12840 ورقة بحثية
تقدم هذه الورقة البحثية f-CBM، وهو إطار عمل لنماذج عنق الزجاجة المفاهيمية متعدد الوسائط يتسم بالأمانة، والذي يعمل على تحسين كشف المفاهيم والحد من التسرب بشكل مشترك من خلال فقد تسرب قابل للتفاضل ورأس تنبؤ يعتمد على شبكة كولموغوروف-أرنولد، محققاً توازناً محسناً بين التفسيرية ودقة التنبؤ عبر مجموعات البيانات المكونة من صور ونصوص أو نصوص فقط.
تقترح هذه الورقة إطار عمل جدولة جديداً وخفيف الوزن للإدراك التدفيقي متعدد الوسائط في التعاون بين الإنسان والروبوت، والذي يستفيد من سياق المشهد ومخرجات الإطارات السابقة لتخصيص الموارد الحسابية ديناميكياً، مما يقلل زمن الاستجابة بشكل كبير مع تحسين استدعاء التنشيط ودقة الإطارات الرئيسية مقارنة بمسارات المعالجة المتوازية التقليدية.
تقدم هذه الورقة مجموعة بيانات ActionGenome4D ومهمة إنشاء مخطط المشهد العالمي (WSGG) لتمكين فهم المشهد المتمحور حول العالم والمستمر زمنياً من مقاطع الفيديو أحادية العدسة، مقترحةً ثلاث طرق مبتكرة وواضعةً خطوط أساس للاستدلال بشأن الأشياء المرئية والمحجوبة على حد سواء.
تقدم هذه الورقة STEVO-Bench، وهو معيار تقييمي يختبر ما إذا كانت نماذج العالم المرئية (video world models) قادرة على الحفاظ على تطور الحالة بشكل مستقل عن الملاحظة، وذلك عبر اختبار أدائها تحت ظروف محكومة من حيث الحجب، والإضاءة، وحركات الكاميرا، مما يكشف في النهاية عن قيود كبيرة في الفصل بين هذه العمليات.
تقدم هذه الورقة البحثية Visual-ERM، وهو نموذج مكافأة توليدي متعدد الوسائط يقيم مهام تحويل الرؤية إلى كود من خلال التقييم المباشر للتفاوتات البصرية الدقيقة في الفضاء المُصوّر، متجاوزاً بذلك قيود إشارات المكافأة الحالية لتحسين أداء التعلم التعزيزي وتوسيع نطاق الأداء عند الاختبار بشكل كبير عبر مهام إعادة بناء المخططات والجداول والرسوم المتجهة (SVG).
تجادل هذه الورقة بأن تقييم النماذج الفيزيائية الزمكانية بناءً على قدرتها على تقدير المعلمات الفيزيائية الحاكمة، بدلاً من التنبؤ بالإطار التالي، يكشف أن طرق التعلم في الفضاء الكامن مثل نماذج (JEPAs) غالباً ما تتفوق على كل من نماذج التنبؤ على مستوى البكسل والنهج ذاتية الإشراف العامة في تعلم تمثيلات ذات صلة فيزيائياً.
تقدم هذه الورقة نهجاً جديداً للتعلم العميق يستخدم السلاسل الزمنية للأقمار الصناعية Sentinel-1 وSentinel-2، المدربة على بيانات ليدار (LiDAR) من نظام GEDI، لإنشاء أول خرائط زمنية لارتفاع الغطاء الشجري بدقة 10 أمتار لأوروبا للفترة 2019-2022، مما يتيح مراقبة الغابات وتقدير الكتلة الحيوية على نطاق واسع وبدقة عالية.
تقترح الورقة البحثية InvAD، وهي طريقة جديدة للكشف عن الشذوذ تعتمد على العكس، والتي تحقق أداءً هو الأفضل في فئتها وتسريعاً في الاستدلال بمقدار ضعفين من خلال تجاوز إعادة البناء الصريح وإزالة الضجيج المكلفة حوسبياً، وبدلاً من ذلك استنتاج المتغيرات الكامنة عبر خطوات عكس DDIM قليلة لقياس الانحرافات عن توزيع مسبق معروف.
تقترح هذه الورقة VM_TUNet، وهو إطار عمل هجين مبتكر يدمج معادلة كاهن-هيليارد المعدلة من الدرجة الرابعة مع بنية UNet مخصصة للجمع بين القدرة على التفسير والحفاظ على الحواف التي تتميز بها النماذج التباينية وبين تعلم الميزات التكيفي للتعلم العميق، محققاً أداءً فائقاً في تقسيم الصور مع تحديد دقيق للحدود.
يُعد TextFlux إطار عمل يعتمد على نماذج المحولات الانتشارية (DiT) وخالٍ من تقنيات التعرف الضوئي على الحروف (OCR)، ويحقق توليدًا عالي الدقة وقابلاً للتحكم للنصوص المشهدية متعددة اللغات مع قدرة توسع قوية في بيئات الموارد المنخفضة، بينما يتطلب 1% فقط من بيانات التدريب المستخدمة من قبل الطرق المنافسة.