12840 ورقة بحثية
تقدم هذه الورقة Diffusion Blend، وهو إطار عمل جديد عند الاستنتاج يُمكّن نماذج الانتشار من التوافق ديناميكيًا مع أي مزيج خطي يحدده المستخدم من دوال مكافأة متعددة وقيود تنظيمية، وذلك عن طريق مزج عمليات الانتشار العكسي من نماذج تم ضبطها بدقة، مما يلغي الحاجة إلى تكرار عملية الضبط الدقيق ويتفوق على النماذج المرجعية الحالية.
تقدم هذه الورقة البحثية "ReasonMap"، وهو معيار مرجعي جديد يتكون من خرائط نقل عالية الدقة وأزواج متنوعة من الأسئلة والأجوبة لتقييم قدرات الاستدلال البصري دقيقة التفاصيل للنماذج اللغوية الكبيرة متعددة الوسائط، كاشفةً أن النماذج الأساسية مفتوحة المصدر غالباً ما تفوق نظيراتها التي خضعت للضبط الدقيق للاستدلال، مع التأكيد على الحاجة الماسة للربط البصري المباشر بدلاً من الأولويات اللغوية.
تقدم الورقة البحثية 3DGEER، وهو إطار عمل رندرة مبتكر يحقق كلاً من الدقة الهندسية والكفاءة في الوقت الفعلي لتقنية 3D Gaussian Splatting تحت كاميرات عامة، وذلك عبر اشتقاق صيغة تكامل شعاعي مغلقة الشكل واستخدام "المنشور المحيط بالجزيئات" (Particle Bounding Frustum) و"الإسقاط متساوي الزوايا ثنائي القطب" (Bipolar Equiangular Projection) لتمكين رندرة دقيقة وسريعة عبر نماذج مجال رؤية عشوائية.
تقدم هذه الورقة البحثية تدفق الرقع الهرمي (PPFlow)، وهو نهج مبتكر لنماذج محولات الانتشار (Diffusion Transformers) يقوم بتعديل أحجام الرقع ديناميكيًا عبر الخطوات الزمنية — باستخدام رقع أكبر عند الضجيج العالي ورقع أصغر عند الضجيج المنخفض — لتسريع عملية الاستنتاج بشكل كبير مع الحفاظ على جودة توليد الصور دون الحاجة إلى حيل إعادة الضجيج.
يُعد NeuralOS إطار عمل عصبي يحاكي واجهات المستخدم الرسومية لأنظمة التشغيل عبر الجمع بين شبكة عصبية متكررة لتتبع الحالة ومُصوّر يعتمد على الانتشار لتوليد إطارات شاشة واقعية استجابةً لمدخلات المستخدم، مما يظهر القدرة على تعلم وتخليق التفاعلات لكل من التطبيقات الحالية وغير المرئية من بيانات التدريب.
تقدم الورقة البحثية MIMIC، وهو إطار عمل مبتكر يعزز شفافية نماذج اللغة الرؤية من خلال عكس ترميزاتها الداخلية إلى مفاهيم بصرية قابلة للتفسير عبر عملية عكس مشتركة ومنظمات متخصصة، مما يمثل أول نهج يعالج التفسير البصري لمفاهيم نماذج اللغة الرؤية.
تقترح هذه الورقة طريقة مبتكرة لخطأ إعادة البناء المدرك دلالياً (SARE) تكتشف الصور المولدة بواسطة الذكاء الاصطناعي من خلال قياس التحول الدلالي بين الصورة وإعادة بنائها الموجهة بالوصف، مما يحقق تعميماً فائقاً ضد النماذج التوليدية غير المرئية مقارنة بالأساليب القائمة على الآثار المتبقية.
تقدم هذه الورقة CoGuide، وهو إطار عمل جديد قائم على الانتشار يعالج المسائل العكسية ذات المعاملات الأمامية غير القابلة للتفاضل والمحددة جزئياً من خلال تعلم فضاء تضمين تبايني لتوفير توجيه احتمالي بديل مستقر لإعادة البناء المكاني القوي، مثل استنتاج مخططات الطوابق من مسارات البشر.
يقدم ReSplat نموذجًا تكراريًا لتقنية "Gaussian splatting" يعتمد على التغذية الأمامية، يقوم بتحسين غاوس ثلاثي الأبعاد بشكل متكرر باستخدام أخطاء الرندرة كإشارة تغذية راجعة، محققًا أداءً هو الأفضل في فئته مع عدد أقل بك heavy من الغاوس وسرعات رندرة أعلى عبر مجموعات بيانات ودقات وعدد مشاهد متنوعة.
تقدم هذه الورقة البحثية HARoPE، وهو امتداد لتمثيل الموضع الدوار (Rotary Positional Embedding) متكيف على مستوى الرأس، يستخدم تحويلات تعتمد على تحليل القيم المفردة (SVD) القابلة للتعلم لإعادة تخصيص الترددات ومحاذاة المستويات الدلالية ديناميكيًا، مما يعزز بشكل كبير النمذجة المكانية دقيقة التفاصيل وجودة التوليد في النماذج الصورية القائمة على المحولات (Transformer).