12799 ورقة بحثية
تحدد هذه الورقة تدهور التمثيل البصري في النماذج اللغوية الكبيرة متعددة الوسائط الناتج عن أهداف توليد النصوص، وتقترح "التنظيم التنبؤي" (PRe) لاستعادة الدقة البصرية الداخلية، مما يعزز بشكل كبير الأداء العام للرؤية واللغة.
تقدم الورقة البحثية Glove2Hand، وهو إطار عمل يقوم بتخليق فيديوهات واقعية لليد العارية من بيانات قفاز استشعار متعدد الوسائط باستخدام نموذج يد قائم على التوزيعات الغاوسية ثلاثية الأبعاد وتقنية استعادة قائمة على الانتشار، مع تقديم مجموعة بيانات HandSense لتعزيز التطبيقات اللاحقة مثل تقدير التلامس وتتبع اليد المحجوبة.
تقدم الورقة البحثية FRoG، وهو إطار عمل قوي لتقنية Gaussian Splatting ثلاثية الأبعاد الديناميكية يعمل على تسريع عملية الرندرة وتحسين جودة إعادة البناء في المشاهد الشحيحة أو الخافتة من خلال دمج تضمينات زمنية لكل Gaussian وتضمينات زمنية من خشن إلى ناعم، وتقديم استراتيجية أخذ عينات موجهة بالعمق، وتعديل العتامة لتجنب الحلول المحلية المثلى.
تقترح هذه الورقة استراتيجية مستهدفة لإعادة تهيئة الأوزان لاستعادة اللدونة العصبية في النماذج سابقة التدريب قبل عملية الضبط الدقيق، مما يتيح تقارباً أسرع ودقة أعلى في مهام تعلم النقل مع عبء حوسبي ضئيل.
تقترح هذه الورقة نهجاً جديداً للتعلم المستمر عبر الإنترنت يستفيد من هبوط التدرج الطبيعي مع تقريب "كرونيكر" لعامل الانحناء (KFAC) لمصفوفة معلومات فيشر لتسريع التقارب والتخفيف من حدة النسيان الكارثي عبر مختلف مجموعات البيانات والأساليب الحالية.
يُعد GraphFormer بنية "ترانسفورمر" (Transformer) متعددة الوسائط ومتطورة، توحد بين صور الاستمرار الطوبولوجي والسمات الهيكلية القائمة على الرسوم البيانية عبر التعلم التبايني بأسلوب "CLIP"، لتتفوق بشكل كبير على الأساليب الحالية في تحليل مورفولوجيا الخلايا العصبية لتطبيقات علوم الأعصاب.
توضح هذه الورقة أن الاتساق تحت إعادة الصياغة هو مؤشر معيب للموثوقية في النماذج الرؤية-اللغوية الطبية لأن النماذج يمكنها تحقيق اتساق تام من خلال تجاهل الصور والاعتماد على الأنماط النصية، وهو نمط فشل خطير تغفله مقاييس الثقة القياسية ولكن يمكن كشفه من خلال مقارنة التنبؤات مقابل خط أساس نصي فقط.
يُعد OrbitStream إطار عمل خالٍ من التدريب للبث التكيفي للفيديو بزاوية 360 درجة في عمليات التحكم عن بُعد، حيث يجمع بين الفهم الدلالي للمشهد ونظرية التحكم القوية لتحقيق تجربة جودة تنافسية ودقة عالية في التنبؤ بمنطقة الرؤية دون الحاجة إلى تدريب قائم على البيانات.
تقدم هذه الورقة LRHPerception، وهي حزمة إدراك أحادية العين في الوقت الفعلي للقيادة الذاتية توحد بين التعلم من طرف إلى طرف والخرائط المحلية لتحقيق فهم بيئي متعدد المهام عالي السرعة (بما في ذلك تتبع الأجسام، وتجزئة الطريق، وتقدير العمق) بسرعة 29 إطاراً في الثانية، مما يوفر تسريعاً بنسبة 555% مقارنة بالنهج التقليدي القائم على رسم الخرائط.
تقدم الورقة البحثية 2Xplat، وهو إطار عمل لتقنية "Gaussian Splatting" ثلاثية الأبعاد يعمل بنظام التغذية الأمامية ولا يتطلب معرفة بالوضعية، حيث يقوم بفصل تقدير الهندسة عن تركيب المظهر إلى خبيرين متخصصين، محققاً أداءً هو الأفضل في فئته بعدد دورات تدريبية أقل من النهج الموحد السابقة.