12840 ورقة بحثية
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.
تقدم هذه الورقة البحثية LADMIM، وهو إطار عمل غير خاضع للإشراف للكشف عن الشذوذ، يستفيد من نمذجة الصور المقنعة في فضاء كامن منفصل لتحديد الشذوذ المنطقي بفعالية من خلال تعلم التبعيات طويلة المدى والتركيز على الأنماط الهيكلية العالمية بدلاً من الاختلافات المحلية للبكسل.
يُعد ExCellGen إطار عمل سريعًا وقائمًا على النماذج المثالية، يقوم بتوليد مشاهد ثلاثية الأبعاد واقعية للغاية وقابلة للتحكم من مدخل عارض واحد عبر الجمع بين إعادة بناء التشتت الغاوسي ثلاثي الأبعاد و"أوتوماتون خلوي توليدي" خاص بكل مشهد، مما يتيح الابتكار التفاعلي في ثوانٍ معدودة مع حد أدنى من وقت التدريب.
تقدم هذه الورقة UniDD، وهو إطار عمل للترشيح الطيفي يوحد طرق تقطير مجموعات البيانات المتنوعة من خلال تحليل تأثيراتها على المكونات الترددية، ويقترح مطابقة التردد المنهجي (CFM) لموازنة المعلومات ذات التردد المنخفض والعالي ديناميكيًا، مما يحقق أداءً فائقًا عبر مختلف مجموعات البيانات.
تقدم هذه الورقة HyDA، وهو إطار عمل لشبكة فائقة (hypernetwork) جديد يتيح التكيف مع النطاق في وقت الاختبار في التصوير الطبي من خلال الاستفادة من تمثيلات النطاق الضمنية لضبط معاملات النموذج ديناميكيًا عند الاستدلال، مما يتغلب على قيود الطرق التقليدية التي تتطلب الوصول إلى بيانات النطاق المستهدف أثناء التدريب.
تقترح هذه الورقة البحثية مسار عمل مؤتمت لتوسيم البيانات من الأشعة تحت الحمراء إلى الألوان (RGB) لتوليد بيانات تدريب للكشف عن المشاة في ظروف الإضاءة المنخفضة، مما يثبت أن النماذج المدربة على هذه الملصقات المولدة تتفوق على تلك المدربة على الملصقات الحقيقية في معظم حالات التقييم باستخدام مجموعة بيانات KAIST.
تقدم هذه الورقة البحثية EEG-VJEPA، وهو إطار عمل جديد للتعلم الخاضع للإشراف الذاتي يعمل على تكييف بنية التضمين المشترك للفيديو التنبؤية (V-JEPA) لنمذجة إشارات تخطيط كهربائية الدماغ (EEG) كمتتاليات شبيهة بالفيديو، مما يحقق دقة تصنيف هي الأفضل في فئتها وتمثيلات مكانية زمانية قابلة للتفسير على مجموعة بيانات TUH Abnormal EEG.
تُعدّ Are/is (الاسم) - وهي إطار عمل "ناقد-ممثل" (actor-critic) يعتمد على التجزئة - وسيلةً تعزز التعميم البصري في التعلم المعزز من خلال معالجة رموز الكائنات ذات الأطوال المتغيرة والمستندة إلى النصوص مع ترميز مكاني، محققةً تحسينات كبيرة في الأداء مقارنةً بأحدث الأساليب عبر مختلف الاضطرابات البصرية دون الحاجة إلى إعادة بناء الصور أو خسائر مساعدة.
يقدم MoVieDrive إطار عمل موحد للمحول الانتشار (diffusion transformer) يستفيد من مكونات مشتركة وخاصة لتوليد فيديوهات قيادة حضرية متعددة الأنماط (مثل RGB، والعمق، والدلالات) ومتعددة المشاهد في آن واحد وبشكل قابل للتحكم وعالي الجودة، مما يعالج أوجه القصور في النهج الحالية أحادية النمط أو متعددة النماذج في تركيب مشاهد القيادة الذاتية.
تُظهر هذه الدراسة أن التعلم الاتحادي، من خلال استخدام مسارات الخسارة لكل عميل للكشف عن الشذوذ، يضاهي أو يتفوق على التعلم المركزي والمحلي في تقسيم الأسنان عبر سيناريوهات مختلفة لفساد البيانات مع الحفاظ بفعالية على خصوصية المريض.