12944 ورقة بحثية
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.
تقدم هذه الورقة إطار عمل للضبط المتسق دورياً يستفيد من تكييف "LoRA" خفيف الوزن لنماذج الانتشار سابقة التدريب لتحقيق تفكيك طبقي للصور يتسم بالمتانة وعالي الدقة، وتحديداً لفصل الشعار عن الكائن في الحالات الصعبة، وذلك من خلال فرض اتساق إعادة البناء ثنائي الاتجاه وتحسين الأداء بشكل تكراري عبر عملية تحسين ذاتي تدريجية.
تقترح هذه الورقة إطار عمل تكراريًا ذا حلقة مغلقة يقوم تلقائيًا بتوليد بيانات حركة عالية الجودة ومتنوعة، ويزيد من صعوبة المهمة تدريجيًا، مما يمكن سياسات التحكم في الروبوتات البشرية من التفوق بشكل كبير على النماذج المرجعية باستخدام بيانات تدريب أقل بكثير.
تقدم الورقة البحثية PackUV، وهو تمثيل وطريقة ملاءمة جديدة لـ Gaussian رباعي الأبعاد (4D Gaussian) تقوم بخرائط سمات الفيديو الحجمي إلى أطلس UV مهيكل من أجل تخزين وبث فعالين ومتوافقين مع برامج الترميز، مع إظهار اتساق زمني ودقة عرض متفوقة على مجموعة بيانات PackUV-2B واسعة النطاق والمقترحة حديثاً.
تقدم هذه الورقة البحثية WildActor، وهو إطار عمل لتوليد فيديوهات بشرية غير مقيدة مع الحفاظ على الهوية، يستفيد من مجموعة بيانات Actor-18M واسعة النطاق وآليات انتباه مبتكرة للتغلب على القيود الحالية في الحفاظ على ثبات هويات الجسم الكامل عبر اللقطات الديناميكية، وزوايا الرؤية، والحركات المختلفة.
تقترح الورقة البحثية إطار عمل DeAR، وهو إطار تكيف دقيق لنماذج الرؤية واللغة يقوم بتفكيك رؤوس الانتباه إلى أدوار وظيفية (السمات، والتعميم، والمختلطة) باستخدام مقييز "إنتروبيا المفهوم" لعزل تعلم المهام المحددة عن قدرات التعميم بشكل انتقائي، مما يحقق أداءً فائقاً عبر مهام متنوعة مع الحفاظ على متانة القدرة على التعلم الصفري.