12944 ورقة بحثية
تُدقق هذه الورقة في "متنبئ لايون للجماليات" (LAION-Aesthetics Predictor) لتكشف كيف تعزز نظرته الخوارزمية الانحيازات الغربية والذكورية والإمبريالية من خلال تصفية المحتوى بشكل غير متناسب وإعطاء الأولوية لجماليات ثقافية محددة، داعيةً في نهاية المطاف إلى التحول نحو أساليب تقييم تعددية في تطوير الذكاء الاصطناعي.
تقدم الورقة البحثية S2DiT، وهو نموذج "Streaming Sandwich Diffusion Transformer" مبتكر يستفيد من آليات الانتباه الفعالة، وبنية "الساندوتش" المدركة للميزانية، وإطار عمل تقطير "2 في 1" لتحقيق توليد فيديو عالي الدقة وفي الوقت الفعلي على الأجهزة المحمولة بأداء يضاهي النماذج المخصصة للخوادم.
تقترح هذه الورقة البحثية QSTar، وهي طريقة تفاعل مكاني-زماني-ترددي جديدة موجهة بالاستعلام ومعززة بكتلة استدلال سياق الاستعلام، والتي تعمل على تحسين أداء الإجابة على الأسئلة السمعية البصرية بشكل كبير من خلال الدمج العميق بين الأدلة الموجهة بالاستعلام وخصائص التردد الصوتي مع الإدراك البصري، متفوقة بذلك على الأساليب متعددة الوسائط الحالية في العديد من المعايركات.
يعد MeanCache إطار عمل لا يتطلب تدريباً يعمل على تسريع استنتاج مطابقة التدفق (Flow Matching) عبر استبدال تخزين السرعة اللحظية بنهج متوسط السرعة باستخدام حاصل ضرب جاكوبي-متجه مخزن واستراتيجية جدولة استقرار المسار، محققاً تسريعاً كبيراً (يصل إلى 4.56 ضعفاً) مع الحفاظ على جودة توليد عالية عبر نماذج مثل FLUX.1 وHunyuanVideo.
يُعد PhysDrape حلاً هجيناً يجمع بين الشبكات العصبية والفيزيائية، حيث يدمج شبكة عصبية رسومية مستوحاة من الفيزياء مع نظام تفاضلي لإسقاط القوة والتصادم على مرحلتين، وذلك لتحقيق ثني ملابس واقعي فيزيائياً مع تداخل ضئيل جداً ودقة فائقة مقارنة بالأساليب الحالية القائمة على التعلم العميق.
تقدم الورقة البحثية 3DMedAgent، وهو وكيل موحد يستفيد من نموذج لغوي بصري كبير (MLLM) مرن وذاكرة هيكلية طويلة الأمد لتنسيق أدوات متباينة لتفكيك تحليل التصوير المقطعي المحوسب ثلاثي الأبعاد المعقد إلى مهام فرعية قابلة للتنفيذ تعتمد على البعد الثنائي، مما يتيح فهماً طبياً عاماً ثلاثي الأبعاد دون الحاجة إلى ضبط دقيق خاص بالنماذج ثلاثية الأبعاد.
تُظهر هذه الورقة أن الشبكات العصبية التي تتعلم مؤثرات متكافئة في فضاء كامن يمكنها التعميم بفعالية على التحويلات المتناظرة خارج نطاق التوزيع على مجموعات بيانات بسيطة مثل MNIST المدوّرة، بينما تسلط الضົນ أيضاً على التحديات الكبيرة المنطوية في توسيع نطاق هذا النهج ليشمل بيانات أكثر تعقيداً.
تقدم هذه الورقة البحثية "التعميم النطاقي مفتوح المفردات في التجزئة الدلالية" (OVDG-SS)، وهو إطار عمل ومعيار جديد للقيادة الذاتية يعالج كلاً من النطاقات والفئات غير المرئية، وتقترح آلية S2-Corr، وهي آلية مدفوعة بحالة الفضاء لتنقية الارتباطات بين النص والصورة في نماذج الرؤية واللغة لتحقيق أداء قوي عبر البيئات الحضرية المتنوعة.
يقترح إطار العمل InfScene-VF إطاراً قائماً على الانتشار لرفع دقة الصور لأحجام تعسفية، مما يقضي على عيوب الحدود ويسمح باستنتاج متوازٍ وفعال من حيث الذاكرة للصور ذات الدقة الجيجابكسلية عبر تقديم دمج مصحح التباين وتصحيح التباين المنفصل مكانياً لتحقيق إلغاء ضجيج مشترك مستمر مكانياً.
تقترح هذه الورقة مخططاً للتلاعب بالبيانات عبر الإنترنت يقوم بتفكيك صور التدريب إلى مكونات مستقلة لكل من الكائن والمشهد والكاميرا، ثم يعيد تركيبها مع وضعيات مضطربة لتوليد بيانات تدريب متنوعة، مما يؤدي إلى تحسين كفاءة البيانات وأداء نماذج اكتشاف الأجسام ثلاثية الأبعاد أحادية العدسة في كل من بيئات الإشراف الكامل والجزئي.