12799 ورقة بحثية
تقدم هذه الورقة البحثية نموذج الانتشار المنفصل التكعيبي (CubiD)، وهو أول نموذج توليد منفصل قادر على العمل على تمثيلات بصرية عالية الأبعاد من خلال توظيف عملية حجب دقيقة عبر جميع الأبعاد، مما يحقق أداءً هو الأفضل في فئته مع تمكين بنى متعددة الوسائط موحدة تدعم مهام الفهم والتوليد معاً.
تثبت هذه الورقة أنه مع اقتراب عدد السوالب الحقيقية من اللانهاية، يتقارب معامل ارتباط ماثيوز (MCC) مع درجة فولكس-مالوز (المتوسط الهندسي للدقة والاستدعاء)، وهي نتيجة تم التحقق منها رسميًا باستخدام لغة "Lean" وسياقها ضمن تحديات التصنيف الثنائي وكشف الأشياء.
تقدم هذه الورقة البحثية "ثقة دايس الناعمة" (Soft Dice Confidence - SDC)، وهو مُقدِّر لثقة مستوى الصورة يتميز بالاقتراب من المثالية والكفاءة الحسابية للتنبؤ الانتقائي في التجزئة الدلالية، والذي يتفوق على الطرق الحالية عبر ست مهام في التصوير الطبي من خلال الاستفطادة من معامل "دايس" كمعيار للتقييم.
تقترح هذه الورقة البحثية SOAP-Net، وهي بنية مبتكرة قابلة للتشغيل والتركيب (plug-and-play) للتعرف على الأفعال في ظروف التعلم ببيانات قليلة، والتي تعزز الأداء من خلال دمج علاقات الميزات المكانية-الزمانية والتقاط معلومات الحركة الشاملة عبر مجموعات إطارات متنوعة، محققةً بذلك نتائج هي الأفضل في فئتها عبر معايير قياس متعددة.
تقترح هذه الورقة البحثية ReDDiT، وهو إطار عمل فعال قائم على الانتشار لتحسين الصور منخفضة الإضاءة، يستخدم وحدة تنقية المسار المدركة للانعكاس للحد من أخطاء الملاءمة وفجوات الاستدلال، محققاً أداءً هو الأفضل في فئته مع تقليل خطوات أخذ العينات بشكل كبير.
تقترح الورقة البحثية Manta، وهو إطار عمل يعزز Mamba للتعرف على الأفعال في عينات قليلة من التسلسلات الفرعية الطويلة عبر دمج بنية Matryoshka Mamba لنمذجة الميزات المحلية والزمنية الهرمية مع نموذج تعلم تبايني هجين للتخفيف من التباين داخل الفئة الواحدة، محققاً أداءً هو الأفضل في فئته عبر عدة معايير قياسية.
تقدم هذه الورقة نموذج الانحدار الذاتي الترددي (FAR)، الذي يستفيد من الرموز المستمرة واتجاه انحدار طيفي حيث تبنى المكونات ذات التردد الأعلى على المكونات ذات التردد الأدنى للتغلب على فجوة النمط في توليد الصور، مما يظهر فعالية فائقة في مهام ImageNet وتحويل النص إلى صورة.
تقدم هذه الورقة إطار عمل لضبط السمات مقيد بالهوية لتبديل الوجوه القائم على الانتشار، والذي يحل الصراع بين الحفاظ على الهوية والسمات من خلال حقن الشروط المنفصل وصقل ما بعد التدريب، محققاً أداءً هو الأفضل حالياً في كل من تشابه الهوية واتساق السمات.
تقدم هذه الورقة PolyCL، وهو إطار عمل جديد للتعلم التبايني ذاتي الإشراف معزز بدمج نموذج "أي شيء يتم قطعه" (SAM) للمعالجة اللاحقة والانتشار الحجمي، والذي يحقق أداءً فائقاً في تقسيم الصور الطبية المعتمد على كفاءة البيانات في مجموعات بيانات التصوير المقطعي المحوسب (CT) مقارنة بالنماذج المرجعية الحالية القائمة على الإشراف الكامل أو الإشراف الذاتي.
تقدم هذه الورقة تحليلاً كمياً على مستوى الدوائر لنماذج الانتشار، يكشف عن اختلافات خوارزمية جوهرية في معالجة البيانات الاصطناعية مقابل البيانات الطبيعية، ويحدد ثماني آليات انتباه متخصصة ذات أدوار حوسبية متميزة، ويقدم دليلاً سببيًا على وظائفها من خلال تجارب تدخل منهجية.