري مع الحفاظ على الجودة بتكاليف حوسبة متواضعة.
تقدم هذه الورقة البحثية LingBot-VA، وهو إطار عمل انتشار ذاتي الانحدار يوحد بين نمذجة عالم الفيديو والتدريب المسبق للرؤية واللغة عبر فضاء كامن مشترك، وتدفق مغلق الحلقة، واستدلال غير متزامن لتحقيق تحكم روبوتي طويل الأمد يتسم بالكفاءة، والقدرة على التعميم، وكفاءة البيانات.
تقيم هذه الدراسة بشكل منهجي أداء التعرف الضوئي على الحروف (OCR) لتقنيات المساعدة في الظروف الثابتة والديناميكية، حيث كشفت أن الدقة تنخفض مع زيادة سرعة المشي وزوايا الرؤية الأوسع، مع تحديد "Google Vision" وكاميرا الهاتف الرئيسية كأفضل محرك وجهاز على التوالي، بينما حقق الوضع المثبت على الكتف أعلى متوسط بين وضعيات الجسم.
تقدم الورقة البحثية BAAF، وهو إطار عمل مبتكر يحول أي مصنفات الفئة الواحدة إلى كواشف حالات شاذة للصور غير خاضعة للإشراف ذات أداء عالٍ، وذلك من خلال الاستفادة من تجميع البوتستراب لتصفية بيانات التدريب بحثاً عن الحالات الشاذة، مما يحقق أداءً فائقاً على مجموعات البيانات المرجعية دون الحاجة إلى إجراء تعديلات على الكواشف الأساسية.
تقترح الورقة البحثية Tri-path DINO، وهي بنية مبتكرة تستفيد من استراتيجية تعلم ميزات تكميلية ثلاثية المسارات مع عمود فقري من نوع DINOv3، ومسار سيامي مساعد، وآلية انتباه متعددة المقاييس لتحقيق كشف تغيير متعدد الفئات قوي وقابل للتفسير في صور الاستشعار عن بعد.
يقدم MagicSeg خط معالجة جديداً يعتمد على الانتشار يقوم تلقائياً بتوليد صور عالية الدقة مع أقنعة زيفة دقيقة وعينات سلبية مضادة مقترنة لتدريب نماذج التجزئة الدلالية ذات العالم المفتوح مسبقاً، محققاً أداءً هو الأفضل في فئته على مجموعات البيانات المرجعية دون الاعتماد على البيانات المكلفة التي يدوّنها البشر.
تقدم هذه الورقة مفهوم "الحصرية البصرية" (Visual Exclusivity)، وهو تهديد مرن قائم على الصور ينشأ فيه الضرر من التفكير في المحتوى البصري، وتقترح إطار العمل الوكيل "MM-Plan"، الذي يحقق معدلات نجاح هجوم أعلى بكثير ضد النماذج متعددة الوسائط الرائدة من خلال تركيب استراتيجيات عالمية متعددة الجولات بدلاً من الاعتماد على الهجمات الهشة القائمة على الحمولة.
تستعرض هذه الورقة الأبحاث الحالية حول تطبيق التعاطف في الروبوتات والوكلاء الحواريين المتجسدين من خلال الذكاء الاجتماعي والعاطفي متعدد الوسائط، بهدف تطبيق هذه الرؤى على الوكلاء اللغويين المعاصرين مثل ChatGPT.
تقدم هذه الورقة البحثية MiSiSUn، وهو أسلوب هندسي جديد لفك الخلط شبه المُشرف يدمج هندسة البيانات عبر عقوبة حجم السيمبلكس (simplex-volume penalty) ليتفوق بشكل كبير على التقنيات الرائدة في أحدث ما توصل إليه العلم على كل من مجموعات البيانات المحاكات والواقعية، مع إتاحة تنفيذه وأدواته ذات الصلة كحزم برمجية مفتوحة المصدر بلغة بايثون.