12840 ورقة بحثية
تقترح هذه الورقة إطار عمل للاستنتاج الاستنباطي القائم على الاتساق، والذي يدمج التنبؤات من نماذج متعددة سابقة التدريب في وقت الاختبار للتخفيف من تدهور الأداء في البيئات الجديدة، محققاً تحسينات ملحوظة في الدقة ومقياس F1 مقارنة بالنماذج الفردية والمجموعات القياسية من خلال اختيار مجموعة فرعية من التنبؤات التي تعظم التغطية مع تقليل التناقضات المنطقية إلى أدنى حد.
تقترح هذه الورقة صياغات قابلة للتفاضل لخطأ المعايرة المتوسط لـ L1 الهامشي (mL1-ACE) كخسارة مساعدة لتحسين موثوقية تقسيم الصور الطبية القائم على التعلم العميق، حيث أظهرت من خلال تجارب على أربع مجموعات بيانات أن المتغيرات ذات الصناديق الصلبة (hard-binned) تقلل بفعالية من أخطاء المعايرة مع الحفاظ على دقة التقسيم، في حين توفر المتغيرات ذات الصناديق الناعمة (soft-binned) معايرة فائقة على حساب الأداء.
تقدم هذه الورقة البحثية إطار العمل "فك التشفير المتوازي المدرك للمحلية" (Locality-aware Parallel Decoding - LPD)، وهو إطار عمل مبتكر يجمع بين النمذجة ذاتية الانحدار المتوازية المرنة وترتيب التوليد المدرك للمحلية لتسريع توليد الصور ذات الانحدار الذاتي بشكل كبير عن طريق تقليل خطوات الاستدلال وزمن الاستجابة مع الحفاظ على نتائج عالية الجودة.
تقدم هذه الورقة نموذج "Content-Aware Mamba" (CAM)، وهو نموذج حالة فضاء مبتكر يعمل على تكييف معالجة الرموز ديناميكيًا وضخ أولويات عالمية للتغلب على جمود مسحات "Mamba" القياسية، مما يتيح إطار عمل لضغط الصور متعلمًا (CMIC) يحقق أداءً رائدًا في معدل التشويه يتجاوز VTM-21.0 بهوامش كبيرة.
تقترح الورقة البحثية إطار عمل DSER، وهو إطار عمل مدرك للهندسة يستفيد من التنظيم الطيفي في نطاق الـ epipolar بالتزامن مع خط معالجة استدلال هجين وانتشار مدرك للاحتجاب لتحقيق تقدير دقيق وفعال ومتسق هيكلياً لعمق الحقل الضوئي الكثيف.
تُظهر هذه الدراسة أن بنيات التعلم العميق، وتحديداً شبكات U-Net وشبكات الانتباه الطيفي للقنوات (Spectral Channel Attention Networks)، تتفوق بشكل كبير على طرق التعلم الآلي التقليدية في دقة تقسيم السحب وظلال السحب لصور أقمار MethaneSAT وMethaneAIR عالية الدقة، مما يؤدي بالتالي إلى تحسين موثوقية استرداد تركيزات الميثان في الغلاف الجوي.
تقترح هذه الورقة إطار عمل لتقطيع تدفق الأحداث التكيفي للكشف عن الأشياء ذات المفردات المفتوحة، والذي يسد الفجوة النمطية بين كاميرات الأحداث ونماذج الرؤية واللغة من خلال استخدام تقطير معرفة نموذج CLIP القائم على الصور لتوجيه شبكة طالب هجينة من نوع SNN-CNN، والتي تقوم بتقطيع تدفقات الأحداث تكيفياً للحفاظ على الميزات الزمنية الحاسمة مع وراثة فهم دلالي واسع.
تقدم هذه الورقة استراتيجية تعلم ذاتي الإشراف مبتكرة تجمع بين تعريف جديد للتكافؤ (equivariance) وخسائر التقسيم (splitting losses) لتمكين إعادة بناء غير منحازة وذات أداء فائق من ملاحظات واحدة غير مكتملة في المسائل العكسية حيث لا تتوفر بيانات الحقيقة الأرضية.
تقدم الورقة البحثية MVCustom، وهو إطار عمل جديد قائم على الانتشار يوحد بين التحكم في وضعية الكاميرا متعددة الزوايا والتخصيص القائم على الأوامر النصية من خلال الاستفادة من تمثيل حقل الميزات أثناء التدريب، وتوظيف التصيير المدرك للعمق مع الإكمال المتسق للكمون أثناء الاستدلال لضمان كل من الاتساق الهندسي ودقة الموضوع.
يُعد UltraGen إطار عمل مبتكر يتيح توليد صور فائقة الدقة بكفاءة وقابلية للتوسع من خلال الجمع بين الانتباه المحلي الهرمي والتوجيه العالمي منخفض الدقة، محققاً دقة تتجاوز 8K مع تسريع يزيد عن 10 أضعاف وتقليل كبير في استهلاك الذاكرة مقارنة بالنماذج الرائدة.