12063 ورقة بحثية
تقترح الورقة البحثية إطار عمل LG-GER، وهو إطار عمل موجه لغوياً يستفيد من نموذج لغوي كبير متعدد الوسائط لتوليد وتقطير أدلة عاطفية كثيفة ومترابطة مكانياً في عمود فقري واحد للرؤية واللغة، مما يتيح التعرف على العواطف الجماعية بكفاءة دون الحاجة إلى كاشف ويتفوق على الأساليب متعددة المسارات الحالية في مجموعات البيانات المرجعية.
يقدم هذا البحث إطار عمل SemReWrite، المصمم للتعامل مع التحولات المتطورة في المفاهيم الدلالية في النماذج البصرية التأسيسية من خلال التحديث الانتقائي لخرائط الربط بين المرئيات والدلالات التي أصبحت عتيقة مع الحفاظ على المعرفة الصالحة، وهو ما تم التحقق من صحته عبر معيار جديد (EvoShift-Bench) ومقاييس تقييم متخصصة.
تقدم هذه الورقة Wontopos Tablet 2، وهو محرك ذاكرة طويلة الأمد متعدد الوسائط وخالٍ من المعجم، يحقق أداءً عالياً في الاسترجاع عبر اللغات للنصوص والصور الخالية من التعليقات، بينما يثبت بشكل حاسم أن مقاييس التقييم القياسية غير مستقرة للغاية وأن نماذج الاسترجاع الكثيف الحالية تفشل في التعميم عبر اللغات.
تقترح هذه الورقة إطار عمل ROI-Gated SAHI، وهو إطار استدلال تكيفي للمحتوى يستخدم مقترحاً خفيف الوزن لتقييد عملية الصقل القائمة على التقطيع في مناطق المقدمة، مما يظهر تسريعاً كبيراً في المشاهد المتفرقة مع تسليط الضوء على ضرورة سياسات التوجيه التكيفية للحفاظ على الأداء القوي والكفاءة عبر مختلف كثافات الصور.
يعمل GlanceWAM على حل مقايضة زمن الاستجابة والنجاح في تعلم الروبوتات من خلال فصل التخيل البصري غير المتزامن والخلفي عن التحكم في الوقت الفعلي ضمن نموذج DiT فيديو واحد، محققاً أداءً هو الأفضل في فئته على معايير RoboCasa وLIBERO مع التنفيذ بسرعة تزيد بمقدار 24 مرة عن النماذج المرجعية المتزامنة.
يقدم RefineRank وحدة تدريبية خفيفة الوزن تعمل على تنقيح إحداثيات المربعات المحيطة وترتيب المرشحين بشكل مشترك عبر دمج الميزات من نماذج الرؤية واللغة الطبية والنماذج الكشفية مفتوحة النطاق المجمدة، مما يحقق أداءً رائدًا في التوطين المكاني والزماني الجراحي دون إعادة تدريب النماذج الأساسية.
تقترح الورقة البحثية إطار عمل "التمهيد والتغذية الراجعة" (BooF)، الذي يجمع بشكل تآزري بين النماذج اللغوية الكبيرة متعددة الوسائط ونماذج الخبراء البصرية من خلال مرحلة تمهيد موجهة بالمعجم ومرحلة دمج تغذية راجعة قائمة على الانتباه، وذلك لتحسين دقة التشخيص وقابلية التفسير لتحليل الموجات فوق الصوتية للثدي بشكل كبير مع الحد من الهلوسة.
تقدم هذه الورقة معياراً للتقييم في مجال التأسيس البصري التفاعلي في النماذج اللغوية البصرية الكبيرة (LVLMs)، كاشفةً أن النماذج الحالية تقصر بشكل كبير عن المعايير البشرية، وتواجه صعوبة في السعي الاستباقي وراء المعلومات عند عدم توفر وصف أولي، وتظهر ضعفاً في المعايرة بين الثقة والدقة.
تقدم هذه الورقة أول معيار مرجعي واسع النطاق وكاشفاً مبتكراً ذا مرحلتين يستفيد من الترميز التلقائي المقنع، والتعلم التبايني متعدد الرؤى، ودمج الرموز متعدد المستويات للتمييز بفعالية بين الوجوه المصدرية الحقيقية والمزيفة في رؤوس غاوس ثلاثية الأبعاد المعاد بناؤها من صور شخصية واحدة، مما يعالج تحدي ضعف آثار التزوير في الأساليب الحالية.
تقترح هذه الورقة طريقة مبتكرة لاستكمال الصور الطبية رباعية الأبعاد (4D) تتعلم عملية تشوه مستمرة باستخدام حقل سرعة مشروط بالطور مع أساس فوريه محدود وإعادة تمثيل زمني محاذٍ للطور لنمذجة الحركة الفسيولوجية القريبة من الدورية وغير المنتظمة بفعالية، محققةً أداءً هو الأفضل في فئته في توليد أحجام وسيطة معقولة تشريحياً من ملاحظات متفرقة.