12944 ورقة بحثية
تقدم هذه الورقة البحثية NarrLV، وهو أول معيار شامل لتقييم نماذج توليد الفيديو الطويل من خلال تعريف "ذرات السرد الزمني" لقياس الثراء السردي واستخدام إطار عمل قائم على النماذج اللغوية الكبيرة متعددة الوسائط (MLLM) لتقييم التعبير السردي، مما يكشف عن قدرات النماذج الحالية وحدودها.
تقدم هذه الورقة TomatoMAP، وهي مجموعة بيانات شاملة تضم 64,464 صورة لطماطم من زوايا ووضعيات متعددة مع تعليقات توضيحية مفصلة لسبعة مناطق اهتمام و50 مرحلة نمو، والتي تم التحقق منها لإثبات أن إطار التعلم العميق المتتالي يحقق دقة في التنميط الظاهري الدقيق وسرعة تضاهي الخبراء البشريين.
تقترح الورقة البحثية إعادة بناء سطح المجموعة الغاوسية (GSSR)، وهي طريقة تعمل على تحسين وضع ومحاذاة كل عنصر غاوسي على حدة لتحقيق إعادة بناء هندسي ثلاثي الأبعاد دقيق وتوزيع سطحي موحد، مما يتغلب على القيود الهندسية لمتغيرات تقنية "الغاوس سبلاتينج" (3D Gaussian Splatting) الحالية مع الحفاظ على جودة رندر عالية.
تقدم هذه الورقة نظاماً متعدد الوكلاء قائماً على نموذج لغوي كبير متعدد الوسائط يتفوق بشكل كبير على الأساليب الحالية المتطورة في استخراج المعلومات الكيميائية المهيكلة تلقائياً من الرسوم البيانية الأدبية المتنوعة والمعقدة، مما يعزز الأبحاث الكيميائية المدعومة بالذكاء الاصطناعي.
تقدم هذه الورقة البحثية VLMQ، وهو إطار عمل للكمّنة ما بعد التدريب مصمم لنماذج الرؤية واللغة يستفيد من عامل أهمية مدفوع بالتدرج لمعالجة التمثيل البصري المفرط وفجوات الأنماط، مما يحقق أداءً هو الأفضل في فئته عبر مختلف أحجام النماذج وإعدادات البت المنخفضة.
تقترح هذه الورقة البحثية إطار SSL-SLR، وهو إطار تعلم ذاتي التوجيه للتعرف على لغة الإشارة يعالج أوجه القصور في الطرق التباينية القياسية من خلال إدخال أزواج سلبية حرة وتقنية جديدة لتعزيز البيانات للتعامل بشكل أفضل مع تكرار الفيديو والحركات المشتركة، مما يحقق تحسينات كبيرة في الدقة عبر مختلف إعدادات التقييم.
تقترح هذه الورقة البحثية C²Prompt، وهي طريقة تعلم مستمر اتحادية مبتكرة تخفف من النسيان الزماني والمكاني عبر إدخال آلية تعويض لتوزيع الفئات المحلية ومخطط تجميع محفز مدرك للفئات لتعزيز تماسك المعرفة لكل فئة عبر العملاء الموزعين.
تقدم الورقة البحثية LikePhys، وهو أسلوب تقييم خالٍ من التدريب يستخدم تفضيلات الاحتمالية لتقييم فهم الفيزياء الحدسية في نماذج انتشار الفيديو، مما يظهر أن النماذج الحالية تظهر قدرات متطورة في الاستدلال الفيزيائي مع توسعها رغم التحديات المتعلقة بالديناميكيات المعقدة.
يعزز CanvasMAR التنبؤ بالفيديو عبر التوليد الذاتي التراجعي المقنع من خلال تقديم أولوية "لوحة" (canvas) عالمية ومنهج تعليمي مدرك للحركة لإنتاج فيديوهات عالية الدقة ومتماسكة بعدد أقل من خطوات أخذ العينات، محققاً أداءً يضاهي الأساليب المتقدمة القائمة على الانتشار.
تقدم الورقة البحثية 3DThinker، وهو إطار عمل مبتكر يُمكّن نماذج الرؤية واللغة من إجراء الاستدلال المكاني ثلاثي الأبعاد من خلال مشاهد محدودة عبر محاذاة تمثيلاتها الداخلية مع نموذج أساسي ثلاثي الأبعاد وتحسين عملية الاستدلال من خلال التحسين القائم على النتيجة، وكل ذلك دون الحاجة إلى مدخلات مسبقة صريحة ثلاثية الأبعاد أو بيانات تدريب ثلاثية الأبعاد مصنفة.