12840 ورقة بحثية
تقترح الورقة البحثية TopoCL، وهو إطار عمل مبتكر يعزز تعلم تمثيل الصور الطبية من خلال دمج الخصائص الطوبولوجية عبر تعزيزات طوبولوجية واعية، ومشفر طوبولوجي هرمي، ووحدة خليط خبراء تكيفية، محققاً تحسينات مستمرة في الأداء عبر طرق متعددة للتعلم التبايني ومجموعات بيانات طبية متنوعة.
تقترح هذه الورقة إطار عمل للانتشار التكراري الذاتي البصري الكسوري يعالج تحديات تقدير العمق أحادي العين من خلال إعادة صياغته كعملية ذاتية التكرار من الخشن إلى الناعم عبر مقياس تالي باستخدام وحدة VCFR للاشتراط عبر الوسائط، والانتشار التنازلي المشروط لنمذجة الفضاء المستمر، وبنية كسورية تكرارية من أجل الكفاءة الحسابية.
تقدم AdapterTune بنية محول منخفضة الرتبة ذات تهيئة صفرية لنماذج المحولات الرؤيوية المجمدة، مما يضمن استقرار التحسين من خلال البدء من الدالة سابقة التدريب مع توفير إطار عمل مبدئي لسعة المحول، محققةً أداء نقل فائق عبر مجموعات بيانات متعددة بعدد أقل بكثير من المعلمات القابلة للتدريب مقارً بالضبط الدقيق الكامل.
تقدم هذه الورقة MVX-Bench، وهو معيار شامل متعدد الفيديوهات يغطي 11 مهمة من مهام الرؤية الحاسوبية، وتقترح SAMA، وهو إطار عمل وكيل معزز بالمهارات يستفيد من الأدوات البصرية والتحقق الواعي بالصراع للتفوق بشكل كبير على النماذج الحالية في الاستنتاج المعقد متعدد الفيديوهات.
تقدم الورقة البحثية نظام EECVS، وهو نظام حجمي لكاميرا الأحداث التكيفية يقضي على عيوب التجميع الزمني من خلال نمذجة الأحداث كنبضات مستمرة زمنياً واختيار استراتيجيات ضغط قائمة على التحويل مثالية ديناميكياً، محققاً بذلك دقة إعادة بناء فائقة، وأداءً في الوقت الفعلي، وقدرة استثنائية على التعميم عبر مجموعات البيانات لمهام الروبوتات اللاحقة.
تقترح الورقة البحثية نموذج TrajMamba، وهو نموذج Mamba موجه بحركة المركبة الذاتية، يتنبأ بفعالية بمسارات المشاة من منظور مركبة ذاتي عبر نمذجة الحركة النسبية المعقدة بين المركبة والمشاة بشكل صريح، محققاً أداءً هو الأفضل في فئته على مجموعتي بيانات PIE وJAAD.
تقدم هذه الورقة البحثية "توليد الحركة الريمانية" (RMG)، وهو إطار عمل موحد ينمذج الحركة البشرية على متشعب حاصل (product manifold) باستخدام مطابقة التدفق الريماني لتحقيق أداء رائد عبر الاستفادة من الخصائص الهندسية الجوهرية لتمثيل خالٍ من القياس وديناميكيات مستقرة.
تقدم هذه الورقة البحثية LOOM-CFM، وهي طريقة مبتكرة تمدد النقل الأمثل للدفعة المصغرة عبر دورات التدريب لتحسين اقتران البيانات والضجيج في مطابقة التدفق الشرطي، مما يؤدي إلى تسريع الاستدلال وتحسين التوازن بين السرعة والجودة للنماذج التوليدية.
تقارن هذه الدراسة بين نماذج مختلفة من تعلم الآلة لأتمتة رسم خرائط الاستقطاب في مادة نيوبات البوتاسيوم والصوديوم الفيروكهربائية باستخدام بيانات المجهر الإلكتروني الماسح عبر تباين التداخل رباعي الأبعاد (4D-STEM)، مما يوضح أنه بينما تواجه التدريبات الاصطناعية فجوة نطاق بين المحاكاة والتجربة، فإن أنظمة تدريب محددة وطرقاً تعتمد على تحليل المكونات الرئيسية (PCA) يمكنها جسر هذه الفجوة، مع الكشف أيضاً عن أن أخطاء النماذج ترتبط بالعيوب البلورية.
تقدم هذه الورقة مسحاً ومعياراً موحداً للكشف عن الظلال وإزالتها وتوليدها في الصور والفيديو القائمة على التعلم العميق، حيث تقدم تصنيفات معيارية، ونماذج مُعاد تدريبها للمقارنة العادلة، ورؤى حول الأوليات المشتركة واتجاهات البحث المستقبلية.