12944 ورقة بحثية
يُعد Re-Depth Anything إطار عمل للتعلم الذاتي في وقت الاختبار يعمل على تعزيز تقدير العمق أحادي العين من خلال دمج النماذج التأسيسية مع نماذج الانتشار ثنائية الأبعاد واسعة النطاق لإجراء تحسين خالٍ من الملصقات عبر إعادة الإضاءة التوليدية وأخذ عينات تشتت الدرجة، محققاً بذلك نتائج رائدة دون تحسين مباشر لموتر العمق.
تقدم هذه الورقة البحثية VOIC، وهو إطار عمل ثنائي فك التشفير مبتكر لإكمال المشهد الدلالي ثلاثي الأبعاد أحادي العدسة، والذي يستخدم استراتيجية استخراج تسمية المنطقة المرئية لفصل إدراك المنطقة المرئية عن استنتاج المنطقة المحجوبة، مما يؤدي إلى تخفيف تخفيف الميزات وتحقيق أداء رائد في المعايير القياسية.
تقترح هذه الورقة البحثية "Efficient Vision Mamba"، وهو إطار عمل للتعلم العميق خفيف الحوسبة يجمع بين نماذج الحالة الفراغية الانتقائية متعددة الرؤوس والمسح الهجين لتحقيق أداء رائد في دقة تصوير الرنين المغناطيسي الفائقة مع تقليل المعلمات والحوسبة بشكل جذري مقارنة بالطرق الحالية.
يُعد FLARE إطار عمل مبتكر يُمكّن القيادة الذاتية من خلال الاستفادة من نماذج الرؤية واللغة سابقة التدريب عبر هدف تنبؤ ميزات مستقبلية ذاتي الإشراف وتحسين السياسة النسبي الجماعي، محققاً أداءً هو الأفضل في فئته على مقيść NAVSIM دون الحاجة إلى تعليقات لغوية كثيفة العمالة.
يقدم البحث إطار العمل ، وهو إطار عمل وكيل ذاتي التحسين يعزز تحليل الصور الطبية من خلال تفكيك سير العمل إلى مراحل التوجيه، والاسترجاع، والتأمل، والإصلاح لتنقيح كل من التقارير النصية وصناديق الإحاطة المكانية بشكل تكراري، محققاً مكاسب أداء كبيرة مقارنة بالنماذج الأساسية للنماذج اللغوية البصرية (VLM) ذات الممر الواحد دون الحاجة إلى الضبط الدقيق القائم على التدرج.
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.