12944 ورقة بحثية
يُعد HypeVPR إطار عمل للتمثيل الهرمي يستفيد من الخصائص الجوهرية للفضاء الزائدي لالتقاط العلاقة الهرمية بين المنظور والمنظر متساوي المستعرض بفعالية، مما يتيح التعرف البصري على الأماكن بمتانة مع تحسين سرعة الاسترجاع وتقليل متطلبات التخزين.
تقدم هذه الورقة TreeBench، وهو معيار تشخيصي لتقييم الاستدلال البصري المرتكز القابل للتتبع، وتقترح TreeVGR، وهو نموذج تدريب قائم على التعلم التعزيزي يعزز أداء النموذج بشكل كبير من خلال الإشراف المشترك على التحديد والاستدلال.
تقترح هذه الورقة إطار عمل جديد للضبط الدقيق المنظم بالأهمية يعمل على تحسين أدوات تتبع تعدد الوسائط من خلال الموازنة ديناميكيًا بين أهمية المعلمات من أجل التعميم والقدرة على التكيف، محققًا بذلك أداءً فائقًا عبر مختلف المعايير مقارنة بالأساليب المتطورة.
تقدم هذه الورقة البحثية تقنية "الارتقاء بدقة الفيديو في الفضاء المستمر زمانياً ومكانياً" باستخدام "حقول فوريه للفيديو ثلاثية الأبعاد" (VFF)، وهو نهج عصبي مبتكر يقوم بترميز الفيديو كتمثيل مكاني-زماني مستمر لتحقيق حدة مكانية وتماسك زمني وكفاءة حوسبية فائقة مقارنة بالأساليب الحالية.
يُعد VidGuard-R1 كاشفاً مبتكراً للفيديوهات المولدة بالذكاء الاصطناعي، حيث يستفيد من تحسين السياسة النسبية للمجموعات (GRPO) ونماذج مكافأة متخصصة للتغلب على قيود مجموعات البيانات الثابتة، محققاً أداءً رائداً في وضع "الصفر المعرفة" (zero-shot) مع تقديم تفسيرات بشرية قابلة للتفسير ومستندة إلى القواعد الفيزيائية لأحكامه الجنائية.
تقدم هذه الورقة البحثية XFactor، وهو أول نموذج تعلم ذاتي خالي من الهندسة يحقق تركيباً حقيقياً للمناظر من زوايا جديدة عبر فصل وضعية الكاميرا عن محتوى المشهد من خلال مخطط تعزيز مبتكر، مما يتيح إمكانية نقل الوضعية عبر مشاهد ثلاثية الأبعاد مختلفة دون الاعتماد على انحيازات استقرائية هندسية صريحة.
يُعد VIST3A إطار عمل مبتكر يدمج بسلاسة بين مولدات الفيديو من النص إلى الفيديو مسبقة التدريب وشبكات إعادة البناء ثلاثية الأبعاد ذات التغذية الأمامية من خلال رتق النماذج والضبط الدقيق المباشر للمكافأة، مما يتيح توليد نماذج عالية الجودة من النص إلى ثلاثي الأبعاد ومن النص إلى خريطة النقاط يتفوق على النهج القائم على "Gaussian splat" الحالي.
تقدم هذه الورقة البحثية نموذج DRBD-Mamba، وهو نموذج فعال لتجزئة أورام الدماغ ثلاثية الأبعاد يستفيد من بنية "ماما" (Mamba) ثنائية الاتجاه وثنائية الدقة مع منحنيات ملء الفراغ والدمج المبوّب لتحقيق دقة ومتانة فائقتين عبر مختلف تقسيمات بيانات BraTS2023، مع تقليل العبء الحسابي بشكل كبير مقارنة بالطرق الحالية المتطورة.
تقدم الورقة البحثية إطار عمل MSSR، وهو إطار عمل ثنائي الوكلاء يعزز القدرة على الاستدلال المكاني للنماذج اللغوية البصرية من خلال التقييم البرمجي لمجموعة كافية دنيا من نتائج الإدراك ثلاثي الأبعاد المستمدة من نماذج خبيرة للتغلب على الاختناقات الناتجة عن عدم كفاية الفهم ثلاثي الأبعاد والمعلومات الزائدة، مما يحقق أداءً هو الأفضل في فئته على الاختبارات المعيارية الصعبة.
تقدم الورقة البحثية نموذج "Grasp Any Region" (GAR)، وهو نموذج لغوي كبير متعدد الوسائط يستفيد من إعادة تشغيل الميزات المتوافقة مع منطقة الاهتمام (RoI-aligned feature replay) لدمج السياق العالمي من أجل فهم دقيق وتفاعلي على مستوى المنطقة واستدلال تركيبي، محققاً أداءً هو الأفضل في فئته على كل من معايير الصور والفيديو.