12799 ورقة بحثية
تقدم الورقة البحثية InfoShot، وهو أسلوب لأخذ عينات من الإطارات يعتمد على الوعي باللقطات وغير مرتبط بمهمة محددة، يقوم باختيار إطارات رئيسية متكاملة بناءً على هدف نظري معلوماتي للحفاظ على سياق الفيديو العام والأحداث الحرجة قصيرة الأمد من أجل فهم فعال للفيديوهات الطويلة، إلى جانب معيار مرجعي اصطناعي جديد، SynFlash، لتقييم مثل هذه الشذوذات.
تقترح هذه الورقة نموذجاً مرجعياً قائماً على الانتشار لتوليد حركات لغة الإشارة ثلاثية الأبعاد يتفوق على الأساليب الرائدة من خلال التحليل المنهجي لكيفية تأثير مشفرات النصوص واستراتيجيات تكييف السمات الفونولوجية، ولا سيما ترجمة التوصيفات الرمزية إلى لغة طبيعية، على جودة التوليد.
تقترح هذه الورقة إطار عمل ثنائي المراحل يستفيد من دلالات الإيماءات كتحيز استقرائي من خلال التدريب المسبق المدرك للإيماءات ودمج الرموز لتحسين دقة تقدير وضعية اليد ثلاثية الأبعاد من الصور أحادية اللون (RGB) بشكل كبير.
تقترح الورقة البحثية إطار عمل AR-CoPO، وهو إطار عمل مبتكر يعمل على تكييف تحسين السياسة التباينية مع توليد الفيديو التوليفي المتدفق من خلال إدخال التفرع على مستوى القطعة والتدريب شبه المعتمد على السياسة للتغلب على قيود أساليب التعلم المعزز من التغذية الراجعة البشرية الحالية، مما يحقق محاذاة وتعميماً فائقين دون حدوث اختراق للمكافأة.
تقترح هذه الورقة إطار عمل المطابقة عبر المقاييس المتكيف مع النطاق (DACSM)، والذي يستفيد من آلية "الضجيج المفيد" المبتكرة ضمن الانتباه المتقاطع لفصل المحتوى عن الأسلوب ومحاذاة الميزات عبر المقاييس، محققاً أداءً هو الأفضل في فئته في مهام التكيف مع النطاق غير الخاضعة للإشراف.
تقدم هذه الورقة البحثية UniSAFE، وهو أول معيار شامل مصمم لتقييم مخاطر السلامة على مستوى النظام عبر 7 تركيبات من الأنماط في النماذج متعددة الوسائط الموحدة، مما يكشف عن ثغرات أمنية حرجة في مهام الصور المتعددة وتوليد الصور بين 15 نموذجاً من أحدث النماذج المتطورة.
يُعد AdaTS إطار عمل موحداً وخفيف الوزن يعتمد على نموذج (المعلم-الطالب)، وهو يعالج تحديات اكتشاف الشذوذ البصري متعدد الفئات والمستمر من خلال استخدام عمود فقري مشترك ومجمد مع محولات ديناميكية مختارة بالنماذج الأولية، محققاً أداءً رائدًا مع تقليل عبء الذاكرة بشكل كبير من أجل النشر الفعال على الحافة.
تكشف هذه الورقة أنه في حين أن عملية الضبط الدقيق للنماذج اللغوية الكبيرة متعددة الوسائط عبر الفيديو (Video-SFT) تعزز باستمرار الفهم الزمني، إلا أنها غالباً ما تضعف القدرات المكانية على الصور الثابتة، وهي مقايضة يمكن التخفيف من حدتها جزئياً من خلال استراتيجية الإطارات الهجينة المدركة للتعليمات.
تُعد FrescoDiffusion طريقةً لا تتطلب تدريباً تُمكّن من توليد فيديو من صورة بدقة 4K بشكل متماسك من مدخلات معقدة، وذلك عبر دمج تنبؤات إزالة الضجيج لكل بلاطة (per-tile) مع مسبق سابق لـ "اللا-تجسيد" (latent prior) منخفض الدقة تم حسابه مسبقاً من خلال هدف المربعات الصغرى الموزونة ذي الصيغة المغلقة، مما يحافظ على كل من التفاصيل المحلية الدقيقة والاتساق المكاني-الزماني العالمي.
تقترح هذه الورقة إطار عمل لإخفاء هوية الوجه مع الحفاظ على الملامح، والذي يوسع نموذج DeepPrivacy عبر دمج معالم كثيفة ونماذج معالجة لاحقة لإنتاج صور واقعية تخفي الهوية بفعالية مع الحفاظ على دقة عالية في تعبيرات الوجه والإضاءة ولون البشرة، مما يعالج فجوة حرجة في الأساليب الحالية للحفاظ على الخصوصية.