12944 ورقة بحثية
تقدم الورقة البحثية MERLIN، وهو إطار عمل تدريبي مبتكر مصحوب بمجموعة بيانات EM-100k ومعيار EM-Bench، للتغلب على ندرة البيانات، وفجوات التقييم، وهشاشة نسبة الإشارة إلى الضوضاء المنخفضة (low-SNR) في بناء نماذج لغوية كبيرة متعددة الوسائط قوية للإشارات الكهرومغناطيسية.
تقترح هذه الورقة البحثية إطار عمل MM-TS، وهو إطار عمل جديد للتعلم التبايني متعدد الوسائط يقوم بتعديل جداول درجة الحرارة والهامش ديناميكيًا بناءً على توزيع البيانات المحلي لمعالجة اختلالات التوزيع طويل الذيل، مما يوحد بين أهداف InfoNCE وأهداف الهامش الأقصى (max-margin) لتحقيق أداء رائد عبر مجموعات بيانات لغوية متعددة للصور والفيديو.
تقترح الورقة البحثية SAVE، وهي طريقة لتعلم تمثيل الفيديو المدرك للكلام، والتي تعزز استرجاع الفيديو والنص من خلال تقديم فرع مخصص للكلام وتقنية soft-ALBEF للمحاذاة المبكرة بين الرؤية والصوت، محققةً أداءً هو الأفضل في فئته عبر خمس معايير قياسية.
يُعد SRNeRV إطار عمل جديد لتمثيل الفيديو عصبياً يتسم بكفاءة المعلمات، حيث يستفيد من التشابه الذاتي للمقياس من خلال مخطط مشاركة تكراري هجين لتقليل حجم النموذج بشكل كبير مع تحقيق أداء متفوق في معدل التشويه مقارنة بالبنيات متعددة المقاييس المتراكمة التقليدية.
يُعد GarmentPainter إطار عمل فعال يقوم بتخليق أنسجة ملابس عالية الدقة ومتسقة ثلاثية الأبعاد في فضاء UV عبر الاستفادة من خرائط مواضع UV للتوجيه الهيكلي ووحدة اختيار النوع للتحكم القائم على الشخصية، وكل ذلك مدمج في نموذج انتشار قياسي دون تعديلات معمارية.
يقدم SiMO إطار عمل جديد للإدراك التعاوني يستخدم دمجاً متعدد الوسائط متكيفاً مع الطول (LAMMA) واستراتيجية تدريب "التحضير-المحاذاة-الدمج-التقليل من التشتت" (Pretrain-Align-Fuse-RD) للتغلب على أعطال المستشعرات وعدم التطابق الدلالي، مما يضمن أداءً قوياً عبر جميع الوسائط الفردية مع الحفاظ على التكامل الفعال متعدد الوسائط.
تقدم هذه الورقة DynamicVGGT، وهو إطار عمل موحد للتغذية الأمامية يوسع الإدراك ثلاثي الأبعاد الساكن إلى إعادة بناء المشاهد رباعية الأبعاد الديناميكية للقيادة الذاتية من خلال التنبؤ المشترك بخرائط النقاط الحالية والمستقبلية، باستخدام وحدة انتباه زمني مدركة للحركة لضمان التماسك الزمني، وتوظيف رأس "Gaussian Splatting" ثلاثي الأبعاد ديناميكي لنمذجة حركة النقاط صراحةً وتحسين الهندسة.
تقترح الورقة البحثية OSCAR، وهي طريقة خالية من الملصقات تستخدم فضاءات كامنة مقترنة وتمثيلات ضمنية عصبية لإعادة بناء تشريح الفقرات ثلاثي الأبعاد بالكامل بدقة من صور الموجات فوق الصوتية الجزئية عبر النمذجة الضمنية للتظليل الصوتي ونقل الإشارة، محققةً تحسناً بنسبة 80% في مقياس HD95 مقارنة بالتقنيات الرائدة.
تقدم الورقة البحثية SP-CLIP، وهو إطار عمل خفيف الوزن للتعرف على الأفعال بنمط (zero-shot)، والذي يحسن الأداء بشكل كبير في الأفعال دقيقة التفاصيل والتركيبية من خلال تعزيز النماذج الرؤيوية-اللغوية المجمدة بمطالبات دلالية مهيكلة ومتعددة المستويات دون الحاجة إلى أي تدريب إضافي للمعلمات أو تعديلات في المشفر البصري.
تقدم هذه الورقة إطار عمل للضبط الدقيق الموجه بالمفاهيم، والذي يعزز متانة نماذج "Vision Transformer" ضد انزياحات التوزيع من خلال التوليد التلقائي للمفاهيم الدلالية دقيقة التفاصيل ومحاذاة انتباه النموذج معها بدلاً من الارتباطات الخلفية الزائفة.