12799 ورقة بحثية
تقترح الورقة البحثية SARe، وهو إطار توليدي مدرك للبنية يجمع بين مولد تجميع قائم على الرسم البياني للاتصال ومرحلة صقل أثناء وقت الاستدلال لتحقيق إعادة تجميع قوية ومتطورة لقطع ثلاثية الأبعاد، لا سيما في السيناريوهات الصعبة واسعة النطاق التي تحتوي على العديد من القطع.
تقترح هذه الورقة طريقة خفيفة حوسبياًًا ولا تتطلب تدريباً للكشف عن الصور المُنشأة بواسطة الذكاء الاصطناعي من خلال قياس حساسية التمثيل للاضطرابات الترددية المهيكلة، مما يحقق سرعة استدلال أكبر بكثير وأداءً متفوقاً (بزيادة تصل إلى 10% في قيمة AUC على معيار OpenFake) مقارنة بالنهج المتبعة في أحدث التقنيات.
تقترح هذه الورقة إطار عمل TCEI، وهو إطار تكيف عند وقت الاختبار ثنائي المستوى لتتبع الأجسام المتعددة يحاكي اتخاذ القرار البشري من خلال الجمع بين نظام حدسي للتنبؤات السريعة على مستوى الإطار ونظام خبراتي للمعايرة الزمنية، مما يعالج بفعالية تحولات التوزيع ويحسن أداء التتبع عبر مختلف المعايير المرجعية.
تقدم الورقة البحثية SparseVoxelDet، وهو أول كاشف أجسام يعتمد الكثافة المتناثرة بالكامل لكاميرات الأحداث، والذي يعالج فقط مواضع الفوكسل (voxel) المشغولة عبر عمليات تلافيف ثلاثية الأبعاد متناثرة لتحقيق كفاءة عالية وقابلية للتوسع مع الحفاظ على دقة تنافسية على مقياس FRED دون إنشاء مصفوفات كثيفة على الإطلاق.
تقترح هذه الورقة إطار عمل رائد للتكيف مع إزالة المطر عبر السيناريوهات المختلفة، والذي يستفيد من البيانات غير المقترنة الخالية من المطر، والبديهيات الهيكلية للـ "سوبر بيكسل" (superpixel)، وتخليق المطر الزائف متعدد المراحل للتغلب على التباينات بين النطاقات وتحسين الأداء بشكل كبير في سيناريوهات خارج نطاق التوزيع دون الحاجة إلى ملاحظات مقترنة للنطاق المستهدف.
تقدم الورقة البحثية HumanOmni-Speaker، وهو إطار عمل مبتكر يتميز بمشفر دلتا بصري (Visual Delta Encoder) ومعيار VR-SDR الصارم للتغلب على الاختصارات البصرية وتحقيق تحديد هوية المتحدث وتحديد موقعه بدقة عالية، وبشكل شامل من البداية إلى النهاية في المحادثات متعددة الأشخاص من خلال التقاط ديناميكيات الحركة دقيقة التفاصيل دون انفجار في عدد الرموز (tokens).
تقدم هذه الورقة MetaCompress، وهي طريقة تعتمد على التعلم وتتسم بكونها غير مرتبطة بنمط محدد (prompt-agnostic)، حيث تصيغ تقليص الرموز (token reduction) كخريطة ضغط قابلة للتعلم للتغلب على قيود الأساليب الحالية القائمة على القواعد (heuristic) والمرتبطة بالنمط، مما يحقق كفاءة ودقة فائقين في مهام الإجابة على الأسئلة البصرية متعددة الأدوار لنماذج اللغة والرؤية الكبيرة.
تُثبت هذه الورقة البحثية أنه في خوارزميات "المتعدد الأذرع" (multi-armed bandits) المدركة للتنوع والمخصصة لاختيار النماذج التوليدية، تتفوق استراتيجية جشعة بسيطة على النهج التقليدي القائم على "الحد الأعلى للثقة" (UCB)، لأن هدف التنوع بحد ذاته يحفز الاستكشاف الكافي جوهرياً، مما يجعل مكافآت الثقة الصريحة غير ضرورية وغالباً ما تكون ضارة.
تُثبت هذه الورقة أن دمج آلية "التحديد ثم العد" الصريحة يحسن بشكل كبير من دقة العد في نماذج الرؤية واللغة الكبيرة في وضع الصفر (zero-shot) وقدرتها على التعميم خارج نطاق التوزيع، وذلك من خلال الاستفادة من المعلومات المكانية لتعلم مهارات قوية بدلاً من الإفراط في التخصيص، رغم كشفها عن بعض التحيزات المكانية في موثوقية إحداثيات التحديد المُولدة.
تقدم هذه الورقة البحثية "التمويه الخصمي"، وهو أسلوب فعال وقابل لإعادة الإنتاج يولد أنماطاً محسنة منخفضة الأبعاد لإخفاء ملامح الوجه مادياً، مما يؤدي بفعالية إلى إضعاف أداء نماذج التعرف على الوجوه الحديثة عبر مختلف البنيات وفي سيناريوهات العالم الحقيقي لحماية خصوصية المستخدم.