12807 ورقة بحثية
تقدم هذه الورقة البحثية QTrack، وهو إطار عمل للتتبع متعدد الوسائط مدفوع بالاستعلامات يصيغ تتبع الكائنات كمهمة استدلال مكاني زمني موجهة باللغة الطبيعية، مدعوماً بمعيار مرجعي جديد واسع النطاق (RMOT26) واستراتيجية تحسين مدركة للإدراك الزمني لتحقيق تحديد موقع وتتبع الأهداف بدقة وقوة بتوجيه لغوي.
تقترح هذه الدراسة إطار عمل مدفوعاً بالطبولوجيا باستخدام التماثل المستمر لاستخراج سمات "بيتي" (Betti) القابلة للتفسير من أحجام تصوير الرنين المغناطيسي ثلاثية الأبعاد بتسلسل FLAIR، محققةً دقة بنسبة 89.19% في تصنيف الأورام الدبقية عالية الدرجة ومنخفضة الدرجة على مجموعة بيانات BraTS 2020 من خلال مصنفات تعلم آلي كلاسيكية فعالة.
تقدم هذه الورقة إطار عمل لا يتطلب تدريباً يستفيد من "رؤوس ملاحة" (Navigation Heads) محددة داخل نماذج الرؤية واللغة والعمل (Vision-Language-Action) المجمدة للكشف عن هلوسات الاستدلال البصري في الوقت الفعلي، مما يتيح لسياسة تعزيز تعلم خفيفة الوزن تنفيذ التراجع عن المسار بأمان دون أي عبء حوسبي إضافي.
تقترح هذه الورقة البحثية إطار عمل HFGPI، وهو إطار دمج هرمي يستفيد من منظور بيولوجيا الأنظمة لدمج البيانات الجينومية والبروتيومية وصور علم الأمراض عبر وحدات متخصصة مثل "المُرمِّز الجزيئي" (Molecular Tokenizer)، و"دمج البروتين المنظم جينياً" (Gene-Regulated Protein Fusion)، و"التعلم فوق البياني الموجه بالبروتين" (Protein-Guided Hypergraph Learning)، وذلك بهدف التقاط التسلسل الهرمي البيولوجي المتأصل لتحسين دقة التنبؤ بالبقاء على قيد الحياة لمرضى السرطان بشكل كبير.
تعالج هذه الورقة نقص الاستدلال المكاني ثلاثي الأبعاد في النماذج اللغوية الكبيرة متعددة الوسائط الطبية من خلال تقديم مسار وكيل لتخليق بيانات الأسئلة والأجوبة البصرية المكانية، مما أدى إلى ظهور معيار SpatialMed الذي يكشف أن النماذج الحالية تعاني بشكل كبير من ضعف في الذكاء المكاني الطبي.
تقدم هذه الورقة ALTIS، وهو مسار عمل مؤتمت يستفيد من صور رادار الفتحة الاصطناعية (SAR) من قمر Sentinel-1 ومقاييس خاصة بالتأمين لتحويل بيانات الأقمار الصناعية الخام إلى قوائم فرز مرتبة على مستوى الممتلكات لتقدير أضرار الفيضانات، بهدف تقليل تكاليف الفحص اليدوي وتسريع معالجة المطالبات لقطاع التأمين بشكل كبير.
تقدم هذه الورقة مساراً للتجزئة يعتمد على التعلم النشط وشبه المؤتمت، يدمج نموذج U-Net مع استراتيجية اختيار مجموعة SMILE الجوهرية المبتكرة لتقليل جهد التوسيم اليدوي بشكل كبير مع تحسين دقة تحديد العيوب في تحليل البنية المجهرية للتصنيع الإضافي.
تقدم هذه الورقة OrigamiBench، وهو معيار تفاعلي صُمم لتقييم قدرة أنظمة الذكاء الاصطناعي على دمج الإدراك البصري والاستدلال السببي من أجل التخطيط الفيزيائي المتسلسل عبر طي الأوريغامي، مما يكشف أن النماذج اللغوية البصرية الحالية تعاني في وضع استراتيجيات متعددة الخطوات متماسكة رغم التوسع في حجمها.
تتناول هذه الورقة فشل هجمات الباب الخلفي التقليدية في ظل الضغط مع فقدان البيانات من خلال اقتراح استراتيجيتي تسميم جديدتين، وهما "تنشيط الهجوم الشامل" و"الهجوم المتكيف مع الضغط"، اللتان تستفيدان من آليات ترميز منطقة الاهتمام لضمان بقاء المحفزات الخبيثة فعالة بعد ضغط الصور إلى تدفقات بتات ثنائية.
تقترح هذه الورقة تحسينين باستراتيجية مزدوجة لنموذج YOLOv11n خفيف الوزن للكشف عن الأجسام في الاستشعار عن بعد، وذلك باستخدام انتباه النواة المنفصلة الكبيرة وهياكل Gold-YOLO في النهج الأول، وGold-YOLO مع MultiSEAMHead في النهج الثاني، وكلاهما يعزز بشكل كبير دقة الكشف متعدد المقاييس على مجموعة بيانات DOTAv1 مع الحفاظ على كفاءة النموذج.