12906 ورقة بحثية
تقدم الورقة البحثية نموذج InternVL-U، وهو نموذج متعدد الوسائط موحد خفيف الوزن بـ 4 مليارات معلمة، يعمل على إضفاء الطابع الديمقراطي على قدرات الفهم والاستدلال والتوليد والتحرير المتقدمة من خلال توظيف بنية معيارية ومسار لتخليق البيانات يرتكز على الاستدلال، محققاً توازناً فائقاً بين الأداء والكفاءة يتفوق بشكل ملحوظ على النماذج المرجعية الأكبر حجماً مثل BAGEL.
تقدم الورقة البحثية إطار عمل DISPLAY، وهو إطار لتوليد فيديوهات تفاعل بين الإنسان والأشياء قابلة للتحكم ومتسقة فيزيائياً من خلال استخدام توجيه حركة متفرق (إحداثيات المعصم وصناديق الإحاطة للأشياء)، وآلية انتباه تركز على الأشياء، واستراتيجية تدريب مساعدة متعددة المهام للتغلب على القيود في المرونة والتعميم وندرة البيانات.
يُعد WikiCLIP إطار عمل تباينيًا فعالًا للتعرف على الكيانات المرئية في النطاق المفتوح، حيث يستفيد من تضمينات النماذج اللغوية الكبيرة المعززة بمكيف معرفي موجه بصريًا وتوليف السلبيات الصعبة ليتفوق بشكل كبير على النماذج التوليدية الأساسية مع تقليل زمن انتقال الاستدلال بنحو 100 ضعف.
تقترح هذه الورقة إطار عمل لتفسير استرجاع الحركة من النصوص يمثل حركة الإنسان ثلاثية الأبعاد كصور زيفية لزوايا المفاصل يتم معالجتها بواسطة محولات الرؤية (Vision Transformers) وتتم محاذاتها مع النصوص عبر آلية تفاعل متأخرة على مستوى الرمز (token-wise late interaction)، مما يتغلب على قيود طرق التضمين العالمي من خلال التقاط الارتباطات دقيقة التفاصيل وتحسين دقة الاسترجاع.
تقدم الورقة البحثية ACADiff، وهو إطار عمل انتشار كامن تكيفي مدرك سريريًا يقوم بتخليق بيانات تصوير الدماغ متعددة الأنماط المفقودة (sMRI وFDG-PET وAV45-PET) من خلال دمج الملاحظات التصويرية مع البيانات الوصفية السريرية المشفرة بواسطة GPT-4o، محققًا جودة توليد فائقة وأداءً تشخيصيًا قويًا حتى عند فقدان ما يصل إلى 80% من الأنماط.
تقترح الورقة البحثية إطار عمل k-MTR، وهو إطار عمل مبتكر يتجاوز خطوة إعادة بناء الصور التقليدية من خلال التعلم المباشر لسمات التشخيص القلبي متعدد المهام من بيانات k-space ناقصة العينات عبر متشعب دلالي مشترك، مما يؤدي إلى القضاء على عيوب إعادة البناء وتحقيق أداء تنافسي عبر مهام الانحدار والتصنيف والتجزئة.
يُعد ReCoSplat نموذجًا للتطبيع الغاوسي (Gaussian Splatting) يعمل بنظام التغذية الأمامية ذات التوليد الذاتي، وهو يتغلب على معضلة عدم تطابق الوضعية بين التدريب والاستدلال من خلال وحدة "الرندرة والمقارنة" (Render-and-Compare) المبتكرة، ويحقق حالة متطورة في تخليق المشاهد الجديدة عبر الإنترنت مع معالجة فعالة للتسلسلات الطويلة عبر ضغط ذاكرة التخزين المؤقت (KV cache) الهجين.
يقدم DivCon إطار عمل "فرق تسد" الذي يفصل عملية توليد النص إلى صورة إلى خطوات مبسطة من الاستدلال العددي/المكاني وتوليد الكائنات التدريجي، مما يمكّن النماذج خفيفة الوزن من تحقيق دقة تخطيط وجودة إدراكية فائقة للمطالبات المعقدة متعددة الكائنات دون الاعتماد على نماذج لغوية كبيرة مغلقة المصدر.
تحدد هذه الورقة "مرحلة فساد" في نماذج الانتشار المضبوطة بدقة عبر التعلم القليل، والناتجة عن تضييق توزيع التعلم، وتقترح نهجاً للشبكة العصبية البايزية باستخدام الاستدلال التبايني لتوسيع هذا التوزيع، مما يقلل من الفساد ويحسن دقة الصور وجودتها وتنوعها دون تكاليف إضافية عند الاستدلال.
تقترح هذه الورقة نموذج الانتشار المتكرر (RDM)، وهو نموذج انتشار يعتمد على التدفقات الطبيعية (Normalizing Flows) لتهيئة عملية التوليد بناءً على الإطارات المشوشة السابقة، مما يتيح توليد حركة بشرية طويلة المدى بكفاءة مع تقليل التكاليف الحسابية مع الحفاظ على توافق عالٍ مع النصوص الوصفية.