12944 ورقة بحثية
يُعد VSDiffusion إطار عمل انتشار ثنائي المراحل مقيد بالرؤية، يعالج الطبيعة غير محددة الحل لتوليد الظلال من خلال دمج أولويات الرؤية عبر فرع انتباه متقاطع محكوم بالظل وخريطة أولية ناعمة متعلمة لإنتاج ظلال مسقطة واقعية ومتسقة هندسياً.
يُعد AffordGrasp إطار عمل قائمًا على الانتشار يعمل على توليد قبضات بشرية مستقرة فيزيائيًا ودقيقة دلاليًا من خلال دمج تمثيلات كامنة مدركة للإمكانيات مع عملية تكييف مزدوجة لسد الفجوة النمطية بين هندسة الأجسام ثلاثية الأبعاد وتعليمات التفاعل النصية.
تقدم هذه الورقة "See & Switch"، وهو إطار عمل تفاعلي قائم على الرؤية للبرمجة عن طريق التوضيح، يستخدم صور "العين في اليد" لتمكين التفرع الشرطي الموثوق به وكشف الشذوذ عبر الإنترنت في مهام الروبوتات الماهرة، محققاً دقة عالية عبر ظروف متنوعة ومستخدمين مبتدئين.
يُعد ImageEdit-R1 إطار عمل جديداً متعدد الوكلاء يستخدم التعلم التعزيزي لتنسيق وكلاء متخصصين في الرؤية واللغة والنماذج التوليدية، مما يتيح تحريراً ديناميكياً للصور يعتمد على السياق ويتفوق على النماذج أحادية البنية والنماذج المرجعية الحالية في التعامل مع تعليمات المستخدم المعقدة ومتعددة الخطوات.
تقترح هذه الورقة إطار تقييم مبتكر للنماذج التوليدية يستبدل المقاييس التقليدية القائمة على الميزات المستمرة بمقاييس خالية من التدريب ولا تعتمد على مرجع وتعمل في فضاء الرموز البصرية المنفصلة، مما يظهر ارتباطاً فائقاً مع الأحكام البشرية عبر معيار قياس جديد واسع النطاق يسمى VisForm.
تقترح هذه الورقة مسار عمل لا يتطلب تدريباً باستخدام نماذج لغوية كبيرة متعددة الوسائط لتوليد صور عيوب اصطناعية متنوعة وعالية الدقة لعوازل خطوط الطاقة، مما يحسن بشكل كبير أداء التصنيف وكفاءة البيانات في ظل ظروف ندرة البيانات من خلال تعزيز مجموعات البيانات الواقعية المحدودة.
تقترح الورقة البحثية TALON، وهو إطار عمل للتعلم التكيفي في وقت الاختبار لاكتشاف الفئات آنياً يتغلب على قيود الطرق القائمة على التجزئة (hash) الثابتة من خلال التحديث الديناميكي للنماذج الأولية الدلالية ومشفر الميزات لدمج المعرفة الجديدة باستمرار، مع استخدام معايرة لوجيت (logit) مدركة للهامش لمنع انفجار الفئات وتحسين دقة الفئات الجديدة بشكل كبير.
تقدم هذه الورقة البحثية DSH-Bench، وهو معيار شامل يتميز بتصنيف هرمي للمواضيع، وتصنيف دقيق للصعوبة والسيناريوهات، ومقياس مبتكر لدرجة اتساق هوية الموضوع (SICS) لتقييم وتشخيص نماذج توليد الصور من النصوص الموجهة بالمواضيع بشكل منهجي.
يقدم UniGround إطار عمل جديدًا، لا يعتمد على التدريب، للتوطين البصري ثلاثي الأبعاد الشامل، والذي يستفيد من التصفية العالمية للمرشحين والاستدلال المحلي الدقيق لتحقيق أداء رائد في مستوى الصفر (zero-shot) لتحديد مواقع أي كائنات داخل بيئات ثلاثية الأبعاد معقدة دون الاعتماد على نماذج مدربة مسبقًا أو إشراف ثلاثي الأبعاد.
يُعد FLED-GS إطار عمل سريع لتوليد مناظر من زوايا رؤية جديدة في المشاهد ثلاثية الأبعاد المظلمة، حيث يعالج تدهورات الإضاءة المنخفضة المركبة والضجيج وضبابية الحركة من خلال إعادة صياغة عملية الاستعادة كدورة متبادلة من إزالة الضبابية ثنائية الأبعاد وإعادة بناء "Gaussian Splatting" ثلاثية الأبعاد المدركة للضجيج، محققاً أداءً فائقاً مع سرعات تدريب ورندرة أسرع بكثير مقارنة بالأسالث المتقدمة.