12113 ورقة بحثية
تقدم هذه الورقة إطار عمل للتجسيد متعدد الوسائط يدمج تقنية "النمذجة الغاوسية ثلاثية الأبعاد الدلالية" (Semantic 3D Gaussian Splatting) النشطة متعددة المشاهد مع سياسة رؤية-لغة-حركة قائمة على الانتشار، وذلك لتحسين معدلات نجاح المناولة المتنقلة ذات المفردات المفتوحة بشكل كبير في البيئات المنزلية المزدحمة والمحتجبة والمتغيرة من حيث زوايا الرؤية مقارنة بالنهج الحالية المتطورة.
تستخدم هذه الورقة البحثية التتبع السببي للكشف عن أن نماذج الرؤية واللغة تعتمد غالباً على الرموز البصرية خارج المناطق المستهدفة وتستغل إشارات المظهر لفهم البنية، مما يكشف عن فجوة جوهرية بين أوصافها عالية الأداء وبين التحديد المكاني الفعلي أو الاستدلال الهيكلي للمعلومات البصرية.
تتناول هذه الورقة عدم الكفاءة المرتبط بسعة الذاكرة في عمليات الالتفاف المويجي (wavelet convolutions) من خلال تقديم إعادة صياغة مدركة لعمليات الإدخال والإخراج (I/O-aware) تقلل من حركة بيانات الذاكرة ذات النطاق العريض (HBM) بمقدار 2.55 ضعفاً، مما يحقق تسريعاً في التدريب يصل إلى 4.35 ضعفاً ويقلل ذروة استخدام الذاكرة إلى النصف مع الحفاظ على الفوائد النظرية للمنهجية.
تقترح هذه الورقة إطار عمل للتمثيل العصبي الضمني (INR) منخفض البيانات لنمذجة تطور الضمور الجغرافي الفردي في التنكس البقعي المرتبط بالسن، محققةً دقة فائقة في التنبؤ بمساحة الآفة وتجزئتها مع الحفاظ على جودة عالية في توليد صور التلقائية الفلورية لقاع العين عبر النقاط الزمنية الماضية والمستقبلية.
تُعد MIRA إطار عمل للتشخيص البصري الطبي يعزز التشخيص الذاتي من خلال الاستدعاء الديناميكي لأدوات معالجة الصور والبحث عبر الويب، مع توظيف استراتيجية تدريب ثنائية المراحل تعتمد على بحث مونت كارلو الشجري المعزز بالأدوات والتعلم التعزيزي للتحقق من صلة الأدلة، مما يحسن دقة التشخيص بشكل كبير ويقلل من الاستخدام الضار للأدوات عبر معايير قياس متعددة.
تقدم الورقة البحثية PolyLayout، وهو إطار عمل هجين هرمي يستفيد من نماذج الرؤية واللغة والتحسين القائم على القواعد لتوليد تخطيطات غرف ثلاثية الأبعاد معقولة فيزيائياً وخالية من التصادم ضمن حدود معمارية معقدة وغير مستطيلة، مما يسد الفجوة بفعالية بين البحث الأكاديمي وتطبيقات التجزئة في العالم الحقيقي.
يُعد Flex- نموذجاً للأفعال العالمية بـ 6 مليارات معلمة، يستفيد من مشفر تلقائي (VAE) لتوليد الفيديو مجمد لترميز الهندسة ثلاثية الأبعاد ودلالات الأشياء ضمن بيانات RGB بشكل ضمني، مما يتيح نهج تدريب متعدد المسارات ومرناً يحقق تعميماً وكفاءة فائقين في مهام المناولة ثنائية اليد في العالم الحقيقي دون الحاجة إلى مستشعرات جديدة أو إعادة تدريب مسبق.
تقترح هذه الورقة طريقة تقطير العلاقات متعددة الرؤى (MVRD)، وهي طريقة تعزز قدرات الاستدلال الهندسي لنماذج الرؤية واللغة من خلال تقطير تشابهات جيب التمام على مستوى الرقع عبر الرؤى من معلمين مرتكزين على الهندسة، مما يحسن الفهم المكاني مع الحفاظ على المحاذاة اللغوية سابقة التدريب وتجنب العبء الحسابي لدمج الميزات.
تقترح الورقة البحثية NullEdit، وهي آلية دفاع خفية تحمي الصور من التعديل غير المصرح به عن طريق إعادة توجيه تمثيل النموذج البصري اللغوي المشترك لإخماد التعليمات الضارة مع الحفاظ على هوية الصورة الأصلية ومظهرها الطبيعي دون عيوب ظاهرة.
يُعد ConfTriage إطار عمل مدركاً للمعايرة يستفيد من نموذج لغوي كبير عام للتنبؤ بخباثة العقد الرئوية من خلال الأوصاف الإشعاعية المهيكلة، مع إرجاء الحالات غير المؤكدة بشكل انتقائي إلى نموذج تعلم عميق متخصص لتحقيق دقة تشخيصية عالية مع تقليل الاعتماد على النماذج المدربة على الصور.