12799 ورقة بحثية
تقدم هذه الورقة GenVideoLens، وهو معيار مرجعي دقيق يتكون من 500 فيديو مشروح عبر 15 بُعداً من أبعاد الأصالة، ليكشف أن نماذج الرؤية واللغة الكبيرة (LVLMs) تؤدي بشكل جيد في الإشارات الإدراكية، لكنها تعاني بشكل كبير في الاستنتاج البصري والفيزيائي والزمني في كشف الفيديو المُنشأ بواسطة الذكاء الاصطناعي.
تقدم الورقة البحثية إطار عمل GEAR، وهو مسار معالجة ثلاثي المراحل يجمع بين المعرفة الجغرافية والتعلم العميق لتحديد النظائر الطبوغرافية لخندق ماريانا في هضبة تشينغهاي-التبت بكفاءة، محققاً دقة هي الأفضل في هذا المجال وكاشفاً عن ارتباطات جوهرية مع البيانات البيولوجية لدعم أبحاث أعماق البحار المستقبلية.
يُعد SwiftGS نظاماً متعلماً فوقياً يتيح إعادة بناء الأسطح ثلاثية الأبعاد بسرعة وبشكل صفري من صور الأقمار الصناعية متعددة التواريخ عبر التنبؤ بتمثيلات هجينة لـ "غاوس" ودالة المسافة الموقعة (SDF) من خلال التدريب الحقبي، مما يلغي الحاجة إلى عملية تحسين مكلفة لكل مشهد مع الحفاظ على دقة عالية واتساق في الرؤية.
تقدم هذه الورقة البحثية SVOO، وهو إطار عمل لا يتطلب تدريباً لتسريع توليد الفيديو في نماذج "ديفيوجن ترانسفورمرز" (Diffusion Transformers)، والذي يتغلب على القيود الحالية من خلال الاستفادة من التنميط الطبقي غير المتصل عبر الإنترنت والتجميع المشترك ثنائي الاتجاه عبر الإنترنت لتحقيق توازن فائق بين الجودة وسرعة التنفيذ.
يقدم PhysVideo إطار عمل ثنائي المراحل يستفيد من مجموعة بيانات متعددة المشاهد تم إنشاؤها حديثًا (PhysMV) وتوجيه هندسي عبر المشاهد لتوليد فيديوهات معقولة فيزيائيًا ومتماسكة مكانيًا، وذلك عن طريق تخليق مقدمات صور متعامدة مدركة للفيزياء أولاً ثم دمجها مع سياقات الخلفية.
تقدم هذه الورقة "Click-to-Ask"، وهو مساعد بث مباشر مدعوم بالذكاء الاصطناعي يجمع بين المعالجة متعددة الوسائط غير المتصلة بالإنترنت لإنشاء نصوص ترويجية متوافقة، وبين وحدة تفاعلية عبر الإنترنت تمكن مقدمي البث من معالجة استفسارات المشاهدين في الوقت الفعلي بكفاءة، مما يعزز التفاعل والكفاءة التشغيلية في التجارة الإلكترونية.
تقترح هذه الورقة البحثية "Switch"، وهو إطار عمل جديد للتعلم شبه المُشرف لتقسيم صور الموجات فوق الصوتية الطبية، يدمج استراتيجية "التبديل متعدد المقاييس" (Multiscale Switch) لضمان تغطية مكانية موحدة، واستراتيجية "التبديل في نطاق التردد" (Frequency Domain Switch) مع التعلم التبايني من أجل تمثيل ميزات قوي، محققاً أداءً هو الأفضل في فئته عبر ست مجموعات بيانات متنوعة مع كفاءة عالية في عدد المعلمات حتى في ظل الندرة الشديدة للبيانات.
تقدم الورقة البحثية طريقة SCNP، وهي طريقة فعالة ومتعددة الاستخدامات تعزز دقة الطوبولوجيا في تقسيم الصور من خلال معاقبة لوجيتات البكسل (pixel logits) بناءً على جيرانها سيئي التصنيف، مما يظهر أداءً محسناً عبر مجموعات بيانات وأطر عمل متنوعة دون التكاليف الحسابية أو القيود المورفولوجية للمنهجيات السابقة.
يقدم EdgeCrafter إطار عمل موحداً ومدمجاً لنموذج المحولات الرؤيوية (Vision Transformer) يستفيد من التقطير المتخصص للمهام والتصميم المدرك للحواف لتمكين التنبؤ الكثيف عالي الأداء (بما في ذلك الكشف، والتقطيع، وتقدير الوضعية) على الأجهزة ذات الموارد المحدودة، مما يغلق بفعالية فجوة الدقة والكفاءة بين نماذج المحولات الرؤيوية والمعماريات التقليدية القائمة على الشبكات العصبية الالتفافية (CNN).
تقترح الورقة البحثية 6Bit-Diffusion، وهو إطار عمل للكمية مختلطة الدقة أثناء الاستدلال يقوم بتخصيص عرض النطاق الترددي لـ NVFP4 وINT8 ديناميكيًا بناءً على استقرار الطبقة ويستخدم ذاكرة تخزين مؤقت للفروق الزمنية (Temporal Delta Cache) لتخطي الحسابات المتكررة، مما يحقق تقليلاً كبيراً في الذاكرة وتسريعاً لنماذج محولات انتشار الفيديو (Video Diffusion Transformers) دون المساس بجودة التوليد.