12944 ورقة بحثية
تقدم هذه الورقة نهجاً مبتكراً لتحليل البيانات الطوبولوجي القائم على الرقع (patch-based) للتصوير المقطعي المحوسب ثلاثي الأبعاد، يتفوق بشكل كبير على طرق المجمعات المكعبة ثلاثية الأبعاد التقليدية والسمات الراديومية في كل من دقة التصنيف والكفاءة الحسابية، مصحوباً بإصدار حزمة برمجية بلغة بايثون لتسهيل اعتماده.
تُثبت هذه الورقة أن آلية "الانتباه المتقاطع فوق الانتباه الذاتي" (CASA) هي بديل تنافسي وفعال للغاية لعملية إدراج الرموز (token insertion) في نماذج الرؤية واللغة، حيث توفر تكاليف ذاكرة تقترب من الثبات وزمن انتقال منخفض، مما يجعلها مناسبة بشكل خاص للمحادثات الطويلة متعددة الصور وتطبيقات الفيديو في الوقت الفعلي.
تقدم الورقة البحثية FlyPose، وهو مسار تقدير وضعية جسم الإنسان خفيف الوزن وفي الوقت الفعلي ومُحسَّن للمشاهد الجوية من الطائرات بدون طيار (UAV)، والذي يحقق تحسينات كبيرة في الدقة عبر مجموعات بيانات متعددة وتم نشره بنجاح على متن طائرة رباعية المراوح، مصحوباً بإصدار مجموعة بيانات جديدة وتحديّة تسمى FlyPose-104.
تقدم هذه الورقة البحثية SRA 2، وهو إطار توجيه جوهري خفيف الوزن يعمل على تسريع تدريب محولات الانتشار وتحسين جودة التوليد من خلال محاذاة الميزات الكامنة الوسيطة مع ميزات المشفر التلقائي المتغير (VAE) المدرب مسبقاً عبر طبقة إسقاط بسيطة، مما يلغي الحاجة إلى مشفرات خارجية أو إعدادات ثنائية النماذج مع تحمل حد أدنى من العبء الحسابي.
يُعد DAV-GSWT إطار عمل كفؤ في استهلاك البيانات يجمع بين نماذج الانتشار المسبقة وأخذ عينات الرؤية النشطة لتخليق بلاطات وانج (Wang Tiles) لتقنية غاوسيان سبلاتينج عالية الدقة من ملاحظات مدخلة دنيا، مما يتيح توليد مناظر طبيعية شاسعة وواقعية للغاية دون الاعتماد على إعادة بناء نماذج مثالية كثيفة العينات.
إن StoryTailor هو مسار معالجة من نوع (zero-shot) يولد سرديات بصرية متعددة الموضوعات، غنية بالأحداث ومتماسكة زمنياً على بطاقة رسومية واحدة من نوع RTX 4090، وذلك عبر دمج تقنيات الانتباه المتممركز حول غاوس (Gaussian-Centered Attention)، وإعادة وزن القيم المفردة المعززة للأفعال (Action-Boost Singular Value Reweighting)، وذاكرة التخزين المؤقت للنسيان الانتقائي (Selective Forgetting Cache) لضمان الدقة في الأفعال، وأمانة هوية الموضوع، واستمرارية الخلفية عبر الإطارات في آن واحد.
تقدم الورقة البحثية UniVBench، وهو معيار مرجعي شامل يضم 200 فيديو عالي الجودة متعدد اللقطات من صنع البشر ونظام تقييم وكيل موحد (UniV-Eval) لتقييم نماذج تأسيس الفيديو بشكل شمولي عبر مهام الفهم، والتوليد، والتحرير، وإعادة البناء، مما يعالج أوجه القصور في التقييمات الحالية المجزأة والمخصصة لمهام محددة.
تقدم هذه الورقة نموذج "أوتوديكودر" (autodecoder) لشبكة عصبية رسومية (Graph Neural Network) مدركة للهندسة، يستفيد من مسبقات بنية البروتين ورفع الدعم الإهليلجي لتحقيق دقة أعلى في إعادة بناء المجهر الإلكتروني بالتبريد للجسيمات المنفردة غير المتجانسة مقارنة بالطرق التقليدية القائمة على "المتعدد الطبقات الإدراكية" (MLP).
تقدم الورقة البحثية DPCache، وهو إطار عمل للتسريع لا يتطلب تدريباً لنماذج الانتشار، حيث يصيغ عملية أخذ العينات كمسألة تخطيط مسار عالمي ويستخدم البرمجة الديناميكية على تنسور تكلفة مدرك للمسار لاختيار الخطوات الزمنية الرئيسية المثلى، مما يحقق تسريعاً كبيراً مع حد أدنى من فقدان الجودة بل ويتفوق على النماذج المرجعية ذات الخطوات الكاملة في بعض المقاييس.
تقدم هذه الورقة البحثية مجموعة بيانات Synthetic Visual Genome 2 (SVG2)، وهي مجموعة بيانات ضخمة ومؤتمتة لرسوم المشاهد المرئية البانوبتيكية للفيديو تحتوي على أكثر من 636 ألف فيديو، وتقدم نموذج TRaSER، وهو نموذج مبتكر يستفيد من آليات الرموز المحاذية للمسار ليتفوق بشكل كبير على النماذج المرجعية الحالية في مهام توليد رسوم المشاهد ومهام الإجابة على الأسئلة حول الفيديو في المراحل اللاحقة.