12898 ورقة بحثية
تقترح الورقة البحثية TriFusion-SR، وهو إطار عمل انتشار شرطي موجه بالمويجات يقوم بشكل مشترك بدمج الصور الطبية ثلاثية الأنماط وتراكب الدقة العالية من خلال تفكيك الميزات إلى نطاقات ترددية واستخدام ميزات مويجة مصححة مع دمج مكاني-ترددي تكيفي لتحقيق أداء رائد في الدقة والجودة الإدراكية.
تقترح الورقة البحثية FrameDiT، وهي بنية مبتكرة لتوليد الفيديو تقدم "انتباه المصفوفة" (Matrix Attention) لنمذجة الديناميكيات المكانية والزمانية العالمية بكفاءة من خلال معالجة الإطارات كمصفوفات، مما يحقق جودة فيديو وتماسكاً زمنياً يمثلان أحدث ما توصل إليه العلم مع الحفاظ على كفاءة حوسبية تضاهي الانتباه المحلي المُجزأ.
تقدم هذه الورقة البحثية ENIGMA-360، وهي مجموعة بيانات (ego-exo) مُطلقة للعموم ومتزامنة زمنياً تحتوي على 360 فيديو إجرائياً مشروحاً من سيناريوهات صناعية حقيقية لتعزيز فهم السلوك البشري ووضع خطوط أساس لمهام مثل تقسيم الإجراءات وكشف التفاعل.
تُعد LogoDiffuser طريقةً لا تعتمد على التدريب، حيث تستفيد من نماذج الانتشار المحولة متعددة الوسائط والتحكم في الانتباه المدرك للحروف لتوليد تصميمات شعارات عالية الجودة ومتعددة اللغات عبر إدخال الحروف المستهدفة كصور للحفاظ على السلامة الهيكلية مع تطبيق أساليب إبداعية.
تتحدى هذه الورقة الافتراض القائل بأن تحييد المحفزات المعروفة يقضي على الأبواب الخلفية من خلال إثبات أن "المحفزات البديلة" المتميزة إدراكياً يمكنها تفعيل اتجاهات الأبواب الخلفية الكامنة في فضاء السمات بشكل موثوق، وبالتالي تدعو إلى دفاعات تستهدف أنماط التمثيل الأساسية هذه بدلاً من محفزات مدخلات محددة.
تقدم هذه الورقة مهمة جديدة للتعلم السمعي البصري دقيقة التفاصيل تسمى فهم مصدر الصوت المدرك للمنطقة (RA-SSU)، مدعومة بمجموعتي بيانات جديدتين (f-Music و f-Lifescene) ونموذج متطور يسمى SSUFormer، والذي يستخدم وحدات متخصصة لتحقيق تجزئة دقيقة لمصدر الصوت وأوصاف نصية مفصلة على مستوى الإطار.
يُعد ConfCtrl إطار عمل للتدخل البيني للفيديو يعتمد على الوعي بالثقة، والذي يتيح تحكماً دقيقاً في الكاميرا في نماذج انتشار الفيديو لتوليد مناظر جديدة عبر الجمع بين إسقاطات السحب النقطية الموزونة بالثقة وآلية تنبؤ وتحديث مستوحاة من مرشح كالمان لتحقيق التوازن بين توجيه الوضعية والاتساق الهندسي مع إعادة بناء المناطق غير المرئية.
تقدم هذه الورقة البحثية VLM-Loc، وهو إطار عمل يستفيد من النماذج اللغوية البصرية الكبيرة لتحقيق تحديد دقيق للمواقع من النص إلى السحابة النقطية عن طريق تحويل الخرائط ثلاثية الأبعاد إلى صور من منظور عين الطائر ورسوم بيانية للمشهد لتعزيز الاستدلال المكاني، إلى جانب إصدار معيار CityLoc للتقييم المنهجي.
تقدم هذه الورقة MA-EgoQA، وهو معيار وقاعدة بيانات مبتكرة تضم 1,700 سؤالاً عبر خمس فئات مصممة لتقييم قدرة نماذج الذكاء الاصطناعي على الفهم والاستدلال عبر فيديوهات متعددة طويلة الأمد من منظور الشخص الأول (egocentric) لوكلاء مجسدين، إلى جانب نموذج أساسي مقترح يسمى EgoMAS يسلط الضوء على القيود الحالية في فهم الأنظمة متعددة الوكلاء.
تقدم هذه الورقة MissBench، وهو معيار وإطار عمل للحوسبة العاطفية متعددة الوسائط يعالج الفجوة في تقييم النماذج تحت ظروف فقدان الوسائط الواقعية وغير المتوازنة من خلال توحيد البروتوكولات واقتراح مقاييس تشخيصية جديدة (MEI وMLI) للكشف عن عدم المساواة الخفية في الوسائط واختلال توازن التحسين.