12799 ورقة بحثية
تقترح هذه الورقة كاميرا استقطاب عديمة العدسة، مدمجة وذات لقطة واحدة، تستخدم مشتتاً وقناع استقطاب مخططاً بالاقتران مع خوارزمية إعادة بناء متخصصة لاستعادة أربع صور استقطاب خطي، مما يوفر بديلاً خفيف الوزن ومنخفض التكلفة للأنظمة التقليدية القائمة على تعدد الإرسال.
تقدم هذه الورقة البحثية نموذج GazeOnce360، وهو نموذج مبتكر يعمل من البداية إلى النهاية لتقدير اتجاهات نظرة العين ثلاثية الأبعاد لعدة أشخاص من كاميرا عين السمكة واحدة موجهة للأعلى، مدعوماً بمجموعة بيانات MPSGaze360 الاصطناعية الجديدة وببنية ثنائية الدقة تدمج السياق العالمي مع ميزات العين المحلية للتعامل مع تشوه عين السمكة الشديد.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة متعددة الوسائط ذات الأغراض العامة، عندما يتم تعزيزها بمطالبات بروز الخبراء البشريين ونشرها في ظل قيود خصوصية صارمة، يمكنها اكتشاف هجمات عرض قزحية العين بفعالية، متفوقةً بذلك على نماذج الشبكات العصبية التلافيفية المتخصصة والممتحنين البشريين دون الحاجة إلى نقل البيانات البيومترية الحساسة إلى السحب العامة.
تقدم هذه الورقة معياراً هيكلياً لتقييم نماذج التضمين البصري مفتوحة المصدر، والخاصة متعددة الوسائط، والمتخصصة في مجالات محددة، وذلك لاسترجاع المنتجات على مستوى الحالة في السياق الصناعي، باستخدام مجموعة متنوعة من البيانات المنسقة لتقييم الأداء تحت قيود واقعية دون معالجة لاحقة.
تقترح هذه الورقة إطار عمل "التدفق الغاوسي الفعال" (EGS)، وهو إطار تعلّم تعزيزي قابل للتركيب يعمل على تحسين اختيار المرتكزات والميزانية لتدفق الغاوس رباعي الأبعاد ديناميكيًا، محققًا توازنات فائقة بين الجودة والكفاءة مقارنة بطرق أخذ العينات الثابتة مثل "أخذ عينات النقطة الأبعد".
تقدم هذه الورقة تحليلاً آلياً لتقسيم النماذج اللغوية الكبيرة متعددة الوسائط (MLLM) من خلال الكشف عن أنه بينما تؤدي المهايئات (adapters) في البداية إلى تدهور التمثيلات المكانية، فإن طبقات النماذج اللغوية الكبيرة اللاحقة تعمل تدريجياً على استعادة دقة التقسيم من خلال الصقل بوساطة الانتباه والتفاعلات الثنائية للرموز (tokens).
تقترح هذه الورقة إطار عمل مكوناً من مرحلتين يجمع بين انتباه المجموعات المشتركة (GSA) لضمان الاتساق الجوهري للشخصيات، وتحسين التفضيل المباشر (DPO) لمواءمة الأسلوب، محققةً أداءً هو الأفضل في حالته في مجال تصور القصص من خلال تحسين هوية الشخصيات وتماسك الأسلوب بشكل كبير في معيار ViStoryBench.
تعد Symphony نظاماً متعدد الوكلاء مستوحىً معرفياً يعمل على تعزيز فهم الفيديوهات الطويلة من خلال تفكيك المهام إلى مهام فرعية دقيقة، وتوظيف التعاون القائم على التفكير العميق والتأمل، واستخدام التأسيس القائم على نماذج الرؤية واللغة الكبيرة (VLM) لتحقيق أداء رائد في المعايير المرجعية الرئيسية.
تقترح الورقة البحثية ، وهو إطار عمل استدلالي تكراري يعالج مقتطفات الفيديو المحلية بشكل متكرر مع الحفاظ على سلسلة أفكار متطورة لتقدير تقدم مهام التجسيد طويلة المدى بكفاءة ودقة، محققاً أداءً هو الأفضل في فئته دون التكلفة الحسابية لمعالجة مسارات الفيديو الكاملة.
يُعد MedSAD-CLIP تكييفاً خاضعاً للإشراف لنموذج CLIP من أجل كشف الشذوذ والتقطيع في المجال الطبي، حيث يستخدم آلية الانتباه المتقاطع بين الرموز والرقع (Token-Patch Cross-Attention)، والمهايئات خفيفة الوزن، وفقدان التباين القائم على الهامش (margin-based contrastive loss) لتحقيق أداء فائق في التحديد والتصنيف عبر مجموعات بيانات طبية متنوعة مع الحفاظ على قدرات التعميم الخاصة بالنموذج.