12799 ورقة بحثية
تقدم هذه الورقة مسحاً شاملاً لتتبع الأجسام البصرية متعدد الوسائط (MMVOT) يغطي بشكل منهجي وسائط البيانات، وتحديات الجمع، وتصنيف الأساليب بناءً على تكامل فرع RGB والفرع المساعد X، ومعايير التقييم، مع تحليل نقدي لانحيازات مجموعات البيانات والتشكيك في التفوق المتأصل لدمج الوسائط المتعددة على النهج أحادي الوسائط.
تقدم هذه الورقة البحثية CrossHOI-Bench، وهو معيار موحد متعدد الخيارات مصمم للتغلب على قيود طرق تقييم التفاعل بين الإنسان والأشياء (HOI) الحالية، كاشفاً أنه بينما تحقق نماذج الرؤية واللغة الكبيرة أداءً تنافسياً في التعلم الصفري، إلا أنها تفتقر إلى قدرات الاستدلال متعدد الأفعال والتعيين الدقيق للعلاقة بين الشخص والفعل التي تتميز بها طرق الـ HOI المتخصصة.
يُعد CardioComposer إطار عمل قابلاً للبرمجة عند وقت الاستدلال، يستفيد من الهندسة القابلة للتفاضل والبدائيات الإهليلجية لتمكين التحكم التركيبي المنفصل في الحجم والشكل والموقع للهياكل التشريحية القلبية الوعائية ثلاثية الأبعاد مع الحفاظ على واقعية التوليد.
تتقصى هذه الورقة مدى جدوى حل مشكلة التفتيت الضوئي (ptychography) المعقدة غير المعتمدة على الموقع — حيث يجب استعادة كل من الصورة ومواقع المسح غير المعروفة في آن واحد — من خلال إثبات أن الاستدلال التبايني المقترن بنماذج الانتشار القائمة على الدرجة (score-based diffusion models) يمكن أن يحقق عمليات إعادة بناء صور ثنائية الأبعاد موثوقة حتى في ظل وجود الضجيج، شريطة استخدام هياكل إضاءة مناسبة ونماذج مسبقة قوية.
تقدم هذه الورقة VLOD-TTA، وهي طريقة للتكيف في وقت الاختبار ذات عبء حسابي منخفض لكواشف الكائنات القائمة على الرؤية واللغة، تستفيد من تداخل المقترحات الكثيف والمطالبات المشروطة بالصورة للتخفيف بفعالية من تدهور الأداء تحت تأثير تغير التوزيع، متفوقة بذلك على النماذج المرجعية الحالية عبر مجالات متنوعة.
تجادل هذه الورقة بأن نماذج التعلم العميق تتقارب نحو تمثيلات جمالية متشابهة عبر بيانات تدريب متنوعة، مما يشير إلى أن الجمال يمتلك أساساً واقعياً قائماً على كل من المادة الفيزيائية والثقافية، وهو ما يتيح إمكانية التعاون الإبداعي الهادف بين الإنسان والآلة حيث تقدم الآلات رؤى إبداعية مبتكرة بدلاً من مجرد محاكاة المخرجات البشرية.
تقدم هذه الورقة VideoVerse، وهو معيار شامل مصمم لتقييم قدرات نموذج العالم لنماذج توليد الفيديو من النص عبر تقييم فهمها للسببية الزمنية على مستوى الأحداث والمعرفة بالعالم من خلال مسار تقييم منهجي قائم على الأسئلة والأجوبة ومتوافق مع البشر.
تقترح هذه الورقة إطار عمل LTGS، وهو إطار عمل مبتكر يستفيد من نماذج غاوس القابلة لإعادة الاستخدام والتحسين بلقطات قليلة لنمذجة التسلسل الزمني للمشاهد ثلاثية الأبعاد طويلة المدى بكفاءة والتعامل مع التغيرات البيئية المتكررة الناتجة عن عمليات الالتقاط العفوية المتفرقة وغير المنظمة.
تقدم هذه الورقة فقدان الاتساق التوزيعي (DC loss)، وهو هدف جديد لسلامة البيانات يستبدل المطابقة النقطية التقليدية بمعايرة على مستوى التوزيع لمنع الإفراط في التخصيص للضجيج وتحسين جودة إعادة البناء في المسائل العكسية غير الخاضعة للإشراف دون الحاجة إلى التوقف المبكر أو بيانات الحقيقة الأرضية.
تقدم هذه الورقة MARIS، وهو أول معيار واسع النطاق ودقيق لتجزئة الكائنات مفتوحة المفردات تحت الماء، وتقترح إطار عمل موحداً يتميز بوحدة تعزيز الأولوية الهندسية وآلية حقن المحاذاة الدلالية للتغلب على التدهور البصري وعدم المحاذاة الدلالية في البيئات البحرية.