12877 ورقة بحثية
تقدم هذه الورقة البحثية LIDA، وهو إطار عمل غير مرتبط بنموذج محدد يعيد صياغة عملية إسناد الصور المولدة بواسطة الذكاء الاصطناعي كمسألة استرجاع مثيل باستخدام بصمات منخفضة البت وتدريب مسبق غير خاضع للإشراف لتحقيق أداء رائد في إعدادات الصفر والتدريب القليل دون الحاجة إلى الوصول إلى النماذج التوليدية الأصلية.
تقدم الورقة البحثية Marigold-SSD، وهو إطار عمل لإكمال العمق يعتمد على دمج متأخر وخطوة واحدة، يستفيد من مسبقات الانتشار القوية لتحقيق إدراك ثلاثي الأبعاد فعال وقوي وصفرِي التدريب مع سرعة استنتاج أكبر بكثير وتكاليف تدريب دنيا مقارنة بالطرق القائمة على الانتشار.
تقدم الورقة البحثية MUNIChus، وهو أول معيار متعدد اللغات لوصف صور الأخبار يضم تسع لغات بما في ذلك اللغات ذات الموارد المنخفضة، لمعاللة ندرة مجموعات البيانات غير الإنجليزية وتقييم أداء النماذج الحديثة في هذه المهمة الصعبة.
تقترح الورقة البحثية إطار عمل SLiM، وهو إطار عمل جديد خالٍ من فك التشفير (decoder-free) يوحد بين النمذجة المقنعة والتعلم التبايني من خلال مشفر مشترك وقناع أنبوب دلالي (semantic tube masking) لتحقيق أداء رائد في التعرف على الأفعال القائم على الهيكل العظمي مع تقليل التكاليف الحسابية بشكل كبير.
تقدم هذه الورقة البحثية ROVA، وهو إطار تدريب يعزز متانة نماذج الاستدلال المرئي ضد الاضطرابات الواقعية مثل الطقس والانسداد من خلال التدريب التكيفي المدرك للصعوبة ومكافأة الاتساق المدركة للمتانة، والذي تم التحقق من صحته بواسطة معيار PVRBench الجديد الذي يظهر تحسينات كبيرة في الأداء مقارنة بالنماذج الحالية.
تقترح الورقة البحثية A²-Edit، وهو إطار عمل موحد لتحرير الصور يستفيد من مجموعة بيانات جديدة واسعة النطاق (UniEdit-500K)، ووحدة "خليط من المحولات" (Mixture of Transformer) للنمذجة الديناميكية للفئات، واستراتيجية تدريب "تخمير القناع" (Mask Annealing) لتحقيق تحرير دقيق وموجه بمرجع لأي كائنات عشوائية باستخدام أقنعة خشنة فقط.
تقدم هذه الورقة البحثية BorderNet، وهي شبكة عصبية تلافيفية مستوحاة بيولوجياً تستفيد من النماذج الرياضية لإكمال الحدود في القشرة البصرية لتحسين متانة التصنيف بشكل كبير ضد حالات حجب الخطوط والشبكات عبر مجموعات بيانات MNIST وFashion-MNIST وEMNIST.
تقترح هذه الورقة RandMark، وهي طريقة للعلامات المائية العشوائية تقوم بدمج العلامات المائية الرقمية في التمثيلات الداخلية للنماذج التأسيسية البصرية باستخدام شبكة مشفر-وفك تشفير صغيرة لتمكين التحقق القوي من الملكية مع انخفاض معدلات الكشف الخاطئ والخطأ في الكشف.
تقدم الورقة البحثية WalkGPT، وهو نموذج لغوي بصري يعتمد على البكسل، يوحّد بين الاستدلال اللغوي والتقسيم لتوفير توجيه للملاحة للمشاة مدرك للعمق، إلى جانب معيار PAVE لتقييم فهم المشاهد المراعي لإمكانية الوصول.
تقدم هذه الورقة البحثية إطار العمل "الآن في حينه" (Just-in-Time - JiT)، وهو إطار عمل لا يتطلب تدريباً يعمل على تسريع نماذج محولات الانتشار (Diffusion Transformers) من خلال استغلال التكرار المكاني لحساب التحديثات على مجموعة فرعية متفرقة من رموز الارتكاز (anchor tokens)، محققاً تسريعاً يصل إلى 7 أضعاف مع جودة صورة شبه كاملة على نموذج FLUX.1-dev.